中美 Token 经济学：产业链利润如何依次兑现

大模型产业链的利润正按「上游、中游、下游」顺序依次进入各方报表。上游算力底座率先兑现稀缺红利，中游模型层因开源权重普及深陷价格通缩，而下游应用层的长期护城河则取决于在业务场景中构筑的「迁移成本」。与此同时，中美两国因付费禀赋差异，溢价流向已走向明显分野：美国 AI 增量价值沉淀于既有高价软件订阅体系，中国的低价 Token 红利则直接外溢至下游应用层。

千倍调用量仅换来 30 亿市场：Token 经济仍处重资产建设期

需求端的爆发与变现端的迟缓形成了显著错位。中国日均 Token 调用量已由 2024 年初的约 1000 亿次飙升至 2025 年底的 100 万亿次，但 2025 年公有云 MaaS（模型即服务）全年营收仅停留在 30.7 亿元量级。原因在于多数 Token 消耗发生在大厂自有场景内部，外部交易部分成交价被极度压缩，应用层也尚未全面按 Token 计价收费。

与微薄 API 收入对应的，是算力端极度重载的资本开支。截至 2026 年二季度，美股四大云厂商的滚动十二个月资本开支与经营现金流之比升至 0.63 至 1.05，Alphabet 首次出现单季负自由现金流，Meta 自由现金流同比骤降 91%。中国市场投入节奏分化明显，阿里巴巴资本开支强度跃居中概第一，百度则是八家头部算力买家中唯一收入回落与资本开支加码并存的公司。

上游吃尽稀缺红利，中美算力瓶颈走向分野

上游是当前唯一能将利润稳定装进报表的环节。围绕供给缺口形成的「稀缺溢价」直接造就了英伟达 FY2026 财年数据中心 1937 亿美元的收入。在同一道出口管制下，中美两国形成了截然不同的出清方式与瓶颈。

美国产业链瓶颈在于电力接入。ERCOT（得州可靠性委员会）等待接入批准的队列中，超 1800 个项目里约 90% 为数据中心，对应电力需求累计约 474 GW。审批与电力接入周期拉长导致北美数据中心空置率降至历史低位，稀缺最终按价格出清，涨价收益集中于英伟达等头部厂商。中国产业链瓶颈则直指算力芯片，在出口管制下按配额出清，制度性拉动指向国产替代。2025 年本土厂商在 AI 加速卡市场份额已超四成，新增算力向「东数西算」枢纽节点集聚。

中游模型沦为标准化产能，开放权重推平价格鸿沟

同一能力档位的 Token 具备极强可替代性，开放权重成为推平价格鸿沟的核心力量。测算显示，达到 GPT-4 同等能力的调用价格每年降至约四十分之一。在 AA智能指数约 51 分的档位上，中美四个主力模型（GPT-5.6 Luna、GLM-5.2、MuseSpark 1.1、Gemini 3.6 Flash）的混合价全部落入 14 至 22 元/百万 Token 的极窄区间，且该档位最低价来自以 API 形态入局的 Meta。一旦能力档位被开源追平，Token 即告商品化。

中游由此陷入两端挤压：实际成交价往往比挂牌价低约一个数量级，而单位推理成本中七成以上为折旧摊销，电费占比不足一成。在中国，Token 商品化进一步被推向基础设施层面，通过算力券直补采购端、建立统一计量比价平台，中间加价空间持续被压缩。

利润归宿分化：订阅体系 vs 应用层

通缩的 Token 价格将模型升级红利释放至下游，但中美承接方式截然不同。美国用户习惯为软件订阅支付高价，前沿模型厂商与存量软件巨头争夺同一生态位。微软将 AI 功能打包进高价订阅，把一次性能力优势转化为持续客户付费。中国受制于较低的软件订阅付费意愿，同款基础办公软件定价通常仅为美国五分之一甚至更低，中游厂商普遍按算力成本定价，低价 Token 红利直接外溢至应用层。

对中国应用层公司而言，计价方式迁移决定了利润去向：维持订阅计价则红利留在成本端，体现为毛利率改善；转向按 Token 消耗或按业务结果计价，红利则进入收入端。但计价转变不等于利润落袋，下游能否留住利润，取决于在场景中构筑的「迁移成本」——包括外部规则赋予的准入资质、时间累积形成的数据对接与口径沉淀，以及系统级集成带来的重置成本。随着旧有席位计费体系瓦解，按 Token 与效果计价将大幅缩短客户黏性验证周期，逐季的 Token 用量即可清晰观测留存情况，最终能沉淀利润的，将是那些用极高替换成本将客户绑定在自身业务流中的下游玩家。