把 Token 翻译成价值，再把价值定价给客户 | 《算力与 Token 出海商业化白皮书》发布- 大数跨境

首页

把 Token 翻译成价值，再把价值定价给客户 | 《算力与 Token 出海商业化白皮书》发布

极新出海

2026-10-20

导读：点击蓝字关注我们2026 年 10 月 16 日下午，《算力与 Token 出海商业化白皮书》现场发布

点击蓝字

关注我们

过去的两年，AI 出海比的是“谁先做出来”；但是进入到 2026 年后，竞争开始转向了一个更现实的问题：谁能实现变现闭环，谁又能把账算平？

现在不少团队已经把技术和产品推向海外，却仍卡在商业化的关键一环：Demo 跑通了，收费链路却没跑通；调用量持续增长，成本涨得更快；收入看似向上，月底核算时，利润空间反而被不断收窄。

10 月 16 日下午，算力、云服务、计费与 AI 应用领域的从业者齐聚一堂，从底层算力一路拆解到终端收款，讨论 AI 出海如何真正走通商业化闭环。

从算力到收入：把商业化链路拆开看

2026 年 10 月 16 日下午，由朝阳智能原生产业园、极新出海、易必盈主办，极新协办的蓝海小课堂——从算力到收入：Token 商业化实战公开课在北京朝阳智能原生产业园（望京科技园）举办。

活动现场发布了《算力与 Token 出海商业化白皮书》（委托方：易必盈 Easy Billing）。报告聚焦一个关键问题：每一次的 AI Usage，如何可以做到准确计量、合理定价、顺利收款，并留下可持续的利润空间？

四位分享的嘉宾从不同环节切入，最终都指向了同一个主题：

极新创始人姜稳谈产品破局：定价是商业化的重要工作，算账是商业世界的稀缺能力。围绕客户、套餐、模型三个维度，“客户×模型”毛利表在每个财务周期就显得特别重要。

易必盈创始人兼CEO石思奇围绕Token与算力平台的商业化实践，分享了从定价计费、海外收款到利润管理的关键问题。他指出，调用量和收入增长，并不必然带来利润增长。

电信天翼云资深解决方案专家陆安，从供给侧补上“算力怎么变成Token”这一环。他提到，自建GPU、搭推理集群、养运维团队，前期投入动辄几百万，利用率却常年偏低。“与其囤算力，不如直接用Token。”

润建股份北京公司AI事业部总经理赵宇围绕“Token商业化持续与AI应用落地最后一公里”作主题分享，系统介绍了润建从算力资源、模型服务、平台运营到AI开发工具、FDE赋能及行业应用落地的整体布局。

开放麦环节，四位创业者用 10 分钟介绍了各自的业务切口，包括影像 AI 与即时制造结合的会展伴手礼、二次元交易与创作社区、金融量化智能体、3D LBS 城市游戏，以及 AI 设计加持的珠宝定制。赛道各不相同，最终都绕不开同一个问题：调用的规模都很好看，但单位经济是否可以算得过来？

三个关键判断

01. 需求在增长，价格却在下行

白皮书指出，2026 年推理支出预计首次超过训练支出。Gartner 预测，当年推理支出将达到 233 亿美元，训练支出为 190 亿美元；推理将占 AI 优化 IaaS 支出的 55%，并在 2027 年升至 59%（Gartner，2026 年 8 月预测）。

Deloitte 的判断更进一步：推理将占全部 AI 算力的三分之二，而 2023 年这一比例约为三分之一。中国信通院预计，2026 年推理将占 AI 算力总负载的 70.5%。

但需求增长，并不意味着单价同步上涨。白皮书引用的数据指出，API 价格指数累计下降 94.5%；GPT-3 级别模型每百万 Token 的价格，已从约 60 美元降至 0.06 美元量级。

与此同时，上游成本却在不断上升。按文中数据，H100 按需价格自 2026 年 10 月 1 日起，由每小时 3.85 美元上调至 4.50 美元，涨幅约 17%。

一边是模型调用价格持续承压，另一边是算力成本的持续走高，平台的收入表现也受到挤压：某路由平台每万亿 Token 的收入从 6.44 万美元降至 4.40 万美元，降幅约 32%。

量增不等于利增。白皮书测算，平台所需加价率可高达 23%。对供给方而言，“上游成本上涨、下游售价下跌”是最不利的组合之一。

02. 出海顺序不能反：先定主体，再选市场

很多团队一谈出海，首先考虑的是市场选择：先进入哪里，再进入哪里。但白皮书认为，这个问题不应排在第一位。更合理的顺序是：先确定经营主体，再设计销售渠道，最后制定价格。顺序一旦颠倒，合规与收款安排就可能在不同环节反复返工。

以 AWS Marketplace 为例，白皮书指出，其全球站付费卖家的合格辖区列表不包含中国大陆；中国区站点则要求卖家使用中国大陆实体，并以人民币收款。

这意味着，面向海外市场开展业务时，企业往往需要结合平台规则与自身业务安排，考虑通过中国香港、新加坡、美国等合格辖区的实体作为 Seller of Record（名义卖方）。这是最终的业务架构问题。

在市场优先级上，北美和新加坡可以形成互补，而不一定是二选一：北美重点解决“客户在哪里”，新加坡则可作为规划跨境经营与收款架构时需要评估的选项。

欧洲市场的支付能力较强，也存在一定的合规溢价空间。白皮书举例称，Mistral 企业 API 的刊例价格比标准价高 75%。但进入欧洲市场还需同时评估 VAT 相关义务、AI Act 下 GPAI 相关要求，以及指定欧盟授权代表等事项。综合这些因素，白皮书建议暂不将欧洲作为第一批进入的市场。

客户选择同样影响定价策略。按照客户将 AI 成本计入自身损益表的位置进行分类，白皮书发现，在八类客户中，只有 AI Startup 和 AI SaaS 将单价排在最优先的位置。

Enterprise 对单价的敏感度相对较低，更关注服务可用性、SLA 与合规、账单粒度，以及成本是否可预测。因此，低价策略或许有助于打开部分初创客户市场，但要赢得企业级客户，仅靠价格远远不够。

03. 真正的护城河，不只是模型，而是算清每一笔账

白皮书将 AI 价值链拆分为五层：Compute、Model API、Aggregator、AI Agent 和 AI Application。不同层级距离基础设施与客户业务的远近不同，适合采用的计费单位也不同。

越靠近基础设施，收费单位越接近成本，例如 GPU 小时、Token、Request；越靠近客户业务，收费单位则越接近业务价值，例如 Task、Workflow、Outcome。由此可见，“Token 最终会取代所有计费方式”并不准确。更可能的趋势是，多种计量与计费层级长期共存。

即便只讨论 Token 定价，也仍有多个可调维度：输入与输出分开计价、按上下文长度分层、缓存折扣、缓存写入溢价、处理优先级、错峰定价，以及区域与数据驻留溢价。白皮书以 Opus 5.5 为例，列出输入每百万 Token 4 美元、输出每百万 Token 20 美元，二者相差 5 倍。

另一个值得关注的发现是：白皮书对比的七家以上厂商，Batch 定价均为五折。这说明“以延迟换取更低成本”已成为常见做法，难以再构成明显的差异化优势。更值得关注的差异在于 Priority 优先级溢价，区间约为 1.25 倍至 6 倍；以及缓存折扣力度，从 2% 到 90% 不等，差距显著。

最终，计费需要形成完整闭环：Usage → Cost → Bill → Payment → Revenue → Margin，并将毛利表现反向反馈到定价策略中。

白皮书还提醒，有几类经常被简单归为“财务费用”的支出，其实应在定价阶段就纳入测算：云市场抽成约 1.5%—3%、MoR（Merchant of Record，名义商户）费用约 4%—5%，以及云平台转售成本约 16%。这些都不是定价完成后才考虑的附加项，而是单位经济模型的一部分。

缺少成本维度，是许多 AI 公司共同面临的问题，其根源往往不只是财务核算，而是产品、计量与计费架构没有打通。如果企业只能算出客户付了多少钱，却无法对应到这笔收入消耗了多少算力，那么规模越大，亏损就越可能被增长数据掩盖。

2026 年，AI 出海可以先做好这几件事

2026年AI出海，最先要定的是反常识的主体架构。主体注册地会直接影响企业能否进入特定云市场、能否收取本地货币，以及税务如何处理。它应当是市场策略之前的基础决策，而不是等业务跑起来才再补的行政手续。

当架构定了，才可以算得清成本。定价之前先算单位Token成本，基本公式是GPU小时成本除以该小时内可产出的Token数。分母受模型、批大小和缓存命中率影响，这些是可以持续优化的工程参数，并不只是采购价格的问题。与此同时，不要把行业标配当成差异化。Batch五折、错峰五折已经普遍，真正值得盯的是缓存命中率、模型路由和资源利用的效率。

从科学经营的方法讲，每个财务周期都要核算“客户×模型”毛利。如果拆不到具体客户和模型，就很难判断收入增长到底来自高质量业务，还是来自成本更高的调用。为了补齐成本维度，是产品、研发和财务共同的事，不是财务一个部门月底补表。

评估AI出海公司也一样，先看客户级毛利，再看ARR。收入最高的客户不一定贡献最高毛利。如果只按收入排名配置销售资源，企业很可能把最好的服务投给了最不赚钱的客户。先把这几件事做好，再谈规模和增速。