Token经济暴增：上游硬件厂商如何掌控利润
Token暴增背后的产业链博弈
在AI大模型的浪潮下，Token调用量正在以令人瞠目结舌的速度飙升。从2024年的几乎为零，到现在的日均调用量突破180万亿，Token经济呈现出指数级增长的态势。然而，令人意外的是，最先从这场繁荣中获利的并非模型厂商或AI应用，而是上游的硬件厂商。英伟达正成为这场AI经济的最大赢家，而下游企业却在高昂的成本中苦苦挣扎。这种现象的背后，揭示了AI产业链中深刻的结构性问题。
繁荣的Token经济，利润却集中在上游
Token调用量的暴增，源于AI技术在各类场景中的快速渗透。从AI编程到多模态内容生成，再到智能Agent的落地，这些应用无一不依赖于庞大的计算量。然而，这条增长曲线的背后，却隐藏着一个有些反常的现象——几乎所有下游企业都在亏损，而英伟达和HBM（高带宽存储）厂商却赚得盆满钵满。
数据显示，2027财年第一季度，英伟达实现了816亿美元的营收，同比增长85%，毛利率高达74.9%。而同一时期，OpenAI等模型厂商却深陷亏损泥潭，以OpenAI为例，其季度经营亏损高达93亿美元，每收入1美元，就要倒贴1.22美元。与此同时，存储芯片厂商如美光科技的营收和利润也在暴涨，毛利率甚至超过了英伟达。
这一现象的核心在于，离物理瓶颈越近的环节，其议价能力越强。GPU和HBM作为AI算力的基础硬件，正卡住整个产业链的“咽喉”。由于全球范围内供需极度不平衡，这些硬件的定价权牢牢掌握在少数厂商手中，下游企业只能被迫接受高昂的成本。
硬件供需矛盾：暴利如何形成？
硬件环节的暴利源于两大因素：需求的爆发式增长和供给的缓慢扩张。
-
需求激增
随着大模型规模的不断扩大，训练和推理所需的算力也在指数级增长。“Token调用量”的暴增成为这种需求的直接体现。但这种爆发式增长却超出了硬件供应链的承受能力。 -
供给瓶颈
GPU和HBM的生产能力有限，尤其是先进制程的GPU几乎完全依赖台积电等少数供应商，而存储芯片的主要产能也被三星、SK海力士和美光等几家公司垄断。这种供给的刚性限制导致了硬件价格的飙升。
结果是，硬件厂商依靠极高的毛利率和有限的市场竞争，成为了最先吃到AI红利的群体。而下游企业却因高昂的硬件成本，陷入“越卖越亏”的困境。
未来利润能否向下游倾斜？
从产业发展的规律来看，当前硬件厂商占据大部分利润是AI产业化初期的特征。回顾互联网和云计算的发展历史，每一轮技术浪潮的早期，基础设施层总是最先获益。例如，在互联网普及的初期，光缆和服务器厂商占据了大部分利润；而随着技术逐渐成熟，利润逐渐向应用层倾斜。
短期来看，硬件层的暴利仍将持续2-3年。无论是英伟达还是存储芯片厂商，都预计供给紧张的局面至少持续到2027年甚至2028年。然而，从长期来看，随着硬件产能逐步释放，以及国产芯片的比例提升，硬件的定价权将逐渐削弱，利润也有望向下游转移。
不过，这一转移的路径并不平坦。国产芯片的性能仍难以媲美英伟达的最新一代产品，而英伟达的技术升级速度几乎每年一代，给追赶者带来了巨大的压力。此外，AI应用层仍需探索稳定的商业模式，如何将Token调用量转化为可持续的收入来源，是摆在所有下游企业面前的一道难题。
影响与展望
Token经济的繁荣是AI技术快速发展的必然结果，但当前的利润分布也暴露了产业链的不平衡。从短期来看，硬件厂商将继续主导这场盛宴；但从长期来看，随着基础设施供需矛盾的缓解，利润分配将更加均衡。对于下游企业而言，尽快找到适合自身的商业模式，提升对硬件成本的消化能力，将是决定未来成败的关键。
与此同时，国产芯片的崛起将对现有格局产生深远影响。如果能在未来几年内逐步缩小与国际巨头的差距，中国AI产业链或许有机会打破当前的被动局面，迎来更加健康的生态发展。
标签： 人工智能 Token经济 英伟达 芯片产业 AI商业化
