> **来源：[研报客](https://pc.yanbaoke.cn)** # AI行业框架培训总结 ## 核心内容 本次培训围绕“量→价→值”的Token经济学展开，结合Infra/模型/应用三层叙事，探讨Token在AI产业中的价值衡量作用。培训重点分析了Token使用量的爆发增长、单位推理成本的测算、Token的三层价值分层及商业化路径，并深入解析了Agent的商业模式、技术路径及投资机会。 ## 主要观点 - **Token是衡量AI产业价值的核心指标**，其使用量的爆发式增长（全国日均Token两年增长1400倍）反映了AI产业的快速发展。 - **Agent对Token消耗呈乘数效应**，在中度使用场景下，当Agent渗透率达8%时，总Token消耗已与ChatBot相当；重度场景下，渗透率仅需2%即可实现50倍增长。 - **Token经济学驱动全产业链受益**，从算力/IDC/云/安全等基础设施层到应用层，均因Token爆发而获得增长机会。 - **AI原生应用的商业模式**将按GDP占比进行扩张，其溢价能力最高，但尚处于早期探索阶段。 - **模型厂商盈利路径清晰**，中期约5年实现盈亏平衡，长期利润空间可观；模型技术领先是唯一估值锚点。 - **AI搜索+GEO/GEM+LLM for Ad**形成完整商业闭环，具备量化验证和高确定性。 - **AI安全因Mythos叙事反转**，安全需求扩张而非减少，关注平台型公司及中间层技术（如身份与授权、行为可观测）。 - **企业服务AI落地关键在交付层**，而非模型层；税友作为标杆，验证了AI在企业服务中的实际价值。 - **AI4S（AI for Science）**具备三大爆发条件：能力足、开源低成本、认知够，成为AI应用的新方向。 - **具身智能**在2026年进入量产元年，是长期“iPhone级”市场，投资应聚焦核心零部件与真实数据闭环。 - **Agent本质是AI应用的子集**，需满足“day one盈利”标准，其商业模式应聚焦于业务价值创造，而非简单调用模型。 ## 关键信息 ### Token之量 - 全国日均Token两年增长1400倍，2026年3月突破140万亿。 - 企业端API Token同比增长320倍，成为Token消费主力。 - Agent在中度场景下渗透率8%即可追平ChatBot总消耗。 ### Token之价 - 自建推理成本约2美元/百万Token，租赁成本约2.6美元/百万Token。 - Token Factory理论毛利率可达60%，海外头部厂商API业务毛利率在40-50%，国内预计达到20-40%。 - Agent均价较低但总量高，具备高毛利潜力。 ### Token之值 - C端市场规模约6000亿美元（订阅+广告）。 - B端Token Factory市场规模约4万亿美元。 - AI原生应用按GDP占比，具备无限增长潜力。 ### Agent专题 - Agent商业模式从订阅广告→API按量→按结果收费，溢价能力逐层提升。 - Agent输入输出结构为8:1，比ChatBot（2:1）更高效。 - Agent落地节奏：2024年为Workflow Agent，2026年为Autonomous Agent。 ### 投资框架 - **投资落点**：关注具备行业壁垒、数据壁垒和know-how的公司。 - **基础设施层**：算力/IDC/云/安全等受益于Token爆发，关注K型分化与扩容节奏。 - **模型层**：技术领先是唯一估值锚点，国产模型工程优化优势显著。 - **应用层**：九赛道按确定性强弱排序，智能座舱、AI搜索、Coding+Office商业化最猛。 ## 投资建议 - **关注Token经济学**：从量→价→值的传导链条，Token是衡量AI产业价值的核心。 - **把握Agent商业化趋势**：Agent是AI应用的子集，需满足day one盈利，关注其对产业的赋能。 - **重视模型技术迭代**：模型保鲜期短，技术领先是关键，国产模型在工程优化上具备优势。 - **布局AI原生应用**：按GDP占比的商业模式具有巨大增长空间，需关注其落地节奏。 - **AI搜索与GEO**：形成完整商业闭环，具备量化验证，是确定性高的赛道。 - **AI安全**：因Mythos叙事反转，安全需求扩张，关注平台型公司及中间层技术。 - **企业服务AI**：胜负在交付层，关注具备数据壁垒与闭环能力的公司。 - **AI4S**：具备三大爆发条件，关注其在科研、生物医药、化学等领域的落地。 - **具身智能**：长期是“iPhone级”市场，投资应聚焦核心零部件与数据训练。 ## 风险提示 - 推理成本下降快于用量增长，可能导致TAM不增反降。 - 模型厂商可能垂直整合，吞噬独立层。 - Agent经济变现时间表滞后，需关注其商业化节奏。 - 传统安全产品面临挑战，需重视AI原生安全需求。