在人工智能（AI）領域，一個長期存在的疑問困擾著市場：如果AI技術如此強大，為何真正實現(xiàn)盈利的似乎只有GPU制造商，而從事大模型開發(fā)和應用的企業(yè)卻鮮有高額利潤？英偉達憑借超過70%的毛利率和接近兩千億美元的數據中心年收入，成為AI產業(yè)鏈上游的典型代表。然而，全球主要模型廠商幾乎全部處于虧損狀態(tài)，中國大模型市場在經歷激烈競爭后，推理服務價格已接近成本線。這種“上游盈利、下游虧損”的現(xiàn)象，引發(fā)了關于AI產業(yè)是否陷入泡沫的討論。

從經濟學視角分析，這一現(xiàn)象并非源于AI未能創(chuàng)造價值，而是因為已創(chuàng)造的價值尚未被充分轉化為收入。要理解這一邏輯，需從AI經濟的核心計量單位——Token入手。Token是大語言模型處理和生成信息的基本單元，無論是用戶提問還是AI回答，均需消耗Token。英偉達CEO黃仁勛將AI產業(yè)劃分為能源、芯片、基礎設施、模型、應用五層，并將Token定義為貫穿各層的“語言與貨幣”。這一設計使AI經濟具備了可計量、定價和核算的基礎，類似于千瓦時之于電力、桶之于石油。圍繞Token形成的經濟運行邏輯，正逐漸構成一套獨特的“Token經濟學”。

Token經濟的一個反直覺特征是：Token價格越低，總支出反而越高。過去兩年，Token生產成本下降超過99%，但全球企業(yè)AI支出卻增長三倍以上。這一現(xiàn)象與19世紀英國經濟學家杰文斯的觀察類似——蒸汽機效率提升導致煤炭總消耗量不降反升。然而，Token與煤炭的本質區(qū)別在于其價值完全取決于用途。耶魯大學研究指出，Token是“可合同化的計量單位”：同一Token用于閑聊可能僅值幾分錢，用于編寫代碼則可能價值數百美元，用于法律分析更可能達到上千美元。這種因任務而異的價值差異，被稱為“可編程性”——傳統(tǒng)生產要素如鋼鐵、石油的價值由物理屬性決定，而Token的價值僅因指令不同即可跨越多個數量級。

當前，Token消費的結構與預期存在顯著差異。增長最快的并非企業(yè)生產力工具，而是角色扮演、對話娛樂等消費性應用。這表明，AI經濟的增長引擎并非“替代人力”，而是由AI原生消費驅動的增量需求。例如，用戶與AI聊天產生的價值，以“消費者剩余”形式留存于用戶手中，尚未轉化為模型廠商的收入。然而，聊天框背后的成本卻十分沉重：數據中心持續(xù)運轉、GPU排隊上架、電力與冷卻系統(tǒng)鎖定，以及不斷攀升的資本開支。黃仁勛的“五層蛋糕”模型揭示了AI產業(yè)的重資產屬性——每一層均需巨額投資，從能源供應到模型調優(yōu)，再到應用落地，全球科技公司的年資本開支已從百億美元躍升至近千億美元，絕大部分投向AI數據中心及配套電力。

盡管Token生產成本以驚人速度下降——GPU算力成本的學習率高達89%，大模型推理成本每年下降約一個數量級——但利潤仍集中在上游。原因在于，成本下降越快，越需要前置重資產投入推動下一輪降價。英偉達的護城河不僅在于GPU性能，更在于CUDA生態(tài)構成的轉換成本。訓練層市場呈現(xiàn)寡頭格局，門檻以十億美元計；推理層則趨向競爭，開源模型已將價格壓低九成以上。中國模型憑借算法效率、開源策略和極致定價，在全球Token市場迅速崛起，其推理計算部署于海外云節(jié)點，本質是算法出海而非電力出口。競爭加劇使Token價格持續(xù)走低，最終受益的是全球開發(fā)者和用戶。

與2000年互聯(lián)網泡沫時期的“光纖過剩”不同，當前Token消費量正處于高速增長階段。中國日均Token調用量從兩年前的約1000億飆升至140萬億，增長約1400倍。需求真實且旺盛，只是尚未被充分貨幣化。這一現(xiàn)象與電力從照明進入工業(yè)動力、互聯(lián)網從人類瀏覽轉向機器通信的歷史進程類似——每一代通用技術均經歷過需求主體的轉換。

未來，Token經濟的規(guī)模可能不再取決于人類需求，而是由機器需求主導。人類處理信息的速度存在生理上限，而智能體（Agent）的崛起正在打破這一瓶頸。智能體是能自主執(zhí)行多步驟任務的AI程序，可24小時不間斷運行，消耗數百萬Token完成復雜任務。例如，一家企業(yè)部署上千個智能體，年Token消耗量可能超過一個中等國家全部人類用戶的總和。更關鍵的是，智能體不僅能消耗Token，還能自主采購——根據任務需求選擇模型和資源，全程無需用戶干預。這種非人類買家的出現(xiàn)，使Token市場結構發(fā)生根本性變化：它們對延遲敏感但對價格不敏感，可在毫秒間切換供應商，推動需求量級躍升。

斯坦福大學經濟學教授的研究指出，AI生產率提升受制于組織適配、制度變革和人類認知等薄弱環(huán)節(jié)。若瓶頸在于人類組織無法匹配AI速度，那么讓AI自主組織——構建智能體網絡——可能是釋放生產率潛力的關鍵。Token經濟的未來，將取決于機器能消耗多少Token，而非人類。當前，我們僅能觀察到這場變革的開端：凡工作環(huán)節(jié)可拆解為“輸入信息、處理、輸出結果”的模式，均有可能被Token化。而人類的核心價值，將聚焦于判斷、創(chuàng)意、關系和不確定性——這些恰恰是Token難以復制的領域。