AI服务链竞争

AI服务的使用量持续增长，吸引不同行业企业进入同一条生意链。 能源企业向算力运营延伸，云厂商重新组织模型与应用业务，设备企业增加推理部署方案，电商平台开始销售AI服务。 围绕Token形成的市场已超出大模型公司经营范围。 国家数据局网站10月刊发的一篇专家解读援引相关统计：截至2026年6月，我国日均词元调用量已超过500万亿。 部署、交付、计费和分发成为可以独立组织的业务。 企业开始计算AI调用消耗的电力和设备能力，以及运营服务和销售渠道。

Token作为模型处理信息的计量单位和AI服务消耗与收费的描述，成为各行业争夺的对象。 能否将原有资源变成稳定收入，将决定这场跨界的成色。 行业组织方式的变化先于消费端产品显现，阿里巴巴成立Alibaba Token Hub事业群，将创造、交付与应用Token作为组织方向，并将模型即服务（MaaS）放在更重要的位置。 这类调整反映了一种经营上的延伸：模型训练完成后，长期运行、适配和服务客户本身就是另一项工作。 企业客户要比较模型能力，还要处理部署方式、访问权限、服务稳定性、用量和费用。

围绕这些需求提供服务，可以形成与训练基础模型不同的分工。 跨境市场进一步扩大了这种分工，青岛自贸片区与浪潮云共建跨境词元工厂，将异构算力、多类模型接入、计量计价和跨境结算放到一个服务平台中，完成面向韩国客户的内容生成业务验证。 这里交付的是一段完整服务：客户提出需求，数据经过网络传输，模型完成处理，结果再交到客户手里。 模型只是其中一个关键环节，网络、部署、支付与服务支持，都有明确的位置。 计算设备可以留在本地，服务则有机会面向更广的客户。 这也解释了为什么一家公司即使没有自研基础大模型，仍然有参与的机会。

成熟模型可以被调用或部署，缺少稳定算力、行业适配、客户渠道或者运营支持，同样会影响使用。 原来积累在其他业务里的能力，可以在这些环节找到新的付费对象。 但从按台、按机时提供资源，走到按调用提供模型服务，交付责任会增加。 设备能否启动只是起点，模型运行速度、并发承载和服务中断，都会直接影响客户业务。 原有资源可以降低入场成本，持续交付仍然需要新的技术和运营能力。 能源企业进入这条业务链，首先看中的是AI计算与电力之间持续发生的联系。

协鑫能科提出向Token交易服务商转型，服务范围包括空间、异构算力租赁和定制智算方案。 原有能源资产和调度经验，成为它向计算服务延伸的基础。 对这类企业而言，卖电之外增加部署与运营服务，有机会参与更长的收入链条。 不过，一度电的价格与一次模型服务的成本，中间隔着设备利用率、推理效率、网络和运维。 电便宜，只有在设备持续处理有效任务时，才能变成有意义的成本优势。 空闲设备同样占用资金，客户也不会为尚未交付的计算能力付款。

英特尔中国区董事长王稚聪谈到绿色算力舱的设想：在绿电资源附近部署计算设备，再与算力运营和调度企业合作，把分布式资源组织起来。 他把这一过程概括为，在发电场所将绿电转化成Token。 这份设想中，储能、配电和散热占据了重要位置。 风电、光伏的供给会波动，计算任务也有自己的负载节奏，二者需要通过系统衔接。 储能用于缓冲供电与负载变化，配电、计算模块和散热系统则共同决定设备能否稳定工作。 王稚聪介绍，相关架构协同花了约三个季度，涉及数十家合作伙伴。

有限空间里，液冷管件、供电方式、储能模块与机柜都要匹配，不同供应商的产品必须能够连接和扩展。 把设备装进一个舱体，背后是多个行业共同完成的系统工程。 这段过程说明，传统企业进入AI服务，并不只是给原有资产换一个名字。 能源企业要补计算运营，设备企业要配合供电和散热，算力运营商要接上网络、模型与客户。 谁能把这些环节组织好，谁才有条件将资源优势传递到服务价格和可靠性上。 英特尔在这套合作里仍然定位于基础技术研发与供应商，不以自己的品牌直接向最终用户销售算力舱。 王稚聪当时预计，项目可能在2027年上半年开始落地。

芯片、能源和运营企业参与的是同一类需求，取得收入的方式和承担的责任却各不相同。 部署位置也因此不能只按电价决定。 适合远端处理的任务，有机会利用更好的能源条件； 对响应速度、数据管理或现场协同有要求的企业，则可能选择就近部署。 客户愿意支付的，是符合业务条件的服务。 便宜的电是其中一个要素，完整交付才是商品。 资本也在用更直接的方式进入这门生意。 游族网络全资子公司近日签署42.25亿元GPU采购合同，计划组合使用自有资金、银行授信和金融租赁，设备分批交付。

采购方先支付预付款，再按约定支付批次尾款，交付时间还受到原厂和上级供应商安排的影响。 这份合同明确了设备采购，后续业务组织方式尚未完整公开。 设备销售、算力租赁与模型服务，对应的是三套不同的经营要求：销售关心交付与回款，租赁需要承担部署、运维和利用率，模型服务还要继续负责软件适配、调用管理和客户支持。 这种区别会影响资金怎样收回来。 采购设备花出去的是一笔大额投入，租赁和调用收入则要在使用中逐步形成。 客户需求不足，设备仍会占用资金； 技术与服务价格变化，又会改变收入预期。

企业需要协调设备到货、客户上线和回款三个节奏。 即使不买GPU，做服务中间环节，也会遇到现金流的考验。 科技日报10月报道的广州腾元数字，向上游预付算力词元、模型授权和流量费用，下游客户却有较长回款周期。 业务增长带来了更大的资金缺口，公司随后取得300万元、期限3年的纯信用“词元贷”。 图3模型服务资金周转游族的合同首先锁定设备采购义务，下游客户、用途和收入尚未披露； 腾元则是在服务已经卖出以后，遇到上游预付与下游回款不同步。 一个要让大额设备投入得到持续使用，一个要为正在增长的业务垫付成本。

原有的资本、客户与授信能力，分别决定企业能承受多长的等待。 银行对这类业务的判断也在变化。 相关授信除了参考词元消耗，还会考察结算周期、使用效率、历史财务和回款等信息。 调用记录能够反映业务活动，最终偿还资金仍然要靠有效收入。 Token生意由此形成了新的筛选条件：设备数量决定一部分承载能力，客户结构影响负载，运营能力影响交付成本，资金安排决定企业能否撑过投入与回款之间的间隔。 原来行业里的“家底”，要经过这些具体环节才能发挥作用。

渠道把入口拉低服务还要留下用户当后台供给逐渐丰富，AI服务也在寻找更低门槛的销售方式。 天猫上线AI token充值中心，智谱、MiniMax等厂商入驻。 11月2日晚，李佳琦直播间的一分钱千问办公个人会员月卡，在约半小时内售出近10万份，对应约2万亿Token使用额度。 渠道把原本需要用户主动寻找、理解和注册的服务，放进了熟悉的购物流程。 这张卡销售的是应用权益，包含通用积分、存储和任务排队、并行等服务。 平台和主播负责触达用户，应用承担具体体验，模型与算力服务在后面承接消耗。

直播销售是这条业务链末端的一次获客，不能替代上游各环节的经营结果。 近10万份订单，按一分钱简单计算，销售额约为千元量级。 活动争取的是后续使用和付费机会。 用户开始运行任务之后，推理支出会继续发生，服务商需要在新增使用与持续成本之间形成可行的价格安排。 Token也因此很难像手机流量那样，仅靠数量完成比较。 不同模型、任务和服务组织方式，会影响结果质量与等待时间。 用户需要的是可用的报告、代码或内容，对后台消耗的数量未必有直接感知。 服务商要把复杂的技术用量，转换成用户能够理解的产品。

这种转换本身，就是渠道与应用能够创造的价值。 它们可以减少购买和使用门槛，把模型送到原本不会主动调用API的人手里。 与此同时，低价促销带来的订单，必须在后续体验中找到持续付费的理由，上游才有稳定的需求来源。 从模型事业群到跨境词元工厂，从绿色算力舱到会员销售，行业正在形成更细的分工。 越来越多企业进入，并不意味着它们都在复制同一种业务； 同一个“卖Token”的说法之下，可能分别是设备收入、租赁收入、模型服务收入和应用收入。

这场竞争最终会落实到几件很具体的事：资源能不能稳定交付，任务能不能经济地完成，客户会不会持续使用，款项能不能按期收回。 Token打开了跨行业参与AI的入口，留下企业的，仍然是一门能够持续经营的生意。