告别“堆卡”：2026，中国算力开启“Token价值产出”大考
在这场轰轰烈烈的智算“造城运动”背后，其实是一场极其理性的“Token低成本生产保卫战”。只有把单位Token的综合生产成本彻底压到像“自来水”和“电力”一样便宜，Agent时代庞大的调用需求，才有可能从一场重度用户的狂欢，变成一门能够长期成立的生意。
2026年，中国西北的数据中心重地，正在上演一场近乎狂热的“造城运动”。
6月，
值得注意的是，不同于之前厂商们将重心放在硬件张数加总或理论算力峰值的展示，而是转移到了系统工程。一些正在发生的变化是，衡量算力基础设施的真正标准，似乎已经从“拥有多少张卡”转向“能否让十万张卡稳定、持续、无瓶颈地协同完成一项真实的大模型任务”。
疑问随之而来，算力基建正从简单的硬件叠加，走向残酷的系统工程考验。这种转变背后的根本驱动力究竟是什么？为什么在卡数飙升的同时，整个行业却集体陷入了对“有效产出”的焦虑？
AI Coding时代，调用量突破140万亿
产业界在疯狂“砸钱造城”，必定是因为下游需求爆发到了供不应求的地步。
事实上，过去几年AI技术的落地形态不断发生变化，增长引擎也从Chat AI，逐渐转向能够持续调用模型的Agent，也因此，模型调用量迎来了疯狂的增长。国家数据局披露，2026年3月我国日均Token调用量已超过140万亿，较2024年初的1000亿增长1000多倍。
这种调用需求的爆发，正在改变全球模型使用的相对格局。OpenRouter平台数据显示，2026年2月9日至15日，中国模型调用量为4.12万亿Token，高于同期美国模型的2.94万亿Token。
原因是什么？
其实并不复杂。Chat AI通常是一问一答，Agent却需要自主规划任务、调用工具、读取返回结果，再根据结果继续执行和验证。同一个任务往往需要模型连续运行数轮甚至数十轮，因此Token消耗远高于普通对话。简而言之支撑这轮调用量暴涨的，是单个任务正在变得越来越“重”。
其中，AI Coding正是最典型的Token消耗场景。
一项在SWE-bench Verified上，使用8个前沿模型和OpenHands Agent的研究显示，Agentic Coding平均Token消耗约为单轮代码推理的3500倍、代码聊天的1200倍，输入Token远高于输出Token，平均输入/输出比为154:1。
当这种高消耗任务从少数实验走向大规模应用，平台层面的Token结构也随之发生变化。OpenRouter与a16z基于超100万亿Token匿名元数据发布的《2025 AI使用报告》显示，编程任务的Token占比已从2025年初的11%升至50%以上，成为平台最大的单一使用品类；而2026年3月风头最盛的通用 Agent框架OpenClaw，单周也只贡献了平台约四分之一的消耗。
从现阶段来看，真正把 Agent 的高频调用转化为稳定 Token 消耗的，并不是所有通用 Agent，而是已经形成明确工作流和付费意愿的 AI Coding。
而这一判断，也在服务商的账本上得到了最直接的印证。
智谱是国内较早将资源集中到Coding路线的模型厂商之一。GLM Coding Plan全球付费开发者已突破24.2万，Token调用量半年上涨15倍。更值得注意的是，2026年一季度，GLM API价格累计上调约83%，同期调用量仍增长约 400%。其模型API的ARR在3月达到17亿元、同比增60倍，到7月整体ARR冲上10亿美元。从1亿到10亿，Anthropic 用了15个月，智谱只用了5个月。
月之暗面的增长曲线更陡。主打长程编程的K3发布仅48小时，用户请求量便逼近现有集群承载极限。
如果说模型厂商看到的是单个产品的需求爆发，那么云厂商看到的，则是整个Token市场被快速做大。
以MaaS调用量计算，火山引擎
阿里云呈现出的则是另一条曲线。
2026财年第四季度，其AI相关收入达到89.71亿元，占外部商业化收入比重首次超过30%；百炼平台客户数同比增长八倍，过去五个月日均Token收入增长约15倍。阿里云在财报和业务披露中反复提及的增长来源，也包括百炼模型调用以及
总的来说，Agent打开了远高于传统聊天的Token消费空间，而AI Coding则率先把这种需求变成稳定收入，使得疯狂吞噬算力的需求打爆了供给，整个AI产业顺理成章迎来了“需求爆发—价格上涨—规模扩张”的黄金繁荣期。
重度用户的狂欢下，Agent时代的算力黑洞
然而，调用量爆发并不意味着商业模式已经成立。
正常情况下，需求越旺盛，规模效应越明显，厂商收入与利润也应同步增长。但进入Agent和AI Coding阶段后，行业却出现了一个反常现象，那就是产品越火，厂商反而越频繁地限购、涨价，甚至暂停新用户。
月之暗面就是一个典型案例。
中国企业资本联盟副理事长柏文喜曾认为，“事件核心在于K3通过了需求测试，却未通过供给与利润测试”；另有专家指出这主要是算力不足后的服务保障，反映独立大模型公司正从抢用户转向重收入、重效率。
这种矛盾，在模型厂商的调价策略中表现得更加明显。
阿里云百炼Coding Plan的Lite套餐自2026年3月20日起停止新购，4月13日起停止续费与升级，原有40元低价档随之退出；智谱GLM部分套餐改为固定时间限量销售，实际接近买不到。智谱Max档每天仅开放约20%额度；除此之外，阿里云、腾讯云、
其实，以前Chat AI的Token消耗相对平缓且可预测，但到了Agent时代，尤其是AI Coding场景，这套逻辑开始失效。正如前文研究中所提到的，在部分Agentic Coding任务中，输入输出Token比甚至可以达到154:1。
这意味着，用户之间的成本差距被迅速拉大。一个普通用户可能每天只调用几十次，而一个真正把Coding Agent接入开发流程的重度用户，可以让模型连续运行数小时甚至全天工作。单个用户消耗的Token和算力成本，由此可能相差数十倍甚至上百倍。
问题也随之出现。包月制，本质上是用固定收入覆盖不确定的算力消耗；而Agent恰恰把这种不确定性放大到了极致。产品能力越强，吸引来的专业开发者和高频用户越多。这些用户使用得越充分，厂商承担的边际算力成本反而越高。一旦超过预设容量，厂商最终只能通过限量、限额、拆分权益或者改为Token计费来重新控制成本。
如果Token本身的毛利极高，厂商或许还能靠轻度用户交叉补贴重度用户，但事实恰恰相反。对于模型厂商而言毛利空间本身就薄，星环科技CEO孙元浩曾表示，“Token工厂赛道竞争激烈的根源在于Token价格与算力采购成本之间的价差过小、盈利空间逼仄。”
加之由于算力硬件采购成本居高不下，而前端MaaS市场又经历了多轮价格战，导致单位Token的绝对毛利极低。一旦重度用户的Agent任务触发长上下文调取，本就微薄的利润空间会被瞬间抹平，甚至转为净亏损。
除了前端商业模式的倒挂，后端算力供给本身的极度浪费，则进一步抬高了单位Token的摊薄成本。
中国移动通信研究院发布的数据显示，传统模式智算中心的GPU平均利用率通常低于30%。算力在物理层面上没有被市场高效消化，大量机房跑着空转任务或因网络丢包、显存碎片而陷入等待。这些空置和损耗的成本，最终都要折算到每一次Token的生成中，让本就逼仄的价差雪上加霜。
这构成了2026年AI产业最吊诡的画面：一边是爆棚的使用欲望与飙升的调用量，一边却是厂商叫苦不迭的毛利与被迫止血的提价。底层原因就是在Agent时代的算力黑洞面前，传统的SaaS包月逻辑彻底失效了。需求并不假，但以目前生产Token的综合成本，没有任何一家厂商能靠现有的商业模式扛住重度用户的狂欢。
“降电费、通道路、巧分工、抓错峰”，工业化Token工厂正在成型
AI产业的考核口径已经发生变化。
技术侧，竞争正从单纯堆叠TFLOPS峰值算力，全面转向模型Flops利用率、线性度、长稳运行时长与断点续训恢复时间等“有效算力”指标；商业侧，模型厂商追求的不再是用户增长了多少，而变成了每瓦、每卡、每元产出多少高质量token，以及这些token能不能卖出高于成本的价格。
问题在于，需求端的提价、限流和缩减低价套餐，本质上都只是短期止血。因此，真正的战场只能被推向另一端，那就是如何将底层Token的生产成本彻底打下来。
为了打赢这场成本保卫战，供给侧从“降电费、通道路、巧分工、抓错峰”四个层面，拉开了一场系统工程改造。
第一步，便是把算力搬到电更便宜的地方。
一场沿着西北大地展开的供给侧“造城运动”，就此拉开序幕。
要知道，东部沿海数据中心工业电价通常在0.6～0.8元/度，而内蒙古乌兰察布、甘肃庆阳等西北地区拥有大量风电、光伏等绿电资源，部分地区综合电价可降至0.25～0.3元/度。对于动辄数百兆瓦乃至1GW级的智算中心而言，可在源头压低Token的能源成本。
但电便宜，并不意味着卡就能跑满。大规模集群中，通信、网络拥塞、数据丢包和节点故障都会让GPU陷入等待。规模越大，任何一个微小瓶颈都可能被放大，最终出现“卡很多，真正干活的却没那么多”的情况。
也正因此，首个全国产10万卡超集群以及华为Atlas 950 SuperPoD等超节点架构，解决的核心问题都是把“路”修宽。通过更高速的互联网络、更紧密的节点协同，把原本分散的服务器连接成一台更大的计算系统，降低通信等待，让更多GPU时间真正用于计算。
如果说超节点解决的是“卡与卡怎么协同”，软件层解决的则是“不同卡应该干什么”。
面对Agent场景154:1的极端输入输出比，如果让同一张显卡既负责背资料，又负责吐字，显卡就会因为“一会儿撑死、一会儿饿死”而严重错配。软件和编译层如商汤大装置、中科加禾等Runtime系统为此搞起了“流水线分工”。即安排算力强、擅长快速读取的显卡，专门负责吞入海量的历史上下文；安排显存大、传输带宽高的显卡，专门负责快速写出代码。
这种专卡干专事的“流水线”作业，彻底消灭了显存碎片与计算等待气泡，极大提升了整个集群的实际Flops利用率。
即使电价便宜、机器连得快，如果白天机房被挤爆，到了半夜大家睡觉时机房却大半闲置，机器折旧费依旧高昂。于是，算力调度开始从“哪里有卡就往哪里送”，进一步演化为“什么任务、在什么时间、应该送到哪里”。
需要毫秒级响应的对话，可以留在靠近用户的东部节点；需要运行数分钟甚至数小时的Agent任务，可以调度到西部大型集群；非实时任务则可以利用夜间低谷、电力富余时段执行。一些平台也开始通过夜间折扣、弹性Token价格等方式，引导用户主动错峰。让高价值实时任务占用最贵的资源，让可延迟任务消化最便宜、最闲置的算力。
来源：国家数据局《深入实施“东数西算”工程实施意见》
从西北低价绿电，到超节点解决通信瓶颈，再到PD解耦与跨地域、跨时段调度，这套“能源+硬件+软件+调度”的组合拳打下来，将原本散乱、低效的GPU堆叠，重塑为高吞吐、高利用率的“工业化Token工厂”。
总的来说，在这场轰轰烈烈的智算“造城运动”背后，其实是一场极其理性的“Token低成本生产保卫战”。只有把单位Token的综合生产成本彻底压到像“自来水”和“电力”一样便宜，Agent时代庞大的调用需求，才有可能从一场重度用户的狂欢，变成一门能够长期成立的生意。
算力新规则下，五类产业角色的新生存法则
当算力竞争的终局从“堆叠GPU数量”收敛到“降低单个Token的综合产出成本”，这场底层逻辑的剧变，就不再只是数据中心和电费账本的问题，而是迅速沿着产业上下游传导，引发了一场全产业链的立场重构。
一个事实是，从芯片巨头、云厂商、大模型独角兽，到软件Infra服务商与终端企业，每一个角色都将被卷入了一场关于“有效算力”的生存淘汰赛。
首先是芯片与硬件厂商。
华为、中科曙光、海光、摩尔线程等厂商，正从“卖单卡/拼理论TFLOPS峰值”向“卖软硬一体的超节点与超智融合系统”演进。未来，单卡性能红利见顶，网络互联与生态适配能力决定生死。硬件形态将加速向柜式、池化超节点收敛，并深度绑定上层算力调度与异构编译框架。
而阿里云、腾讯云、地方AIDC等云厂商与智算中心运营商，会从“卖算力”向“低成本生产与精细化销售Token”转型。阿里云、腾讯云等云厂商，一方面拼极致的交付效率与西北绿电低成本布局，另一方面在前端拆除包月制，全面推出Token Plan；并行科技等智算中心运营商则会通过精准调度实现90%以上的高利用率，与利用率不足30%的传统地方机房拉开差距。
未来分化加剧。无法接入统一调度网、利用率低下的中小智算中心将迎来淘汰或并网重组潮；头部云厂商则演变成集“绿电+超级网络+动态调度”于一体的高吞吐Token生产网络。
大模型厂商也不再甘心只做算力的购买者。
也因此，未来全栈垂直整合成为顶级Frontier AI企业的门槛。能够自己找低价电、自己搞模块化建厂、自己做异构编译优化的模型公司才能生存；不具备低成本Token生产能力的中小型模型厂商将沦为代工厂或被迫关门。
随着模型厂商越往基础设施下沉，中科加禾、商汤大装置、九章云极、软通动力等Infra与算力软件服务商的价值反而被重新放大，这类厂商开始从简单转发API接口，转向深耕编译器、Runtime、异构混用与PD解耦引擎。
例如商汤大装置通过异构混合推理将主流国产芯片MFU提升85%~152%，同等成本下Token产出扩大2.5倍；软通动力、九章云极等将算力重构为端到端的“词元工厂”，用软件工程挤干每一张卡的性能水分。
未来“软件定义算力”价值凸显。异构芯片适配与分布式编译能力或将成为极度稀缺的资产，并在未来1~2年内引发一轮针对底层Infra团队的行业并购潮。
而这场成本重构最终一定会传导到产业链最下游。企业与开发者客户被迫接受按量、按Token、按Credits精细计费；企业端开始极度关注Token采购成本，并倾向于选择性价比更高的国产Token或自建私有化微调模型。
在此趋势下，下游企业与开发者的采购逻辑也开始变化。未来“按效付费”与多模型混合调度成为常态。企业将建立精细化的“Token成本管控体系”，简单的规则性任务调度低成本Token，极其复杂的重构与Debug任务才调用高单价顶尖模型。
2026年，中国算力竞争的内核将转向对每一瓦电、每一张卡、每一秒折旧的“有效产出”极致压榨。那些能够通过系统工程把单位Token成本压到像自来水和电力一样便宜的企业，将真正跨越商业盈利的鸿沟，拿到通往Agent时代的门票。而那些仍困在低利用率、高成本堆卡陷阱里的玩家，终将在工业化Token的浪潮中被淘汰出局。
本文来自微信公众号 “产业家”（ID：chanyejiawang），作者：产业媒体，36氪经授权发布。
