20260512-中金公司-中金_Token启示录_二_单位经济模型探讨_8页_1mb

中金 | Token启示录（二）：单位经济模型探讨 总结

核心内容

本报告聚焦于大模型厂商在Agentic AI加速渗透背景下，Token Factory商业模式的单位经济模型分析，包括Token的单位成本测算、单位价格测算以及整体经济模型的毛利率分析。报告旨在为市场提供对Token经济模型的深入理解，并探讨其在中长期的商业化前景。

主要观点

1. Token单位成本测算

• 算力自建：假设使用NVL72机柜（72颗GB200）作为推理算力基座，推理成本估计在2美元/百万Tokens左右。
• 算力租赁：基于Coreweave等主流平台价格，假设租赁价格为10美元/GPU Hour，测算得每百万Tokens的推理成本约为2.6美元。
• 关键因素：推理端的Tokens输出效率是决定综合成本的核心，GB200单卡推理效率可达1,000 Tokens/s，但具体效率受模型参数规模、算法优化及基础设施优化等因素影响。

2. Token单位价格测算

• 定价结构：输出Tokens的定价通常是输入Tokens的几倍，但Agent应用中输入Tokens占比显著提升，导致平均价格有所下降。
• 价格分层：随着模型智能水平的提升，高智能模型仍会享有溢价，未来可能出现价格分层现象。
• 国产模型定价：目前国产模型API定价普遍低于海外，但随着模型能力提升，未来有望提价至对标海外模型的**30%-50%**水平。

3. Token经济模型分析

• 单机柜模型：基于算力自建和租赁两种模式，测算出理论毛利率分别为60%和20%。
• Token Factory模式：已成全球大模型主流商业模式，海外头部厂商如Anthropic的ARR增长迅速，预计未来更多厂商将聚焦于Agent和Coding方向。
• 毛利率趋势：海外头部大模型公司API业务毛利率在**40%-50%区间，国内厂商则在20%-40%**区间，但趋势向好。
• 盈利模型：随着推理规模扩大和训练端成本摊薄，模型公司有望在中期达到整体净利润的盈亏平衡点，长期利润空间可观。

关键信息

成本端

• 自建算力成本：NVL72单机柜年化总费用约为1.77百万美元，其中年折旧成本约1.01百万美元，电费约0.11百万美元，其他费用约0.65百万美元。
• 租赁算力成本：NVL72单机柜年租金约2.4百万美元，结合租赁效率和使用比例，测算出每百万Tokens的总成本为2.6美元。

价格端

• 输入与输出比例：Agent应用中输入占比为8:1，而ChatBot为2:1。
• 价格差异：海外头部模型如Claude-4.6 Opus、GPT-5.4的平均价格分别为6.36美元和3.44美元/百万Tokens，而国产模型如Qwen、GLM等价格相对较低，但有上升空间。

商业模式与盈利前景

• Token Factory模式：作为“为过程付费”的商业模式，其毛利率具有正向趋势，未来有望跑通大模型的净利润和ROI。
• 未来方向：随着模型能力提升和AI应用成熟，“为结果付费”的商业模式可能成为更理想的盈利模式，但目前仍处于早期探索阶段。

风险提示

• Agentic AI渗透率波动：AI技术进步速度和渗透率非线性增长，可能影响商业化进程。
• AI ROI不及预期：若云厂商投入的Capex无法带来预期回报，可能影响市场情绪。
• 测算误差：报告中涉及的多个测算假设可能带来误差，包括成本、价格和盈利预测。

图表要点

• 图表1：展示算力自建Capex角度的Token成本测算。
• 图表2：展示算力租赁Opex角度的Token成本测算。
• 图表3：海外头部大模型Token价格结构及平均价格测算。
• 图表4：国内大模型Token价格结构及平均价格测算。
• 图表5：Token Factory模式下的理论毛利率测算。
• 图表6：大模型公司假设IS模型，展示中期和长期的盈利趋势。
• 图表7：Token经济模型下可能的价值分配比例。

结论

Token Factory模式在当前Agentic AI快速渗透的背景下，已成为大模型厂商主流的商业化路径。单位Token的成本与价格受算力效率、模型参数规模及市场结构影响，国产模型在定价和毛利率上仍有提升空间。随着技术迭代和市场成熟，Token经济模型有望推动大模型行业实现盈利，但短期内仍需关注渗透率波动和ROI预期等风险因素。