一、Token本质：AI服务的"度量衡"

技术层面，Token（词元）是大模型处理信息的最小单元，1个Token约等于1.5到2个汉字。

业务层面，Token有三层含义：既是算力消耗的度量单位，又是AI服务的计价单位，还是智能经济的"通用货币"。

移动互联网时代，衡量线上业务规模的度量衡是"流量"。AI时代，衡量智能服务规模的度量衡是Token。

那么，Token和算力、大模型的关系是什么呢？

算力、大模型与Token的关系

🧱 算力是生产资料  →  ⚙️ 大模型是生产设备  →  📦 Token是生产输出

网络连接算力，算力生产Token，Token提供动能（智能）

二、Token供给的五种模式和对应商业模式

🔥 模式一：模型原厂直营

大模型厂商对外开放API，企业或个人直接调用官方接口，按Token付费。数据链路最简单：企业应用经公网或专线调用厂商的共享推理集群，Prompt和企业数据随请求离开企业边界。

这种方式上手最快，但致命缺陷是数据安全——金融、政务行业涉及客户信息和敏感数据等场景没法用。

▲ 图1：模型原厂直营模式

商业模式上只有两个角色：原厂向企业按Token计费，行业惯例是输入和输出分开计价（输出通常是输入的3到6倍），命中缓存的输入打到一折甚至更低，部分厂商也卖包月订阅套餐。站在大模型原厂角度，Token费用体现的是算力基础设施和人工成本：算卡、机房、模型训练人工等等。

📊 国内主流大模型API官方刊例价（单位：元/百万Token）

☁️ 模式二：云厂商全栈

云厂商封装自身或第三方大模型，并和自有算力、云平台打通，对外提供"模型+算力+平台"整套服务。互联网云和国资云是两条不同路线：

互联网云：代表是阿里云百炼和火山引擎方舟，以自研模型（千问、豆包）为绝对主力，同时上架第三方模型作为补充。

国资云：代表是移动云（MoMA）、天翼云（息壤）和联通云（元景）。在自研模型之外，引入DeepSeek、千问等第三方开源模型，同时也转售闭源模型。

▲ 图2：云厂商全栈模式

牌桌上有三个角色：企业、云厂商、模型原厂。商业模式包含两段关系：

第一段：云厂商 ↔ 企业：核心是按Token计费，要么直接卖Token，要么打包为套餐，比如天翼云星辰TokenHub的Token Plan，1500万Token 39.9元/月、7000万 159.9元/月。

第二段：云厂商 ↔ 模型原厂。按模型开闭源分为两种情况：开源模型（如DeepSeek）免费自部署不付费；闭源模型（如豆包）则采购Token或按收入分成，再卖给企业。

这种模式下，token费用体现的是云厂商在算力建设、模型部署调优、运维安全等方面的成本及其溢价——同一个基础大模型，部署在不同的芯片、采用不同的推理方式，效果和效率完全不同。此外，云厂商可以向企业屏蔽掉不同模型的接口和计费差异，统一度量衡，进一步降低企业接入门槛。

🛒 模式三：聚合分发平台

模式三是模式二的纯粹版：像OpenRouter、硅基流动这类"模型超市"，一侧接入几百个模型，统一账单、智能路由、故障切换，一侧向企业提供统一封装后的大模型API。

▲ 图3：聚合分发平台模式

但对应的商业模式，中美呈现出巨大差异：

🇺🇸 美国 OpenRouter：几乎纯是"路由器"。因国外算力被英伟达芯片和CUDA生态高度标准化，只做转发和清算，在原厂Token费用之上上浮5%。但这也是OpenRouter作为月处理百万亿Token、增速高达500%的行业龙头，上个月选择寻求收购机会的根本原因。

🇨🇳 中国 硅基流动：国内算力有华为昇腾、寒武纪等多芯并存，除了路由和转发，还做了大量跨芯片适配、推理引擎优化、异构算力调度等苦活累活——这些工程壁垒让TA更难被替代，商业护城河更为稳固。

模式三的利益相关方和模式二完全一样：企业、聚合平台、模型原厂，那商业模式区别到底在哪呢？主要是两条：

第一，聚合平台有没有自己的云生态。云厂商卖Token可以亏本，因为背后有存储、数据库、甚至网络等资源可以收钱；但聚合平台没有，Token费就是它的全部——这决定了它天然没有打价格战的家底，必须靠工程效率把成本做到极致。

第二，平台有没有自研模型。互联网云厂商对外提供的模型以自研模式为绝对主力，第三方只是补充；但聚合平台没有自研模型，价值在于“中立”和“统一”——屏蔽底层几百个模型的差异，统一账单、智能路由、故障切换，企业只对接一家就能随时切换底层模型，不被任何单一厂商锁定。

具体到收费上，硅基流动的刊例与原厂基本持平，但这也是其软肋：转卖token不挣钱，挣的是苦活累活的钱——从硅基流动今年的招股书就能看到：公有云MaaS业务收入占52.9%，毛利率是负119%；本地部署业务收入占47.1%，毛利率高达82.5%。

所以，对于没有模型能力的云厂商也好、聚合平台也好，单纯转卖Token都没戏。

🔒 模式四：私有化部署

企业自建算力，将模型部署到自己机房，数据完全不出域，所有交互在企业内网闭环：业务系统经过企业AI网关，调用本地推理集群，外接本地向量库做知识库检索。

▲ 图4：私有化部署模式

模型本身免费，成本主要来自算卡、基础设施、部署和运维人工等。门槛不在软件在硬件：一台能跑70B级模型的8卡整机约两百万元，还要算上数据工程、每年几十万的人力运维。

🔀 模式五：混合架构

自建算力毕竟太贵，现实中大部分企业会选择混合架构：按数据敏感度，敏感数据走本地模型，通用任务走公有API，用一层统一AI网关做调度、脱敏和记账。

▲ 图5：混合架构模式

这种方式兼顾能力上限与合规底线，代价是架构和治理的复杂度。商业模式上是模式四+模式一/二/三。

📝 三、小结

Token是AI时代的度量衡，但这门生意的胜负手，从来不在Token本身的价格。

🧑‍💼 对供给方：胜负手在算力成本、部署质量和离客户场景的远近

🏢 对需求方：胜负手在合规先行、用量测算和成本工程