AI Token商品化终局与高附加值服务竞争——Token交易化后下一个战场

文｜凯文

编辑｜李薇

7月20日，总部位于北京的月之暗面（Moonshot AI）发布了Kimi K3模型，这是全球AI产业一个看似普通的产品发布，却暗藏着一个AI产业的结构性转折。

K3在技术上开放权重，代码和模型参数向全世界公开；但Moonshot同时宣布，大规模商用必须获得许可。这是中国AI公司第一次将“开放”与“盈利”拆分为两个层面——技术可以共享，但商业必须付费。

几乎在同一时刻，Moonshot发布K3仅两天后被迫停止接受新用户，原因不是需求不足，而是芯片算力供给跟不上。一家拥有全球顶级模型能力的公司，在市场需求最旺盛的时刻被迫按下了暂停键。

这个看似荒诞的场景，浓缩了整个AI产业中Token经济的核心矛盾：AI芯片越用越多、越用越高级，AI模型越来越好，Token越来越便宜，但AI公司越来越难盈利、越来越难赚到钱。

根据研究公司 Epoch AI 的数据显示，目前全球约有 2000 万个人工智能芯片被部署在AI数据中心中，支撑着AI日益增长的能力和应用。预计这一数字将以大约每九个月翻一番的速度增长，到 2028 年底，全球AI芯片的数量将达到约 2 亿个——是目前的 10 倍。

Moonshot的困境不是孤例。

智谱（Z.ai）去年收入翻倍但亏损近7亿美元；DeepSeek完成75亿美元融资，仅为Anthropic单月融资650亿美元的九分之一。与此同时，全球Token价格从GPT-4时代的每百万33美元暴跌至0.09美元——367倍降幅。当Token正在以人类历史上前所未有的速度沦为无差别商品时，一个根本性问题浮出水面：如果Token本身不再值钱，什么才值钱？

这个问题不是关于“AI能不能赚钱”的悲观反问，而是关于“AI产业的价值将如何重新分布”的结构性推演。Moonshot K3的“有条件开放”策略，本质上就是在回答这个问题。当Token商品化不可逆转时，AI公司必须从“卖Token”转“卖Token之上的东西”。

从GPT-4问世算起，Token价格已经在两年内从每百万33美元暴跌至0.09美元，367倍降幅的速度，远超电力、石油、带宽等任何历史商品的降价曲线。

当Token正在不可逆地沦为无差别商品，AI产业的核心竞争正在从“谁的模型更好”，转向“谁控制Token的交易基础设施”，以及“谁在Token之上构建了不可替代的平台与生态”。

推衍一下未来三年内全球Token经济的终局产业结构：一个由AI Token Exchange（交易所）作为地基、Token生产为商品层、Token编排为平台层、垂直应用与Agent生态为应用层的四层体系。

核心要点

——AI模型的推理能力被推向无差别商品化，这一进程因开放权重模型的扩散和中国低成本生产者的涌入而不可逆转。

——AI Token产业正在分裂为一个四层产业结构：交易所、商品、平台、应用。

——真正的竞争焦点不再是“谁的Token更好或更便宜”，而是“谁控制了AI Token Exchange这个交易基础设施”以及“谁在Token之上构建了不可替代的编排平台、垂直应用和Agent生态”。

大咖科技

Tech Chic

Token商品化的终局特征

Token商品化不是未来的可能性，而是正在发生的事实。这一进程有三个维度的终局特征。

第一是价格趋近边际成本。Token价格从367倍降幅意味着基础Token生产的利润率正在趋向于零，这与电力、带宽等历史基础设施型商品的降价曲线高度一致。

开放权重模型是这一进程的核心加速器。当DeepSeek、智谱、Moonshot将模型权重公开后，任何拥有GPU的人都可以成为Token生产者，供给的无限增加必然导致价格趋向边际成本。中国开源模型全球累计下载量已突破100亿次，有人预测未来三年Token成本有望再缩减至千分之一，这意味着Token价格趋近于零的速度比大多数人预判的更快。

第二是质量差异缩小。中国模型正在以“足够接近”的策略侵蚀美国前沿模型的质量溢价。Kimi K3在Arena编程测试中超越Anthropic Fable 5，启明创投周志峰判断“中美模型差距缩短到两三个月”。当质量差距缩小到消费者难以感知的程度，“质量溢价”的合理性就越来越难证明。一个Claude Token与一个DeepSeek Token的"智能密度"差异，是否真的值得六倍价差？

第三是供应商同质化。所有Token生产者都在使用类似的芯片（英伟达）和类似的架构（Transformer/MoE），如果所有AI工厂都用英伟达的最新芯片，没有任何一家能获得成本优势或保持定价权。同质化导致无差别商品，无差别商品导致价格战，价格战导致利润压缩，这是所有商品化行业的标准路径。但商品化不是均匀的。

以下三个不均匀维度使终局格局比“简单商品化”更复杂。

其一是开放程度不均匀。从完全开放（DeepSeek R1）到有条件开放（Moonshot K3）到完全闭源（OpenAI/Anthropic），商品化程度递减。Moonshot的“有条件开放”本质上就是在开放权重的框架内重建定价权的尝试。

其二是算力供给不均匀。美国控制全球80%的算力，Google一家的算力等于中国全部的四倍。中国有成本优势但供给量不足，这意味着低成本不等于高市场份额。

其三是盈利能力不均匀。Z.ai亏损7亿美元，而OpenAI估值万亿。同在商品化浪潮中，命运截然不同。算力富裕方可以承受Token低价带来的利润压缩，算力不足方则陷入"越便宜越没人赚钱"的囚徒困境。

中国AI公司正处于这个困境的中心：开放权重摧毁了定价权，但算力不足又使它们无法通过规模效应弥补利润损失。这就好比起步于19世纪中叶的“石油经济时代”中的沙特阿拉伯，有低成本生产优势但没有市场控制力，无法像OPEC（石油输出国组织）那样通过限产来定价、保价、议价。

大咖科技

Tech Chic

AI Token Exchange：

终局产业结构基础设施层

当Token商品化不可逆转时，一个制度性问题浮出水面：Token的“公允价格”由什么决定？

在企业内部，CFO可以通过模型混合和Token预算管理实现成本优化。

已经有人通过混合使用Moonshot Kimi和Anthropic Claude将日均成本从900美元降到50美元。但这些全部是企业内部的封闭行为，不对市场公开，无法产生“市场价格”。Token经济化解决了“怎么用得有效率”，但无法回答“Token的公允价格是什么”。

Token交易化需要的东西，经济化提供不了。公开价格发现、实时切换能力、套利机制、市场级定价——这四个条件只有AI Token交易所（AI Token Exchange）平台能提供。

KAI就是这样的平台。KAI 的定位是中立的AI模型服务容量市场基础设施。平台上连接模型发布方、容量供应商、企业买方、聚合商、经纪与风险服务机构，以统一规则组织产品准入、容量登记、交易转让、履约管理和市场信息发布。

每一类商品的交易化都需要一个制度性拐点：谷物从农场主核算成本到1848年芝加哥期货交易所成立，石油从炼油厂双边谈判到1983年NYMEX（纽约商业交易所）原油期货上线，电力从企业管用电成本到1990年代电力交易所出现。

Token正在走同一条路，只是速度快得多——电力用了80年完成的商品化路径，Token只用了3年。

AI Token 交易所需要具备五大核心功能：标准化合约（定义“一个Token”的标准单位，类似石油的“桶”）、实时价格发现（所有供应商报价可见）、即时清算结算（交易后自动结算）、衍生品定价（Token期货锁定未来价格，Token期权对冲波动）、质量认证体系（Token按“智能密度”分级，类似石油API重度标准）。

串联起这“五大功能”是“标准Token单位”。显而易见，目前行业对于“标准Token单位”的争夺早已在域名层面暗流涌动。当全球首个专注于AI模型服务容量交易的基础设施平台以 KAI.com 为入口启动内测时，已经有行业观察家意识到，“KAI” 所代表的 “Kernel AI Unit”（核心智能单元）正在试图成为AI大宗商品交易领域的“国际桶”单位（International Barrel）。这个极简的域名背后，承载的是打通所有AI模型供应商与买方之间“度量衡”统一渠道的责任。

美国公司OpenRouter已经具备了AI Token交易所的雏形——多模型聚合、价格对比、消耗追踪——但还缺少标准化合约、衍生品、清算和质量认证，只能算作是“0.5版的AI Token交易所”。

中国的实践揭示了一条英美媒体完全遗漏的替代路径。今年5月至7月间，北京、温州、内蒙古、扬州、贵州等地数据集团相继建设Token工厂和Token平台，将原有的数据资源运营和算力调度业务延伸至模型接入、推理服务、Token计量和交易结算。

京算Token工厂由北京数据集团旗下京算公司运营，采用PD分离架构将算力吞吐量提升90%、推理时延降低70%以上。京算董事长颜敏在接受《中国经营报》采访时，将Token工厂定位为AI基础设施从“卖算力”向“卖服务”演进的核心产物——其本质是把底层复杂的异构算力资源封装成标准化、可计量的Token和API服务。这比大纲预判的时间线提前了1-2年。

但中国版Token平台与市场驱动的AI Token Exchange有本质差异。前者是国资主导、区域分割、政策驱动、功能简化——目前只有模型接入和算力调度，没有衍生品和质量认证。后者是市场机构主导、全球统一、需求驱动、功能完整。京算Token工厂不是“交易所”，是“工厂”——核心功能是生产Token而非交易Token。

中国实践揭示的是Token交易化的分阶段路径：Token工厂（生产端标准化）→Token平台（流通端标准化）→Token交易所（交易端标准化）。中国目前在第一到第二阶段之间，美国的OpenRouter在第二到第三阶段之间。

中国下一代AI交易基础设施的终极形态，正通过 KAI.com 这样的轻量化、市场驱动型入口，绕开重资产算力工厂的物理限制，直接在全球Token定价权上撕开一道突破口。

KAI.com 的存在，把中国AI从业者的另一种终局构想具象了出来：不需要在英伟达芯片数量上与美国硬拼，而是通过定义一个更符合“数据词元化”逻辑的交易规则，在交易所层面实现“非对称竞争”。

交易所（Exchange）的“地基效应”意味着它本身就是终局产业结构的决定性变量。谁控制交易所，谁就控制整个产业的数据、定价和标准——类似Bloomberg Terminal之于债券市场、CBOT（芝加哥期货交易所）之于农产品市场，COMEX（纽约商品交易所 )之于全球黄金期货交易市场。

但交易所本身可能出现“双轨”：市场驱动版（美国，CME/ICE/OpenRouter）和政府驱动版（中国，地方国资Token工厂/Token平台）。中国版的关键变量是“数据词元化”——将文本、图像、基因序列等所有数据统一为Token计量。

如果成功，AI Token交易所的覆盖范围将从“AI推理Token”扩展到“所有数据Token”，这可能成为中国版AI Token交易所（未来三年后可能被命名为“CATE，China AI Token Exchange”）的差异化优势。

算力差距是终局产业结构的另一个扭曲变量。美国控制80%算力意味着交易所的“供给方”严重倾斜于美国，中国的低成本优势可能因供给量不足而无法在交易所中获得与成本优势匹配的市场份额。

但中国"国资轻资产运营Token工厂"模式可能盘活大量闲置智算中心，上一代算力卡在训练场景竞争力变弱，但推理需求爆发使其性价比凸显。中国的低成本优势要转化为AI Token交易所影响力，前提是先缩小算力差距。

第三方独立研究与咨询机构SemiAnalysis判断这可能需要4-5年，这应该是一个保守的估算，实际情况应该会比这个要快，比如3年（到2030年）。

大咖科技

Tech Chic

Token之上：

高附加值服务的四个层次

当Token商品化将基础推理的利润率压缩到趋近于零时，价值将向Token之上的四个层次转移。这四个层次构成一个从底到顶的价值金字塔，越往上利润率越高、客户粘性越强。

第一层是Token编排与路由平台，类似云计算中的PaaS层。其核心功能是模型路由——自动为每个任务选择最优模型，简单任务用小模型，复杂任务才调大模型。Cursor的实验数据最具说服力：使用GPT-5.5从零构建一个网页浏览器成本略高于1万美元，而使用Cursor Composer编码模型结合Anthropic Opus 4.8的成本仅为1339美元——7.5倍差距。

Cursor聘请前投资银行家Mike Saeks担任现场首席技术官（Field CTO），专门负责帮企业客户衡量和提高AI投资回报率，这项服务被称为“Token经济学”（Tokenomics）。AI客服平台公司Pylon的 CEO Marty Kausas描述当前的市场状态：“我完全看不到任何忠诚度，现在的情况简直就像一场屠杀”。

AI公司为留住客户，使出浑身解数。当下这种混乱的态势，正是AI Token交易平台的机遇：当客户面对数十个模型不知所措时，路由平台的价值就显现了。

但客户在“混乱”中最大的恐惧是“供应商锁定”与“黑箱定价”。这正是中立路由平台 KAI.com 试图破解的难题，它不仅聚合了主流模型，更通过其底层的“Token实时计价与切换引擎”，让企业CFO能在Kimi、Claude或DeepSeek之间无缝切换。Cursor证明了路由能省钱，而 KAI.com 能证明，中立且透明的路由本身，就是一种值得付费的高附加值服务 。

这一层的利润率类似AWS Lambda/PaaS——中等水平，但因为它是连接Token生产与Token消费的必经之路，具有强大的平台锁定效应。

第二层是垂直AI应用，类似云计算中的SaaS层。编码AI（Cursor/GitHub Copilot）将Token与编码工作流结合，客服AI（Pylon/Intercom）将Token与客服知识库结合，法律AI（Harvey）将Token与法律文档结合。这一层的利润率类似SaaS，具有高利润率且高客户粘性，因为客户购买的不是Token本身，而是“Token+垂直领域专业知识+工作流”的完整解决方案。

优步、百事可乐、沃尔玛正在将工作交给AI Agent。Remote Labor Index的数据显示，AI完成自由职业任务的能力在8个月内从2.5%跃升到16%，6.4倍的增长。当Agent能力跃升时，垂直应用层的价值不是线性增长而是指数增长，因为Agent消耗的Token量级是聊天机器人的667倍。

第三层是AI Agent生态系统，这是类似手机操作系统的OS级竞争。OpenAI的GPT Store、Google的Vertex AI Agent Builder、Anthropic的Claude for Enterprise，都在试图成为"Agent时代的iOS"。用不了多长的时间，每人可能有10个、100个甚至1000个Agent。

根据高盛的预测，未来3年（到2030年）Token消耗量增长24倍。当Agent成为AI消费的主要形态时，控制Agent编排平台的公司就控制了用户与AI交互的入口——这个位置比Token生产本身更有价值。

第四层是AI认证与合规服务。当AI渗透到医疗、法律、金融等高风险领域时，“AI安全认证”（类似UL认证/CE认证）、“AI合规审计”（类似财务审计）、“AI质量评级”（类似信用评级）将成为刚性需求。

这一层可能由AI Token Exchange的质量认证体系演化而来。交易所天然需要标准化合约，而标准化合约天然需要质量评级。认证与合规可能成为AI公司的"监管护城河"。一旦某家公司的认证标准被监管机构采纳，它就获得了类似信用评级机构的市场地位。

大咖科技

Tech Chic

各层高附加值服务的

“三方角力”竞争格局

Token编排层的竞争是三方角力。Cursor从编码工具向“Token编排平台”扩展，已经证明了模型混合策略的商业价值。OpenRouter从模型聚合向“AI Token Exchange”扩展，已被AI业内默认为行业指标。AWS/Azure/GCP从云服务向“Token托管平台”扩展，拥有企业客户基础和基础设施优势。

这三方的竞争逻辑不同。Cursor靠产品体验，OpenRouter靠中立性，云厂商靠锁定效应。但云厂商面临利益冲突，它们自己也是Token生产者，其中立性存疑。

垂直应用层的竞争是AI原生公司与传统软件公司的对决。AI原生公司（Cursor/Pylon/Harvey）有“Token-native”优势，从第一天就围绕AI能力设计产品。传统软件公司（Microsoft/Google/Salesforce）有“分发+客户”优势，已有数亿用户和数千企业客户。

谁能赢取决于“AI原生能力”与“分发能力”的相对权重。如果AI能力是决定性的，原生公司赢。如果分发能力是决定性的，传统公司赢。更可能的结果是分化：在AI能力差异大的领域（如编码、法律），原生公司领先；在分发能力差异大的领域（如办公协作、CRM），传统公司领先。

Agent生态层的竞争是OS级战争。OpenAI的GPT Store有先发优势和品牌效应，Google的Vertex AI有基础设施和企业客户，Anthropic的Claude for Enterprise有安全声誉。谁能成为“Agent时代的iOS”，取决于谁能吸引最多的Agent开发者，而这也取决于平台的Token供给能力、编排工具的成熟度和商业模式对开发者的友好程度。Agent生态层的赢家可能获得类似苹果App Store的30%抽成权力，这是比Token生产大得多的商业机会。

AI Token Exchange的中立质量认证可能成为国际标准，但如果交易所本身分化为美国版和中国版，认证标准也将分化。认证层的赢家不是技术最强的公司，而是最善于将自身标准转化为监管要求的公司。

大咖科技

Tech Chic

终局推演：

Token经济化的产业格局

AI Token经济化的终局产业结构清晰可见，是一个四层体系：基础设施层（AI Token Exchange，控制数据/定价/标准/算力可靠性评估）、商品层（Token生产，利润率趋零）、平台层（Token编排/路由，中等利润率）、应用层（垂直AI应用/Agent生态，高利润率）。

价值分布预测如下：AI Token Exchange占总价值的15-20%，类似交易所和评级机构的利润；Token生产占10-15%，类似石油开采在石油产业中的占比；Token编排占20-25%，类似炼油和化工；垂直应用与Agent生态占40-50%，类似石油产品零售和服务。

换言之，Token本身只占整个产业价值的10-15%，但其上层的编排、应用、生态与认证将创造65-75%的价值。当前所有AI公司都把自己定位为“Token生产者”，但这却是将来最先被商品化、利润率最低的位置。与之形成鲜明对比的是，AI Token Exchange的价值占比会越来越高。

地缘格局将呈现“中美分层竞争”而非“中国主导商品层”的格局。中国有Token成本优势但算力不足，同时建设政府驱动版Token平台（地方数据集团Token工厂/Token平台）。美国控制80%算力，在商品层有供给主导权，在应用层和生态层有标准制定权，同时建设市场驱动版Exchange。

终局商品层的格局可能是“美国算力主导供给+中国成本锚定价格”的双轨结构——中国决定了Token的价格下限，美国决定了Token的供给上限。AI Token Exchange本身也将双轨化：美国市场驱动版（CME/ICE/OpenRouter，交易“认证”模型Token）和中国政府驱动版（地方数据集团，含“数据词元化”探索）。中间地带——编排层和应用层——将是中美混合竞争的领域。

影响格局的关键变量是中国算力差距何时缩小。如果4-5年后通过国产芯片缩小差距，地缘格局将重新洗牌。如果算力差距持续，AI Token Exchange将成为美国算力优势的制度化体现，“市场定价”可能实质上是“美国定价”。但中国的“数据词元化”探索可能成为差异化优势，如果成功将所有数据统一为Token计量，AI Token Exchange的覆盖范围将从“AI推理Token”扩展到“所有数据Token”，这是一个美国尚未涉足的领域。

中国AI公司目前面临的盈利困境（Z.ai亏损7亿、Moonshot暂停用户、DeepSeek融资仅为Anthropic 1/9）说明，低成本优势不等于盈利能力。

如果算力不足且开放权重摧毁了定价权，低成本生产者可能陷入“越便宜越没人赚钱”的困境。中国升级为需要两个条件：缩小算力差距，以及从“纯开放”转向“有条件开放”以重建定价权。

Moonshot K3的“有条件开放”策略是第二步的第一个信号，即“战略级开源”，以开源为工具、以商业回报和生态控制为目标的策略性开放。中国企业产业研究专家柏文喜预判的“三层架构共存”——顶尖前沿模型闭源保溢价、高性能开放权重模型普及、垂直小模型开源繁荣——与本文的Token质量分层（Premium/Standard/Basic）高度一致，这是跨文化视角的验证。

大咖科技

Tech Chic

Token交易化永存，

但Token不再是主角

Token交易化是AI经济化成熟的标志，不是终点。AI Token Exchange是Token经济化从“内部优化”跃升为“市场交易”的制度性拐点，也是终局产业结构的“地基”。

Token商品化之后，竞争转向Token之上的高附加值服务。但商品化不是均匀的，开放程度、算力供给、盈利能力三个维度的差异使终局格局比"简单商品化"更复杂。

Token经济化的终局类似石油经济的产业结构。但与石油不同的是，Token的“商品层”不是由低成本生产者单方主导——中国有成本优势但算力不足，美国有算力优势但成本较高。终局商品层的格局可能是“美国算力主导供给+中国成本锚定价格”的双轨结构。

当前所有AI公司都把自己定位为“Token生产者”，这将是最先被商品化的位置。未来3-5年的竞争焦点将从“谁的Token最好或最便宜”转向“谁的Token之上的平台、应用、生态最有吸引力”，以及“谁控制了AI Token Exchange”。

最终赢家可能不是Token最好或最便宜的公司，而是最成功地将Token商品化转化为平台、应用、生态与交易所价值的公司——正如AWS不是最便宜的云计算，而是最成功的云平台；正如沙特阿美（Saudi Aramco）不是最大的石油公司，而是最成功地将石油资源转化为化工、平台与投资帝国的公司；正如CME不是石油生产者，却是石油交易中最赚钱的中间人。

Token最大化已死，Token交易化永存。但AI Token交易化的终局，使得Token本身变得不再重要。重要的是Token之上的世界，以及连接Token与Token之上世界的那个AI Token Exchange。

KAI.com的存在定义了竞争规则：谁定义了Token流转的规则，谁就掌握了下一个十年的数字黄金水道。最终赢家不是Token最好或最便宜的公司，而是那个让所有Token都能在统一市场上公平竞价的中立之地。