(网经社讯)
Token，中文名“词元”，可以理解为 AI 识别文字的最小碎片，我们普通人以单个汉字、完整词语来阅读理解内容，而 AI 会把语句拆解成零散的片段，一个字、半个字、一个词语、一串字母，甚至标点、空格，都能单独成为一个 Token。
AI 本质是数学模型，无法直接看懂人类文字，需要先将所有文字拆分成一个个 Token，再给每个 Token 编制专属数字编号，把文字转化为数字形式，AI 才能进行运算、理解语义并生成回答。
中文约 1.5 个汉字对应 1 个 Token，英文和标点也会单独折算。同时 Token 也是 AI 付费的计费标准，还决定了模型的上下文记忆上限，超出额度后，AI 就会遗忘之前的对话内容。
AI大模型的需求爆发，让 Token 消耗进入指数级增长通道。
从数据看，OpenRouter 平台的 Token 消耗量，从 2024 年初每周 120-150 亿的规模，增长至 2026 年 4 月的 20 万亿级别。
火山引擎豆包大模型的日均 Token 调用量，2026 年 3 月已突破 120 万亿，过去三个月实现翻倍，对比 2024 年 5 月首次推出时，涨幅达 1000 倍。
阿里发布的编程大模型 Qwen3.6-Plus，上线后单日 Token 调用量突破 1.4 万亿，刷新了全球单模型单日调用纪录。
Token 消耗的爆发式增长，直接拉动了 AI 基础设施的需求，上游元器件迎来全面涨价潮。AI 算力芯片供不应求，内存、硬盘、CPU 等配套硬件环节，自 2025 年下半年以来均出现供给缺口，开启涨价周期。
根据 TrendForce 统计，2026 年第一季度，DRAM 内存价格预计环比上涨 105%-110%，NAND 闪存及企业级 SSD 价格涨幅为 53%-58%；服务器 CPU 方面，Intel 及 AMD 厂商均宣布涨价 10%-15%。
DRAM
大模型 Token 消耗的指数级爆发，催生了对高带宽、低延迟、大容量 AI 存储的刚性且爆发式需求。DRAM 是 CPU/GPU 运行的高速临时存储，断电清空，直连核心芯片，为算力提供高速缓冲，内部架构分三大模块，可类比高效数据车间。
据 TrendForce，2024 年全球 DRAM 市场规模 958.63 亿美元，同比增 84.83%，存储赛道强势复苏。
全球存储巨头全力冲刺 DRAM 技术升级：三星率先量产第六代 10nm 级 DRAM，送出 HBM4 样品并敲定 2026 年量产，领跑行业；美光推出首款 1γ 工艺内存样品，筑牢旗舰机型 AI 性能硬件基础。
国产厂商同步实现关键突破：长鑫多款高速内存通过国际权威认证，支撑消费电子与服务器升级；华邦自研 16nm DRAM 芯片，适配工业及嵌入式设备需求。
AI 算力需求暴增，传统传输带宽与 GPU 内置缓存严重制约性能。HBM 以 3D 堆叠 + 硅通孔工艺打造高带宽低延迟高端内存，突破算力瓶颈。
HBM 是高增长赛道：2024 年市场规模 56.1 亿美元，预计 2034 年达 570.9 亿美元，十年年均增速 26.1%。技术壁垒高，仅三星、SK 海力士、美能量产，2025 年二季度市占率分别为 17%、62%、21%，SK 海力士领跑。
厂商缩减低利润传统存储产能，转向 HBM、DDR5 等高端产品，传统存储产量持续下降；且 HBM 晶圆消耗约为同容量传统 DRAM 的 3 倍，叠加工艺复杂，整体产能提升受限。
Token是历史级别的吞电怪兽。2025年，电力故障是全球数据中心宕机首要诱因，当年占比达 54%，远高于其他故障；算力密度提升持续推高数据中心用电需求与稳定性要求。
2023 年美国数据中心耗电 176 太瓦时，占全美用电 4.4%；IEA 预计 2028 年将达 325-580 太瓦时，年均增速 26.9%，占比升至 6.7%-12%。
远距离输电中，提升电压是兼顾低损耗、低成本的最优方案。我国能源供给集中于西部、用电需求集中于东部，供需错位下，特高压如同 “电力高铁”，可低损耗、高效率完成西电东送，既降本增效，也保障全国用电稳定安全，而其落地运行完全依赖核心电网设备的支撑。
特高压场景下，四大核心设备构成了电网的关键骨架：变压器作为调压枢纽，负责电压变换；开关设备（GIS）如同 “总闸手”，控制电流通断、切除故障；换流阀作为能量转换器，实现交直流转换；二次设备则是 “电网大脑”，以毫秒级精准控制实现调度保护。这些设备是特高压技术的核心壁垒，也是我国能源供应安全的关键保障。
Token 是由大模型厂商通过自研的专属分词算法生成的，每一家主流大模型厂商都有适配自家模型的分词体系，用来把文本内容转换成模型可识别、可计算的 Token 编码，不同厂商生成方式不同。
黄仁勋明确提出，未来评判一家 AI 企业实力，核心标准就是耗一度电能产出多少 Token。
Token 工厂的逻辑很简单，把传统数据中心的通用存储、普通计算功能重新改造，变成一套工业化生产模式。
靠电力、数据、算法三样基础条件运转，电力提供算力支撑，数据当作生产原料，算法作为核心生产工艺，最后批量产出标准化的 Token，支撑文案创作、代码编写、图文交互等所有 AI 功能落地。
大模型计费逻辑很简单，总费用由输入 Token 和输出 Token 两部分组成。提问内容、系统提示、历史对话以及上传的图文资料，都会折算成输入 Token 计费。模型逐字生成回答需要巨大算力，消耗更多资源，所以输出 Token 价格通常是输入的 2 至 3 倍。
由于单个 Token 价值极低，行业统一采用百万 Token 作为标准计价单位，一百万 Token 约折合 50 万个汉字。
目前市场主要有四种计费方式：个人和散户适合按量计费；企业可采购 Token 套餐降低单价；高频用户可选会员订阅；机构私有化部署则按服务器年费收费，不限 Token 使用量。
AI 应用场景拓展带动算力指数级增长，作为 AI 交互核心单位的 Token 消耗量同步攀升，其商业价值由计算效率与产出价值双轮驱动，AI 输入输出均以 Token 为单位，计算复杂度与 Token 消耗正相关；
据 OpenRouter 数据，2026 年 3 月 16 日 - 22 日全球大模型周调用量达 20.4 万亿 Token，环比增 20.7%，其中中国为 7.359 万亿 Token（环比 + 56.91%），美国为 2.954 万亿 Token（环比 - 10.32%），中国已连续三个周期超越美国。
OpenRouter 数据显示，2026 年 3 月 23 日全球 AI 模型周调用量排名前九，国产模型占六席且包揽前四；小米 MiMo V2 Pro 以 40% 占比登顶，阶跃星辰 Step 3.5 Flash（free）、MiniMax M2.7 分列二三，其余国产模型还包括 DeepSeek V3.2、GLM 5 Turbo、MiniMax M2.5。
大模型训练与推理需求持续扩张，Token 消耗量随之大幅增长。
训练环节，模型从密集预训练向混合专家架构演进，参数规模迈向十万亿级，叠加多模态数据复杂度提升，单任务计算量呈指数级增长；头部厂商推进万亿参数模型训练，所需训练数据规模跃升至十万亿 Token 级。
推理环节，据德勤预测，2026 年推理算力占比将达 66%，首次超过训练算力，AI 进入 “推理驱动” 阶段；伴随应用场景下沉与 AI Agent 规模化落地，推理端 Token 需求将进一步扩大。
大模型市场2025 年起进入应用深化期，应用场景持续拓宽，商业模式逐步清晰。
据艾媒咨询数据，2024 年中国大模型市场规模达 294.16 亿元，预计 2026 年将增至 738.57 亿元，2024-2026 年复合年增长率为 58.5%。
国内大模型的实际使用成本，远低于海外主流大模型。根据专业机构的测试数据，完成同一轮标准测试，国内 MiniMax M2.5 的成本仅需 125 美元，而海外 Claude Opus 4.6 的测试成本高达 4970 美元，GPT5.2-Codex 也需要 3244 美元，成本差距达到几十倍。
海外模型成本更高，核心有两个原因。
一是国内模型的 Token 单价更低，MiniMax M2.5 的输入、输出 Token 价格，分别仅为 Claude Opus 的 6%、5%，也仅为 GPT5.2 Codex 的 17%、9%；
二是国内模型完成相同任务消耗的 Token 数量更少，MiniMax M2.5 单次测试仅消耗 58M Token，仅为 Claude Opus 的 36%、GPT5.2-Codex 的 29%。单价更低 + 用量更少，最终让国内模型的使用成本形成了极为显著的优势。
2023 到 2025 年，MiniMax 的收入越来越靠海外市场支撑，全球化布局效果十分突出。2024 年、2025 年，公司海外收入分别达 2130 万、5770 万美元，占总营收的 70%、73%，是增长的核心动力；同期国内收入仅 920 万、2140 万美元，占比 30%、27%。
业务端，公司核心板块均实现翻倍以上增长。AI 原生产品收入从 80 万美元涨到 5310 万美元，收入占比从 22% 提升至 67%；开发平台和 AI 企业服务收入，也从 270 万美元涨到 2600 万美元，充分证明了公司的 AI 商业化落地能力。
.png)
.png)
.png)
.png)
