全球 AI 算力与 Token 消费:推理时代的算力经济学

AI 算力的重心已从训练迁移到推理。Deloitte《TMT Predictions 2026》估计,2026 年推理约占全球 AI 算力的三分之二,而 2023 年约为三分之一、2025 年约为一半。Goldman Sachs 5 月发布的《Decoding the Agentic Economy》给出更陡峭的曲线:2030 年月度 Token 消费将达 120 quadrillion,较当前增长 24 倍,其中消费级 Agent 到 2030 年贡献 12 倍增量,企业级 Agent 到 2040 年贡献 55 倍。驱动因素是 Agent 的「常驻性」:在 OpenRouter 上,Agent 流量已于 2026 年 2 月初超过人类直接用量,单次 Agent 请求消耗约为人类对话的 15 倍。与需求暴涨并行的是单价崩塌——芯片端每 token 推理成本以每年 60%-70% 的速度下降,而 7 月最后一周的模型价格战(Opus 5 的 5/25 美元定价、GPT-5.6 Luna 降 80%、DeepSeek V4-Flash 的 0.14/0.28 美元)把降价从年度事件压缩成了周度事件。「量增价减」的剪刀差,正是本报告分析价值链各环节的主线。

7 月 16 日发布的 Kimi K3(2.8 万亿参数 MoE、100 万 token 上下文)在 7 月 26 日兑现开源承诺——较预告的 27 日提前一天放出权重,成为史上最大的开源权重模型,Together AI 与 Modal 提供 Day-0 托管。份额数据同样刷新纪录:7 月中国系模型占 OpenRouter Token 份额达 58%(月初一度触及 63%),用量前五名全部为中国模型,小米 MiMo-V2.5 居首,DeepSeek、MiniMax、Qwen、Kimi 系列紧随其后——而 2025 年初这一份额还不足 10%。价格是核心驱动:开源中国模型普遍比美国头部闭源 API 便宜 60%-90%,在 Agent 用量以 15 倍系数放大的场景下,单价差被同倍数放大。资本市场随即跟进:彭博 7 月 29 日报道,月之暗面完成 35 亿美元融资、投后估值 350 亿美元,远超最初 10-20 亿美元的目标,并计划 8 月以最高 500 亿美元估值启动 Pre-IPO 轮、筹备港股上市。开源权重从「技术姿态」变成了「估值引擎」。

算力的瓶颈正从芯片转向电力,7 月的进展让这条主线更加立体。xAI 以逾 10 亿美元收购移动发电公司 APR Energy(逾 1GW 燃气机组)为孟菲斯 Colossus 超算供电,交易已获最终放行;但环保与合规风险同步上升:NAACP 与环保组织已就据称最多 35 台未获许可的燃气轮机提起《清洁空气法》诉讼(相关指控尚待法院审理,xAI 未认可),TechCrunch 7 月 31 日报道 SpaceX 一年内不会移除全部相关涡轮机。电力约束的另一面是资本开支:Alphabet 7 月 22 日财报显示 Q2 资本开支达 449 亿美元、全年指引上调至 1950-2050 亿美元,季度自由现金流转负 59 亿美元,财报次日股价下跌约 5%;Meta 7 月 29 日将全年资本开支指引上调至 1300-1450 亿美元,股价同样承压;微软 Azure 内 AI 业务年化收入达 370 亿美元、同比增长 123%。四大云厂 2026 年合计资本开支约 7250 亿美元,较 2025 年的约 4100 亿美元增长约 77%——「电力即算力」正在从口号变成利润表与现金流量表上的真实约束。

据报道(财经媒体,8 月中):DeepSeek 公告将整体上调全系列 API 定价。这是国产头部厂商首次在能力跃升的同时主动涨价——过去两年以极低 token 价换取份额的打法出现拐点。

已证实(SpaceX AI,8 月 12 日):同一周 Grok 4.6 以每百万输入 token 2 美元、输出 6 美元入场,约为其他前沿模型的一半。

已证实(英伟达公司声明,8 月 10 日):英伟达与阿波罗全球管理、黑石、贝莱德、博枫、高盛、KKR 签署谅解备忘录,拟搭建独立融资平台,随时间推移动员逾 5000 亿美元第三方资本,为云厂商与 AI 企业的数据中心建设及硬件采购提供融资。黄仁勋公开表示 AI 工厂算力正在成为一种可投资的资产类别,并称需求来自真实商业场景、每个项目由机构独立尽调。消息公布当日英伟达股价收跌 2.86%。

对本报告模型的含义:若算力真能被抵押与证券化,单位 token 成本的下行就不再只由制程进步与竞争驱动,还取决于资本成本——利率与信用利差会直接传导到推理定价。本报告原先按「供给扩张 → 单价下行」建模,需要补入融资成本这一变量。把毛利建立在「上游永远降价」假设上的应用层商业模型,应重做压力测试。

已证实(a16z,2026 年 8 月 10 日发布,数据来自 openrouter.ai/rankings):在 OpenRouter 平台上,智能体(agentic)用途的 7 日平均 token 消耗已达 7.3 万亿,约为人类用户直接消耗的 5 倍;agentic 曲线于 2026 年 2 月 6 日首次超过 human,此后约 6 个月增长约 14 倍。

已证实(OpenRouter 数据,经 a16z 披露):超过 85% 的 agentic token 消耗来自缓存提示(cached prompt),且缓存 token 贡献了该类别相对增长的绝大部分。原因是智能体与一次性对话的根本差异——它反复运行「读取—写入—执行」循环,并在多次操作之间保留上下文,因此那份装载了代码库规范、企业政策或任务简报的初始提示会被反复计入。

我们的估算(按 a16z 图表刻度估读,非披露数值):同期人类用途与混合用途各自约在 1.3–1.4 万亿区间。此项仅用于说明量级对比,不应作为精确数据引用。

对本报告模型的三处修正:

其一,推理需求的增长曲线应当与用户规模脱钩。本报告原先以 DAU 与人均调用量建模 token 需求,而消耗主体既已转为智能体,真正的驱动变量是「智能体运行时长 × 循环次数 × 上下文长度」。沿用用户增长模型预测算力需求,会系统性低估。

其二,token 量的暴涨不会等比例转化为模型厂商收入。缓存提示的计价显著低于新鲜输入 token,当 85% 以上的增量来自缓存,用 token 总量倒推收入将明显高估。判断厂商变现能力时,应当拆开缓存与非缓存两个口径。

其三,也是对基建判断影响最大的一点:缓存密集意味着 KV cache 需要长时间常驻,瓶颈从算力(FLOPs)向显存容量与带宽转移。这与「算力紧张就堆 GPU」的直觉不同——边际约束更可能出现在内存侧,而非计算侧。这一点与本报告在算力基建部分的结论需要合并阅读。

已证实(CNBC、Axios、VentureBeat 等多家报道,2026 年 7 月 30 日):OpenAI 对 GPT-5.6 家族调价——Luna 降价 80%,每百万输入 token 由 1 美元降至 0.20 美元、输出由 6 美元降至 1.20 美元;Terra 降约 20%,输入由 2.50 降至 2 美元、输出由 15 降至 12 美元;而旗舰 Sol 维持输入 5 美元、输出 30 美元不变。此次调价距 GPT-5.6 家族 7 月 9 日发布仅三周。

已证实(官方 API 文档与发布,8 月 12–13 日):DeepSeek V4 Pro 正式版上线并预告全线涨价;Grok 4.6 以每百万输入 2 美元、输出 6 美元入场。

对本报告判断的深化:本报告此前把八月的现象概括为「一家涨价、一家降价」,这个概括不够准确。把 7 月 30 日的调价并进来看,真正的结构是——分层发生在同一家厂商内部:便宜档三周内被砍掉八成价格,旗舰档一分未动。这说明降价压力并非均匀作用于「前沿能力」,而是集中在可替代性最强的那一档:小模型的能力差已收敛到用户会按价格选,而旗舰档仍有不可替代性,因此定价权完好。

推论与可证伪指标:如果这一结构成立,应当看到三件事——① 各家的低价档价格继续收敛甚至趋同,而旗舰档价差扩大;② 厂商披露口径从「模型能力」转向「每档的适用场景」,以维持分层的合理性;③ 应用层公司的成本曲线与其模型选型强相关,用单一「平均 token 价格」做成本预测会失真。这三点可用于验证或推翻本节判断。

已证实(Google 官方博客,2026 年 9 月 2 日):Google 发布 Gemini 3.8 Flash 与面向网络安全场景、受限发放的 3.8 Flash Cyber。API 定价沿用 3.7 Flash 的优惠价,每百万 token 输入 0.75 美元、输出 3.75 美元,优惠期至 2026 年 12 月 31 日;2027 年 1 月 1 日起恢复每百万 token 输入 1.5 美元、输出 7.5 美元的标准价。工作马模型的迭代方式已变成同价升级加优惠截止日,价格本身没有再降。

公开市场行情(BenchLM Token Price Index,2026 年 9 月 3 日更新):前沿模型 token 价格指数 9 月读数 16(2023 年 3 月 = 100),与 7 月、8 月持平,连续第三个月停止下行;21 款前沿模型混合价中位数为每百万 token 6.00 美元,较基期低 84%。指数共覆盖 40 款模型(前沿 21、中端 11、经济 8)。期内记录到两处调整:Claude Sonnet 5 混合价由 4 美元上调至 6 美元,涨幅 50%;Claude Fable 5.1 以每百万 token 20 美元的混合价新纳入前沿档。

据报道(《华尔街日报》首报,Yahoo Finance 2026 年 9 月 1 日、9 月 2 日转载跟进):Anthropic 与英伟达参股的算力云 Lambda 签订 350 亿美元、为期六年的算力协议,容量约 350 兆瓦,落地 Hut 8 位于得州 Nueces 县的 Beacon Point 园区,预计 2027 年一季度上线。结构上英伟达持有该园区 15 年租约,Lambda 采购并部署 GPU 后向 Anthropic 转售算力;Lambda 于 8 月 27 日刚完成 9.26 亿美元优先担保定期贷款。据 Hut 8 此前披露,该租约两期合计 704 兆瓦,基础合同价值 196 亿美元。加上此前与 Nscale 的 450 亿美元、六年期协议(460 兆瓦),Anthropic 具名算力合约合计不低于 800 亿美元。口径说明:9 月 1 日稿称期限与容量未披露,六年与 350 兆瓦取自 9 月 2 日稿。

对本报告结论的影响:加固两条判断,修正一条。价格指数连续三个月持平,加固「白菜价时代结束」的判断,前沿档的降价已被同价升级和局部涨价取代。Lambda 协议中英伟达持租约、Lambda 借贷部署、模型公司付费的三层结构,加固「算力开始被资产化」的判断,算力供给正在变成带租约和贷款、可以定价的资产。需要修正的是「降价与涨价发生在同一张价目表上」的表述:9 月数据显示前沿档整体已进入平台期,分化转移到前沿档内部的个别涨价与新模型高定价,以及工作马模型的优惠截止日,时间成为新的定价工具。

已证实(DeepSeek 官方公告,2026 年 9 月 10 日):DeepSeek 发布 V4.1-Flash,总参数 5520 亿的 MoE 模型,采用新的 Causal Encoder-Decoder 结构,输入阶段激活 80 亿参数、输出阶段激活 160 亿参数;KV Cache 对 HBM 的需求降至上一代的四分之一,对 SSD 的需求降至八分之一。官方同步下调 API 价格,并推出峰谷计价,谷时费率为峰时的一半。这一代的卖点在推理成本,长上下文与多轮 Agent 调用的显存账单由结构本身压低。

公司披露(Akamai 新闻稿,2026 年 9 月 24 日):Akamai 与 Anthropic 签订七年、116 亿美元的算力合同,用于 Anthropic 增长中的 CPU 工作负载,合同可再扩 90 亿美元至约 200 亿美元。Akamai 为此计划投入约 55 亿美元资本开支,并向 Anthropic 发放认股权证,上限约为其流通股的 5%、行权价每股 111.33 美元,其中约 2% 随当前承诺归属,约 3% 随扩展里程碑归属。

据报道(彭博社,2026 年 9 月 10 日;Dataconomy 9 月 11 日转述):微软计划到 2032 年把全球数据中心容量从目前约 12 吉瓦提高到 38 吉瓦以上,口径含自建与租赁设施,不含向 CoreWeave 等新云租用的算力。消息来自知情人士,微软未在财报或公告中确认,报道称路线图仍可能调整。

据报道(中泰证券传媒互联网组,2026 年 9 月 11 日):截至 9 月 10 日,OpenRouter 上 Token 周调用量较年初增长 1863%,调用量前三为 Hy4-preview、GPT-5.6 Luna、GLM 5.3 Flash。第三方路由平台的调用量是需求侧的直接读数,与供给侧的降价同向。

对本报告结论的影响:加固了 8 月更新「算力开始被资产化」的判断,七年期 CPU 合同与排到 2032 年的容量规划都把算力当作长期资产定价。修正一处颗粒度:推理账单不再只有 GPU,CPU 首次以百亿美元量级进入长期合同,推理侧的成本结构需要按 GPU 与 CPU 分开核算。单位 token 成本下降的动力从价格战转向架构,V4.1-Flash 的 KV Cache 压缩说明供给侧成本曲线仍在下移,OpenRouter 的调用量增幅说明需求侧对降价反应明显。

据报道(壹览商业,2026 年 9 月 28 日):截至 9 月 27 日,OpenRouter 平台周 Token 消耗量达到 146.0 万亿,环比增长 13.2%,再创新高。当周前二十名中中国模型占 10 席,合计 71.87 万亿,占前二十合计的 63.0%;前三为 DeepSeek V4.1 Flash(19.60 万亿)、GLM 5.3 Flash(16.30 万亿)和匿名模型「太空兔」(13.90 万亿,测试显示可能来自 MiniMax,未经证实)。

据报道(路透社、英国《金融时报》所见招股书草案,经 Fortune、The Decoder 转述,2026 年 9 月 28 日至 29 日):Anthropic 未来数年在云服务、算力和基础设施上的承诺合计约 5180 亿美元;2025 年算力与基础设施支出 73.3 亿美元,约为上一年的三倍。

据公司披露(Anthropic 官网、VentureBeat,2026 年 9 月 28 日):Anthropic 发布 Sonnet 5.5,API 定价为每百万 token 输入 2 美元、输出 10 美元,是 Opus 5.5(4/20 美元)的一半。公司称完成同一任务的总成本最多降低 30%,省下的钱主要来自更少的 token 和工具调用。

对本报告判断的影响:强化「推理时代」主线,并补充一个新动向:Anthropic 开始用「完成一个任务的总成本」而非只用「每百万 token 单价」来宣传价格优势,价格竞争的计量单位可能随之变化。需求侧,OpenRouter 最新一周消耗环比增长 13.2%、再创新高;供给侧,据报道单家模型公司的算力承诺已到 5000 亿美元量级,算力被长约锁定的判断得到进一步支持。阈值:若 OpenRouter 周消耗环比连续四周低于 5%,或中国模型在前二十中的份额跌破 50%,本报告关于 token 增速与开源份额的判断需要重估。