摘要：

1. Token 是 AI 世界的"原子货币"：Token（词元）最初只是自然语言处理中把文本切分为子词单元的技术概念，2020 年 OpenAI 推出商业 API 后，它正式成为 AI 计算的计费与计量单位——如同电力行业的"千瓦时"。今天，全球每天生成约 300～477 万亿 token（已披露口径下限约 300 万亿/天），短短两年半内增长约两个数量级（估计）。

2. Token 价格由"能力税"而非"成本税"主导：同一段话在不同模型上价格可相差千倍（输出最高 $600/百万 token 对比最低 $0.4/百万 token）。价格差异来自模型规模、推理成本、输出/输入不对称、上下文长度、缓存与批处理、竞争（DeepSeek 引发的价格战）、以及"思考强度"的增值定价。市场并未收敛成单一价格，而是分裂成"接近边际成本的商品层"与"高溢价的前沿层"。

3. 全球 token 版图高度集中：美国拥有约 65%～75% 的全球 AI 算力（token"发电"能力），中国约 12%～15%；而消费端美国约 30%～35%、中国约 15%～20%（国内模型生态），印度用户基数巨大（约 2.4 亿用户）但算力自给率极低（估计）。

4. 算力版图 ≈ 政治版图：美国 5 家超大规模云厂商掌握全球约 71% 的累计 AI 算力；仅 32 个国家拥有 AI 专用数据中心，非洲与拉美合计约 3%。而台积电则成为全球 AI 芯片的"咽喉"。

5. Token 正在成为新的地缘政治基础设施：出口管制已从"芯片管制"演进到"模型管制"（2026 年 6 月美国首次对 Anthropic 模型实施出口管制），再到对"远程访问"即 token 出口的控制。没有 token 基础设施的国家面临 API 依赖、数据主权流失、外汇流出与数字经济边缘化，但也拥有通过开源模型与效率创新实现"跳跃式发展"的机会。

6. 对企业AI的核心启示：token 是 AI 产品的"电力账单"——成本结构、模型选择、区域合规与算力备选方案，将直接决定 AI 业务的毛利与地缘韧性。

第一章 Token 从何而来：起源与技术演进

1.1 什么是 Token

在大型语言模型（LLM）中，Token 是模型读写的最小原子单元：一段文本先被映射为一系列整数 ID，模型实际上是在处理这些 ID 序列。一个 token 约等于 0.75 个英文单词（即每个单词约 1.3～1.4 个 token），或约 4 个英文字符。

关键认知：Token 不是词、不是字符、也不是字节，而是模型通过统计学习得到的"子词块"。它平衡了词表大小与生僻词覆盖两个矛盾需求，让模型可以处理任意语言、人名、复合词与多语言文本。

主流分词算法谱系：

各代模型词表规模：GPT-2 约 5 万；GPT-3.5/GPT-4 约 10 万（cl100k_base）；GPT-4o 约 20 万（o200k_base）；Llama 3 约 12.8 万；DeepSeek-V3 约 12.8 万。Claude 词表未公开，但 Anthropic 官方提示其新分词器较旧版对同一文本多产生约 30% 的 token——这对成本规划有直接影响。[已验证]

1.2 关键里程碑时间线

1.3 Token 如何从"技术概念"变成"货币"

2020 年 6 月 11 日，OpenAI 推出付费 API——"文本进、文本出"的商业产品，按 token 计费（当时最大 davinci 模型约 $0.06/千 token）。这一模式定义了整个行业：此后所有大模型供应商（OpenAI、Anthropic、Google、DeepSeek 等）均按"输入/输出 token 数 × 单价"收费，token 计数接口、速率限制、上下文窗口全部以 token 为单位。

更重要的是，token 催生了新的叙事语言：

• 对开发者：token = 成本单位，"这个功能要花多少 token"；

• 对模型厂商：token = 收入单位，"每天处理多少万亿 token"；

• 对算力厂商：token = 产能单位，"AI 工厂的日产量是 token"（NVIDIA 官方将数据中心定位为"AI 工厂"，产出即 token）；

• 对国家：token = 统计单位，中国国家数据局与微软财报出现"每日/每季度万亿 token"的官方披露。

1.4 全球 Token 规模：从"万亿"走向"百万亿/天"

已披露口径（下限，约 300 万亿 token/天）：

独立机构估算： Epoch AI/Exponential View 估算全球约 432 万亿 token/天（约 50 亿 token/秒），一个前沿实验室约 10～100 万亿/天；a16z + OpenRouter 研究约 400 万亿/天；"Tokens Per Day"指数三角互证区间 308～477 万亿/天，累计自 2024 年 1 月以来已处理约 9.26 万万亿 token。高盛预测 2030 年 token 需求约为现在的 24 倍（约 4000 万亿/天），因为 Agent 工作负载将占主导——这是预测而非实测。

1.5 "Token = 算力产出"：GPU 成了"发电机"

Transformer 推理成本与 token 数成正比，因此行业现在把 GPU 视为"token 发电机"，正如发电机组之于电力：

• 吞吐基准：NVIDIA/SemiAnalysis 基准显示，Blackwell B200 单卡约 10,000 token/秒（Llama 3.3-70B，50 TPS/用户），是 H200 的 4 倍以上；极限吞吐可达每卡 6 万 token/秒；B200 上推理成本降至约 $0.02/百万 token。

• 单流时延：H100 上 Llama-70B 约 37 token/秒/用户；读 3,500 个输入 token 的耗时约等于生成 99 个输出 token。

• 宏观对应：Epoch AI 估算全球累计高端算力约 1,500～2,000 万 H100 当量——这就是全球 token "装机容量"。

结论： OpenAI 的"1 token ≈ 0.75 词"，与电力行业"1 度电"的定位如出一辙——token 是 AI 时代横跨技术、商业、政策三界的统一计量单位。它诞生于 2016 年的论文，成熟于 2020 年的定价页，2026 年的今天是国家统计局级别的指标。

第二章 为什么不同的 Token 价格不同

2.1 主流 API 定价全景（美元/百万 token，2026 年 9 月）

前沿/旗舰档：

中端/小模型/开源档：

折扣/溢价结构： 缓存命中输入价约为原价 3%～10%（DeepSeek 缓存命中仅 3%）；批量 API 约五折；DeepSeek 非高峰五折；按需加速约 2 倍；欧盟数据驻留加价约 10%；"Pro 思考模式"溢价 3～6 倍；音频 token 约为文本的 8 倍。同一段话，价格可以从"分"级到"千倍之差"——输出价 $600（o1-pro，老）对比 $0.40（GPT-5-nano），相差 1,500 倍。

2.2 价格差异的九大驱动因素

1. 模型规模与能力（主导因素）：参数量、MoE 激活参数、推理深度与评测分数与价格高度相关。前沿模型每 token 需要更多算力（更大的 KV 缓存、更长的推理链），且价格中包含了研发摊销与"稀缺租金"——不只是边际成本。

2. 边际推理成本：每个输出 token 都有真实的计算成本（解码阶段受内存带宽限制，逐 token 串行生成）。服务效率（投机解码、批处理、量化、自研芯片）决定成本下限。开源权重模型被多家厂商托管，价格被压向边际成本。

3. 输入/输出不对称：输出普遍比输入贵 2.5～6 倍。原因：输出是串行解码、独占显存带宽、延迟敏感；且"模型思考"才是交付物——按价值定价。

4. 上下文长度：长上下文 KV 缓存线性增长，OpenAI/Google/xAI 都在约 20 万 token 以上加价约 2 倍。

5. 缓存/批量/低谷/优先级分层：缓存命中 3%～10%、批量五折、低谷五折、加速 2 倍——这证明价格确实锚定成本（峰值负荷定价，教科书式的电力市场逻辑）。

6. 竞争与市场策略（价格战）：DeepSeek 2024-2025 年的开源发布（MoE 效率 + 低谷折扣）把整个市场价格中枢打下来；每个美国厂商都推出 nano/lite/haiku 级别低价小模型应对。

7. 企业 vs 消费者 vs API 分层：消费者订阅是"包月限流"，API 按量计价最贵，企业协议走量折扣。

8. 地缘与主权定价：区域推理端点加价约 10%；Mistral 明确向欧洲公共部门卖"主权、开源权重"模型；中国厂商（DeepSeek、Qwen、GLM、Kimi）结构性低于美元计价美国模型。

9. 分词器效率：Token 不是通用单位——每家分词器不同。英文约 0.75 token/词；中文/多语言文本在不同分词器下消耗的 token 数差异很大。同样的"词"，在不同模型上即便单价相同，实际花费也不同。

2.3 价格趋势：三年下降 10～100 倍

规律：按单位能力衡量的价格下降了约 10～100 倍，性价比改善快于名义降价（Artificial Analysis 指数：2026 年旗舰"智能指数"每任务成本低于 2023 年的 GPT-4 时代）。但"前沿税"始终存在——新旗舰定价总是高于上一代中端；市场呈"哑铃形"：底部几美分商品化，顶部超高溢价推理。

2.4 Token 会像电力一样价格趋同吗？

不会完全趋同，而是分层：

• 商品层（开源权重小模型、批量/低谷、无差异化能力）：价格收敛逼近边际成本——像电力/大宗商品；

• 前沿层（旗舰、思考模式、Agent 可靠性、品牌与数据治理）：溢价 10～100 倍——像头等舱与奢侈品；

• 缓存 3%～10% 的价格是"价格远超边际成本"的最强证据（前沿层标价以策略而非物理成本为主）；

• "思考时间"被货币化：推理 token（思维链）按输出计价，厂商开始按"努力程度"（低/中/高）分层定价——新增了"努力"这个定价轴。

一句话总结： token 市场更像航空业的舱位体系（同一航班几十种票价），而不是单一电价。边际成本在下降且真实存在，但前沿价格由能力、品牌与地缘决定。

第三章 Top 5 国家：谁在"发电"，谁在"用电"

方法说明：研究将"生成 token"视为算力供给能力（数据中心、GPU 装机、模型服务设施），"消费 token"视为实际使用（用户数、API 调用、企业采纳）。国家层面的 token 官方统计尚不存在，以下排名为"已验证基础设施 + 明确标注的估算"。

3.1 生成（算力供给）Top 5

荣誉提名与特别说明：

• 阿联酋/沙特：主权 AI 资本雄厚（沙特 PIF 承诺超 $400 亿；阿布扎比、迪拜为顶级 EMEA 数据中心市场），是未来五年的变量；

• 新加坡/柔佛：区域算力枢纽，承接中美两大阵营的超大规模集群；

3.2 消费（实际使用）Top 5

3.3 生成 vs 消费：谁自给自足，谁依赖进口

核心结论：

• 美国是垄断型"产电大国"：发电全球第一、用电全球第一，还出口给全世界；

• 中国是"独立电网"：近 6 亿用户消费在自己的模型生态上，用"国产发电机（昇腾等）+ 少量走私进口（约 45 万张）+ 远程访问（约 103 万张当量）"维持闭环；

• 印度是"进口依赖型电网"的典型：用户爆炸式增长，但算力地基在美国云上，这正是各国主权 AI 运动的焦虑来源；

• "发电能力"比"用电量"集中得多：即便消费端相对分散，供给端（芯片-晶圆-数据中心）始终握在少数玩家手里——这是地缘政治章节的全部伏笔。

第四章 Token 作为新基础设施：会改变地缘政治竞争吗？

4.1 "算力即新石油"：类比成立与不成立之处

这一表述已成为主流叙事：美国国务院"硅和平宣言"称"20 世纪靠石油与钢铁运转，21 世纪靠算力与矿物"；《外交事务》2025 年 12 月刊发"算力是新石油"；CSIS 认为海湾战争级的地缘风险因"算力是新石油"而更高；微软布莱德·史密斯称"AI 是新电力，但要警惕南北鸿沟"。连"token 期货"都已出现——CME 与洲际交易所 2026 年 6 月宣布推出 AI 算力期货，Kalshi 上线 GPU 价格预测市场。

类比成立之处：

• 巨额前期资本 + 长期投入（算力与石油均需数十亿美元级投资周期）；

• 战略咽喉点与军民两用属性（数据中心/电网/海底光缆 = 新管道与炼厂；2024 年红海切断四条光缆影响亚欧约 25% 流量）；

• 出口管制为主要政策工具（对石油是制裁，对算力是 BIS 许可）；

• 能源相互依赖（美国数据中心 2023 年占全国电力约 4.4%，预计 2028 年翻三倍；爱尔兰约占 20% 并已暂停新接入）。

类比不成立之处（Token 的独特性）：

• 非竞争性：一个模型可以同时服务数十亿用户，规模化后边际成本趋近于零；不存在"资源枯竭"；

• 以 API 而非管道出口：token 以服务形式在网络中流动——这一特性曾让远程云访问长期不被视为"出口"（EAR 下的"云漏洞"），直到 2026 年才被强行管制；

• 延迟敏感与数据引力：推理受距离影响，训练则不然——造就了海湾枢纽、"数字使馆"甚至轨道数据中心的布局逻辑；

• 非均质：电力/水是同质商品，算力分为训练/推理、内存受限/算力受限、H100 级/国产加速器——市场与管制都很"乱"，而 token 期货正在试图让它可交易化；

• 咽喉点不止一个：石油只有一个地理捕获点（油井），算力则有芯片-晶圆厂（台积电）-软件（CUDA）-能源-数据中心-模型权重-API 访问七个环节；

• 增值而非耗竭：算力越来越便宜、越来越好（Epoch AI：每美元 AI 芯片性能自 2023 年以来每年提升约 49%；DeepSeek 式算法效率进步）。今天落后的国家明天可能跳跃式赶超——这与石油储量的"消耗"逻辑完全不同。

结论： "算力是新石油"捕捉了重要性，但误导了机制。算力地缘政治 = 半导体 + 电信 + 能源地缘政治的叠加，且关键新变量是——"出口物"从实体货物变成了 API 调用。因此最关键的资产不只是拥有 GPU，而是控制"芯片→模型→访问"的完整栈。

4.2 从芯片管制到模型管制：算力治理时间线

4.3 全球算力版图：极端集中

• 五家美国超大规模云厂商（亚马逊、谷歌、Meta、微软、甲骨文）持有全球约 71% 的累计 AI 算力（Epoch AI，2026-04，数据截至 2025Q4；2024Q1 时为 63%——集中度在上升）；

• 仅 32 个国家拥有 AI 专用数据中心；非洲+拉美合计约 3%；

• 全球生成式 AI 能力差距：2023 年以来所有前沿模型均出自美国，中国模型平均落后约 7 个月（Epoch AI，2026-01）；

• 中国应对：华为昇腾 2026 年约产出英伟达算力的 <4%（无国外 HBM 情况下 2028 年约 1%，Epoch AI 2026-09）——出口管制封住了中国的规模化杠杆；而走私估计已向中国输送 29 万～160 万 H100 当量（中位数约 66 万，Epoch AI 2026-04）；

• 主权 AI 浪潮：欧盟 AI 工厂与 100 亿欧元"AI 千兆工厂"招标（2026-07，被 Politico 批评为"烧 200 亿欧元的梦想"）；英国国家级算力计划；印度 1.8 万 GPU 公共池；阿联酋 G42、沙特 PIF（>400 亿美元）、卡塔尔；新加坡 SEA-LION；肯尼亚/尼日利亚的非洲语言模型 InkubaLM；2026-07"AI 共享算力实验室"面向 118 个发展中国家。

4.4 没有 Token 基础设施的国家会怎样：风险与机会

风险面（结构性不利）：

1. API 依赖 = 战略脆弱：2026 年 6 月 Anthropic 事件是最有力的实证——一国对前沿模型的访问可以被一夜切断，甚至美国厂商自己的外籍员工都被禁止访问。依赖外国 LLM API，等于把国运抵押在外国的出口法、许可证与政治风向之上。

2. 数据主权与"数字榨取"：没有本土算力，全球南方数据被出口到境外处理，"价值在别处沉淀"（Brookings）。轨道数据中心甚至会把数据置于任何国家监管之外。

3. 经济依赖：token 进口账单以外汇支付给外国厂商；价值链与利润向全球北方集中（非洲+拉美仅 3% 算力，却居住着全球约 88% 人口）；AI 治理框架中来自全球南方的不足 10%——他们是"规则接受者"而非"规则制定者"。

4. 安全风险：政府与敏感数据外包出海；监视能力模型在威权语境中的扩散；军民两用时代的军事情报差距。

5. 人才流失：人才追随算力与资本。IMF AI 就绪指数先进经济体 0.68 vs 低收入国家 0.32；非洲到 2030 年还需约 2,300 万名 STEM 毕业生。

6. 价格歧视与配给风险：算力期货与 GPU 市场（CME/ICE、Kalshi）意味着波动与容量配给；Tier 体系就是按地缘站队定价与分配算力的制度。

7. 
   

机会面：

1. API 与开源模型的跳跃式发展：没有前沿资本也能获得前沿能力；开源权重模型（DeepSeek、Llama、Qwen 级）可以在中等规模的本地集群运行——DeepSeek 正是"以少算力做出世界级模型"的证明。

2. 小而精的本地模型：InkubaLM、SEA-LION、Humain、印度 AI 使命证明，面向本地语言与场景的精调小模型，可以在十分之一成本下超越巨型通用模型。

3. 共享/公共算力：印度 1.8 万 GPU 补贴池、南非 CHPC、AI 共享算力实验室，降低了入场门槛。

4. 结构性禀赋：可再生能源富国（巴西水电 88%、肯尼亚/尼日利亚地热）可以成为"绿色 AI 枢纽"；南南合作与数字公共基础设施（印巴 DPI 经验）可以复用。

5. 实实在在的经济增量：微软估计 AI 到 2030 年可为非洲 GDP 增加约 $1.2 万亿（约 6%）；全球非正规部门（61% 的劳动者）的生产率提升是现实红利。

6. 美国的战略意图本来就是"出口技术栈"：《美国 AI 行动计划》明确向盟友开放；卖 token 的动机非常强——对 Tier1 盟友，访问是被设计为开放的。

4.5 未来五种情景（范围分析，非预测）

1. "算力欧佩克" / Token 大宗商品地缘：算力富国（美、海湾、中、北欧水电国）像卖石油一样货币化 token；期货市场成熟；token 价格冲击成为宏观经济事件。

2. "两套技术栈"的割裂互联网：美国栈与中国栈围绕出口管制与模型发布管制硬化边界；第三国被迫选边、多栖或套利；Anthropic 先例推动外国买家转向本地托管开源模型。

3. 主权 AI 竞赛：中等强国（欧盟、印度、海湾、日本）重金砸向国家级大模型与 AI 工厂；部分成功（印度/海湾），部分沦为"主权表演"（仍依赖美国芯片与云）。

4. 效率革命压缩鸿沟：DeepSeek 式算法进步 + 开源模型 + 算力降价（每年性能/美元 +49%、token 吞吐约每年 5 倍）侵蚀"囤卡为王"的战略价值；"算力鸿沟"的重要性让位于"人才/算法鸿沟"。

5. "API 关口"成为新咽喉：管制从芯片转向推理访问与模型发布（"终止开关"争论、远程访问安全法案）；新外交工具出现（数字使馆、数据信托、可信伙伴许可、云验证终端用户）——地缘政治的战场从晶圆厂转移到 API 网关。

综合判断： 把 token 类比电力/水是"会改变地缘竞争"的充分条件——2026 年的模型出口管制已经证明 token 供应链可以被武器化。但机制不是"资源战争"，而是"平台控制权的战争"。没有 token 基础设施的国家短期注定"进口依赖"，中期可借开源与效率跳跃，长期取决于人才、数据主权与政策智慧——而非单纯的 GPU 数量。

第五章 结论与对企业AI的启示

5.1 核心结论

1. Token 是 AI 时代的技术、商业与政策通用计量单位，其地位正在从"API 计费单位"升格为"国家算力统计单位"；

2. Token 价格是"能力-成本-竞争-地缘"四力博弈的结果，市场呈"商品化底层 + 前沿溢价顶层"的哑铃结构，不会收敛为单一电价；

3. 全球 token 版图极端集中：美国垄断供给、中国自成闭环、印度等新兴市场"用电多、发电少"，台积电是所有人的咽喉；

4. Token 基础设施正在重演电力/水的战略地位，但以"平台控制"而非"资源占有"为核心机制；模型出口管制（2026）实证了"token 断供"的可行性；

5. 没有 token 基础设施的国家，短期损失是确定的（依赖、外流、脆弱），长期结局是开放的（跳跃、绿色枢纽、区域生态）。

5.2 对企业AI的实操启示

1. 把 token 当"电力账单"管理：建立 token 成本仪表盘（按模型、按功能、按客户维度），缓存命中率、批量任务调度、低谷时段负载迁移，可立省 30%～70% 推理成本；

2. 模型组合策略：哑铃式模型路由——简单任务走 nano/lite 商品层，复杂推理走前沿层，不要为 95% 的简单流量付前沿价；

3. 地缘韧性设计：多供应商、多区域部署；把"Anthropic 断供"当作压力测试场景；关键客户数据优先本地化；

4. 紧跟主权 AI 政策：欧盟 AI 工厂、印度算力池、海湾主权基金补贴，都是低成本进入区域市场的窗口；

5. 技术栈选择影响地缘风险：开源权重模型（DeepSeek/Llama/Qwen 类）+ 可迁移部署，是对冲"模型出口管制"的保险单；

6. 把握 token 期货与成本曲线：2026 年出现的算力期货与 GPU 市场，意味着未来可以像采购电力一样锁定远期算力成本——值得 CFO 与 CTO 共同研究。

(同样的TOKEN，GPT4画的独角兽和GPT6画的独角兽）

参考资料（机构与来源域名）

研究与智库

• Epoch AI（epochai.org）：全球算力集中度、中国算力估算、走私估计、效率进步、模型差距

• Stanford HAI AI Index 2026（hai.stanford.edu）：数据中心数量、投资、采纳率、芯片格局

• Brookings（brookings.edu）：全球 AI 鸿沟、在建容量、IndiaAI、非洲增量

• CSIS（csis.org）：算力与海湾、模型出口管制分析

• RAND / ITIF / PIIE / Lawfare / CEPA / FDD：出口管制政策辩论

• Carnegie Endowment / MEI / ORF / Atlantic Council：主权 AI 与地缘

• ChinaTalk（chinatalk.media）：中国 GPU 存量的供需两侧估算

• Bruegel / Politico / HPCwire / The Next Web / Euronews：欧盟主权算力

• IMF（imf.org）：AI 就绪指数

• McKinsey（mckinsey.com）：企业采纳调研

• Our World in Data（ourworldindata.org）：各国生成式 AI 采纳率

• Cushman & Wakefield（cushmanwakefield.com）：全球数据中心市场排名

企业与官方来源

• OpenAI（openai.com / developers.openai.com）：API 定价、发布历史

• Anthropic（anthropic.com）：定价、token 计数文档、模型发布

• Google（ai.google.dev）：Gemini 定价

• DeepSeek（api-docs.deepseek.com）：定价、低谷与缓存折扣

• Mistral（mistral.ai）、xAI（docs.x.ai）、OpenRouter（openrouter.ai）：跨厂商定价

• NVIDIA（nvidia.com）：AI 工厂、token 吞吐基准

• Microsoft（microsoft.com）：季度 token 披露

• 中国国家数据局、火山引擎/字节跳动：全国及豆包日 token 量

• 美国商务部 BIS / 白宫（bis.gov / whitehouse.gov）：扩散规则、AI 行动计划

• 学术论文：Sennrich et al. 2016（arXiv 1508.07909）；GPT-3（arXiv 2005.14165）；DeepSeek-V3（arXiv 2412.19437）

• Wikipedia：Byte pair encoding、GPT-3、Doubao、ChatGPT、AI arms race 等条目

• Tokens Per Day（tokensperday.com）：全球 token 日产量索引

• Artificial Analysis（artificialanalysis.ai）：模型智能指数与成本

• NBER 工作论文 34255（OpenAI 合著）：ChatGPT 用户规模