文 | 财华社
最近大家可能有一个困惑：为什么大模型概念股，看似业务高速增长、调用量节节攀升，但估值在经历了高速攀升后却持续疲软？反观近期 AI 产业链上游却异常火爆，中际旭创（03308.HK）、长鑫科技（688825.SH）、源杰科技（688498.SH）等一众上游标的则持续获得资本追捧。
一边是下游模型流量高涨却估值疲软，一边是上游硬件算力持续走热，截然不同的市场表现形成了鲜明反差，这背后隐藏的产业规律与商业逻辑是什么？我们将在下文逐层深入剖析，拆解 AI 行业真实的盈利、成本与估值逻辑。
Token 的社会分工：从 " 算力工厂 " 到 " 价值变现 " 全链路
大模型并不 " 认识 " 汉字或英文单词，它只认数字。当你输入一句话，分词器会将它切碎成一个个最小的单元，也就是 Token（词元），并转化为唯一的数字 ID。GPU（图形处理器）对这些数字 ID 进行海量矩阵运算，将孤立的数字转化为带有语义信息的 " 特征密码 "，然后再将这些密码反向 " 翻译 " 成人类能看懂的文字。
在以 API 调用为核心商业模式的 AI 服务领域，Token 或串联起一条分工相对明确的三层产业链：上游生产 Token，中游交易 Token，下游消耗 Token 并实现商业价值。
1）上游：Token 生产层（算力底座）
上游或是整个链条的物理起点，提供芯片、服务器、数据中心、电力及散热等硬件基础设施，决定了生产 Token 的成本基础下限。
在芯片设计制造环节，海外以英伟达（NVDA.US）、AMD（AMD.US）和谷歌（GOOG.US）的 TPU 为代表；国内则有华为昇腾、寒武纪（688256.SH）、壁仞科技（06082.HK）、天数智芯（09903.HK）等企业。
在算力云与智算基础设施层面，海外主要是亚马逊（AMZN.US）AWS、微软（MSFT.US）Azure、谷歌云和 CoreWeave（CRWV.US）；国内对应的有阿里云、腾讯云、百度（09888.HK）智能云、字节跳动的火山引擎等。
配套硬件方面，光模块领域有中际旭创（300308.SZ）、新易盛（300502.SZ）、光迅科技（002281.SZ）、华工科技（000988.SZ）等；服务器制造环节有英伟达核心代工厂工业富联（601138.SH）、浪潮信息（000977.SZ）、紫光股份（000938.SZ）等；液冷散热系统领域有英维克（002837.SZ）等；供电体系则有科华数据（002335.SZ）等。
此外，服务器 PCB 板供应商如沪电股份（002463.SZ），以及 AI 芯片封装测试环节的长电科技（600584.SH）等，也属于上游配套体系的重要构成。
需要说明的是，谷歌（GOOGL.US）TPU 等部分芯片厂商以自用为主，仅有少量算力对外提供，裸芯片极少对外销售，并未完全进入市场化芯片交易链路。而半导体晶圆制造如台积电（TSM.US）和 EDA 工具供应商如新思科技（SNPS.US）、楷登电子（CDNS.US）、国内华大九天（301269.SZ）等，属于算力芯片更上游的半导体母产业链支撑环节。
2）中游：Token 计价与分发层（交易枢纽）
中游将上游的原始算力封装成大模型服务，以 Token 作为核心计量单位对外提供调用，是连接算力供给与终端需求的交易枢纽。头部大模型厂商在这一环节拥有较强的定价权。
通用基础模型厂商方面，海外代表有 OpenAI、Anthropic、谷歌 Gemini；国内则有智谱（02513.HK）、MiniMax（00100.HK）、DeepSeek、百度文心、阿里通义、腾讯混元。
在模型聚合与推理平台领域，海外有 OpenRouter 和 Together AI；国内对应的是硅基流动、PPIO 派欧云、无问芯穹等。
值得注意的是，Meta（META.US）Llama、Mistral 等开源模型向开发者开放权重，本身不直接面向终端售卖 Token 云服务；企业可获取权重自主部署推理。开源生态大幅降低自建推理的准入门槛，对闭源商业模型的 Token 定价或形成显著外部约束。
3）下游：Token 应用层（价值兑现端）
下游企业采购 Token 并将其嵌入自身业务流程，最终面向客户完成价值交付。目前商业模式分化为两类：一类是直接按 Token 调用量向客户收费；另一类是将 Token 成本打包，转而按业务结果向客户收费——后者被微软 AI 前负责人布雷特 · 泰勒视为长期演进方向。
海外典型应用包括 GitHub Copilot、Notion AI；国内则有智齿科技（AI 客服）、迈富时（02556.HK）、明略科技（02718.HK）和迅策科技（03317.HK）等。
此外，ChatGPT Plus、Claude Pro 等的 C 端订阅用户，以及各类机构内部自用的 AI 系统（如银行风控、律所合同审查）同样大量消耗 Token，也是终端需求方。
利润去哪了？产业链的成本与收益博弈
目前，Token 经济的利润大头依然被上游 " 卖铲子 " 的硬件厂商牢牢把控。以英伟达为代表的算力巨头，凭借技术壁垒和软件生态的锁定效应，享受着丰厚的利润，英伟达最近两个财季的非会计毛利率均在 75% 以上。
而中游的模型厂商，尽管 Token 调用量呈指数级增长，却普遍陷入增收不增利的困境，这是因为高昂的训练研发投入、持续烧钱的价格战，使得许多头部玩家的亏损幅度接近甚至超过营收规模。
下游应用层是 Token 产业链的价值出口——上游的算力投入、中游封装成型的模型能力，或最终在这里被 " 翻译 " 成企业愿意付费的业务结果。站在当前产业周期看，这一价值出口的有效需求体量尚且有限，多数 AI 应用厂商营收规模，远不及上游硬件企业营收的一个零头。少数能够深度嵌入行业流程的服务商（金融风控、医疗辅助诊断、代码生成等），若实现算力自主可控、形成行业壁垒，或能实现较为丰厚的毛利率，但受制于订单体量、落地周期，绝对利润依旧单薄；而大量轻量化套壳应用，本质只是分销中游模型厂商的 Token 调用能力，近似赚取微薄的渠道差价。
演变趋势：从 " 算力霸权 " 到 " 场景为王 "？
产业不会永远停留在当前 " 上游独赢 " 的阶段性格局，随着算力供需、技术路线、商业模式持续演化，Token 价值链有望迎来三次结构性迁移。
阶段一（当下：算力红利期）
核心矛盾在于高性能算力供给缺口显著，而硬件产能扩张周期漫长。算力硬件厂商因此成为现阶段的最大得益者——算力是生产 Token 的前置门槛，任何模型与应用落地都无法绕开 GPU、光通信及存储基础设施。资本共识也高度一致：优先投资 " 卖铲子 " 的环节。
风险临界点在于：随着全球 AI 服务器大规模投产、供给端持续放量（例如国产算力芯片批量供应），而应用层若未能同步消化新增算力，供需缺口将逐步收窄，硬件量价齐升行情将弱化。
阶段二：（中期：推理优化与 MaaS 分层竞争）
随着硬件供给逐步缓解，竞争重心由 " 有没有算力 " 转向 " 如何更高效地利用算力 "。单位 Token 的生产成本不再由硬件采购价单一决定，推理框架优化、KV 缓存管理、异构算力调度、PD 分离架构等软件能力开始创造巨大价值。
两条路线将争夺中游话语权：
1）通用基座模型厂商比拼的是生态丰富度、模型能力和开发者社区黏性。闭源厂商依靠持续迭代维持 Token 定价权；开源模型则通过企业级权重授权与私有化部署变现。
2）算力调度与推理解决方案商自身不拥有大模型，但能够聚合多元算力、优化推理链路，帮助全行业降低单位 Token 成本。由于不押注单一模型，这类企业可以同时服务多家模型公司。
这一阶段不会出现单一赢家，市场将走向分层：通用大模型赚取品牌与生态溢价；高效算力基础设施与推理服务商赚取持续稳定的效率红利；而缺乏技术壁垒、单纯租赁裸算力的企业，利润空间或被持续压缩。
值得一提的是，上述推演建立在模型能力增速趋缓、算力成本持续下降的前提之上。若下一代模型出现代际跃升或算力需求超预期增长，各阶段的时间窗口或相应调整。
阶段三（远期：垂直解决方案与终端价值主导）
AI 发展的终极目标不是生产更多 Token，而是利用 Token 解决真实的商业问题。长期来看，产业链价值重心将向下游迁移。
当模型能力趋于同质化、单位 Token 成本持续下行，客户将不再单纯为 Token 数量付费，而更愿意为实际的业务结果付费。具备行业 Know-how 和一体化 AI 解决方案能力的企业将占据优势：不再售卖调用接口，而是输出风控、营销、研发、生产等闭环服务。
届时衡量竞争力的标尺将不再是算力规模或模型参数，而是能否依托 AI 切实提升客户收入、降低客户成本。若模型能力趋于同质化，下游垂直应用龙头，有望反向对中游模型定价形成一定制约，推动整条 Token 价值链向应用端倾斜。
换言之，投资布局或可根据产业所处周期进行匹配。
启示：资本市场的 "Token 掘金地图 "
Token 经济的崛起，为全球资本市场提供了清晰的投资主线，但不同市场的投资逻辑各有侧重。
1）美股：全球 AI 产业估值锚，聚焦全球寡头龙头
美股代表全球 AI 产业链最高壁垒企业，估值或反映全球资本的长期预期。
上游算力硬件：英伟达与 AMD，牢牢掌控高端芯片生态，是当前全球算力扩张最大受益者；云厂商微软、亚马逊、谷歌等则依托自有算力 + 自研芯片，平衡资本开支与 AI 变现。
中游模型：OpenAI 尚未上市，Anthropic 推进 IPO；谷歌依靠 Gemini+ 自有 TPU 形成软硬一体闭环。
核心特征：美股龙头具备全球化定价权，业绩兑现周期清晰；缺点是其垄断位置更容易受到监管的审视。
2）A 股：算力配套与国产芯片核心阵地，博弈景气弹性
A 股承载国内算力硬件、半导体配套资产，资金交易活跃度高。
上游硬件集群涵盖光模块（如 " 易中天 "）、服务器（如工业富联、浪潮信息等）、PCB（沪电股份）、液冷温控（英维克）、AI 芯片（寒武纪）等核心标的。A 股资金偏好高景气硬件赛道，算力行情阶段弹性较强。
短板：稀缺独立商业化大模型上市主体，优质 AI 应用标的分散。
3）港股：当前最值得重视的价值洼地，具备独特差异化标的
港股拥有 A 股、美股无法替代的稀缺 AI 资产，同时整体估值中枢更低，南向资金持续增配，存在显著预期差：
（1）港股算力硬件：受益全球算力扩张和国产算力替代双重逻辑
正在招股的中际旭创：全球光模块龙头，深度绑定海外云厂商与英伟达，800G/1.6T 产品持续放量，是上游硬件核心底仓标的。
壁仞科技和天数智芯：国产高端 GPU 稀缺上市平台，受益国内算力自主可控趋势，但短期业绩释放尚需时间。
（2）港股独有的商业化大模型标的（A 股稀缺）
智谱：港股通可交易纯通用大模型标的，GLM 开源生态完善，政企端 MaaS 业务高速增长，兼顾训练与推理算力布局，是观察国内 Token 商业化落地的核心风向标；
MiniMax：多模态大模型龙头，打通 C 端出海和 B 端 API 两条路径，在视频生成、消费级 AI 产品具备差异化优势。
风险提示：独立大模型企业当前仍处于亏损扩张阶段，股价高度依赖 ARR 增速、算力成本管控、客户拓展进度，博弈属性更强。
百度集团：互联网大厂大模型标杆，文心一言叠加智能云，自有算力集群持续扩容。与纯初创模型公司相比，具备成熟现金流对冲 AI 投入，攻守兼备。
（3）港股垂直 AI 应用标的：等待下游价值兑现拐点
迈富时、明略科技、迅策科技等，或深耕金融、政企数据、企业数字化等垂直赛道，依托行业壁垒消化 Token 成本，逐步从单纯采购模型转向自研微调、构建行业专属智能体。
这类标的当前尚未成为市场主线，但或可得益于远期产业趋势，须持续跟踪客户付费意愿、AI 业务利润率改善信号。
除此之外，港股两大互联网巨头或走出不同的 AI 兑现路径。腾讯控股（00700.HK）依托混元大模型深度赋能广告、游戏、企业服务，以充沛经营性现金流持续投入算力研发，AI 能力内嵌于成熟主业，或可实现协同降本增收。
阿里巴巴 -SW（09988.HK）则走全栈算力结合 MaaS 路线，通义千问依托阿里云形成 " 算力底座 - 模型服务 - 开发者生态 " 闭环，直接得益全行业 Token 调用规模扩张；开源 Qwen 持续扩大开发者圈层，百炼 MaaS 平台承接大量企业推理需求，是中游 Token 交易环节核心参与者，弹性更多来自云计算 AI 业务收入持续放量。
这两大巨头代表港股互联网两条 AI 投资主线：腾讯侧重存量业务效率提升，阿里侧重对外输出算力与模型服务。
拟上市与新兴 AI 公司：港股正积极吸引各类 AI 独角兽。那些在特定领域如 AI 医疗、AI 教育、AI 营销拥有独家数据，且能跑通 Token 消耗与商业变现闭环的公司或值得高度关注。对于这类公司，关键要看其是否摆脱了 " 烧钱换规模 " 的旧逻辑，真正实现单位 Token 的正向收益。
结语
当前算力为王只是产业发展的阶段性缩影，算力供需平衡之后，行业竞争将转向推理效率，远期胜负或取决于场景落地与价值转化能力。
资本追逐的永远是价值链中议价能力最强的环节。Token 浪潮远未结束，但利润蛋糕的分割方式正在缓慢重构。看清这场持续演变的博弈，才能避开流量幻象，寻找到经得起产业周期检验的投资主线。
