拥抱Token经济浪潮 国产算力链正在拼效率、压成本

当前，Token逐渐成为衡量AI计算资源乃至商业价值的新尺度。

作为Token背后的核心底层支撑，算力产业链也正面临一次深刻考验。如何在持续涨价的AI元器件背景下，提供高算效比的算力与持续稳定的Token，如何更好满足旺盛的Token需求，正成为当下的必答题。

在世界人工智能大会（WAIC）期间，厂商已经在试图做出解答：相比单纯比拼单芯片性能，越来越多国产算力产业链企业开始尝试通过架构创新、系统优化和产业协同，提高整体Token生产效率，在推理时代探索属于自己的竞争优势。

底层算力求转变

Token需求爆发来得快且急。

据IDC统计，2025年全球日均Token消耗量相比上一年增长近300倍，中国企业级Token年度消耗量增长近20倍，2025年中国生成式AI模型调用量占全球35%以上，且增长速度明显快于北美市场。

另一组更直观的数据来自模型即服务（MaaS）市场。IDC预计，中国MaaS市场正进入高速增长期，2025年大模型Token调用量较上一年增长16倍，2026年有望比2025年实现20倍增长，Token经济正从概念阶段进入规模化实践。

这些Token需求正需要算力底座提供支撑。算力产业链也意识到，决定用户最终体验的，已经不仅仅是芯片峰值性能，而是整个系统能够以多高效率、多少成本持续输出Token。

这种变化，正在重新定义国产AI芯片的发展方向。

“现在行业跑完整大模型业务，早已不是单卡独立运行，普遍采用多芯片分布式集群部署，行业主流技术方案是Prefill-Decode分离（PD分离）调度。传统GPU架构想要实现PD分离需要大量上层软件改造，而我们的TPU底层架构原生适配PD分离调度，落地门槛更低、调度效率更高。”中昊芯英创始人、CEO杨龚轶凡在接受21世纪经济报道等记者采访时表示，当下以“小龙虾”为代表的Agent智能体应用全面爆发，直接催生了全新的算力需求。这类业务输入Token规模远高于输出Token，两者差距最高可达一万倍，传统算力基础设施很难适配这种极端不均衡的输入输出特征，PD分离分布式调度成为行业刚需，倒逼算力基础设施全面升级。

据悉，公司接下来会采用差异化芯片硬件设计，分别侧重承载Prefill预计算任务，以及专攻Decode解码生成任务，通过软硬件协同进一步释放集群整体算力性能。“对比传统通用GPU，我们整套TPU技术路线能够给客户带来更高算力、更低综合使用成本、更少软件适配工作量。”他续称。

杨龚轶凡还提到，公司第二代芯片“须臾^®”TPU所有硬件结构的调整，全部来源于第一代芯片过去在多市场落地的真实反馈。团队过去在与各类合作伙伴、大模型企业持续合作对接过程中，收集到大量涵盖算力利用率、多卡通信、存储吞吐、大模型推理调度等方面的优化痛点，基于这些真实业务需求，完成了对新一代芯片底层硬件的重构。

如果说PD分离反映的是芯片架构在推理方面的优化，那么另一项变化则发生在软件生态层面。

长期以来，国产AI芯片普遍面临软件生态碎片化的问题。不同大模型、不同开发框架往往需要分别完成适配，每一次模型升级，芯片厂商都需要投入大量研发资源重新优化。随着国产模型和国产芯片数量不断增加，这种适配复杂度进一步提升。

杨龚轶凡坦言，中昊芯英的芯片正处于从“可用”到“好用”的阶段，在核心软件栈方面，有两个关键能力需重点关注：一是对于不同模型、算子，要实现更优化的软件适配；二是让使用者上手即用并能应用多样化工具。

“从芯片研发角度来说，目前行业至少还要两到三年才能真正让软件栈成熟，但其实这个时间并不算太长。”他进一步指出，这也是中昊芯英选择Token Factory（词元工厂）模式来推动产业发展的原因。

其核心逻辑在于，将底层复杂的软件框架封装起来，对外统一提供标准化API接口。这源于客户更关注“每百万Tokens需要多少成本和多长时间”，而不是底层运行着哪一种框架或芯片。这种思路，本质上也是希望推动产业发展重心从软件适配转向Token生产效率本身。

这并不是一家厂商的思路。今年WAIC期间，“超节点”几乎成为AI算力企业展示的共同方向。其关键也是通过创新架构设计、引入光互连等路径，以系统级创新的思路提升整体算力效率。

IDC也认为，未来Token经济的供给侧，本质上是算力、网络、存储等基础设施协同效率的竞争，而AI Factory（AI工厂）将成为批量生产Token的新型基础设施。

从产品竞争到体系竞争

对于今天的大模型而言，一次Agent任务已经不只是完成一次推理，而是涉及模型理解、知识检索、多轮推理、工具调用以及持续生成等多个阶段。整个过程中，芯片计算、网络互联、KV Cache存储、任务调度以及软件运行时都会影响最终Token生成效率。

但挑战在于，去年下半年以来，AI服务器、高带宽存储（HBM）、高速网络等核心基础设施持续涨价，间接给降低Token成本带来压力。

一名算力产业资深从业者对21世纪经济报道记者指出，目前算力产业链在推进AI算力项目过程中讨论最多的，就是如何通过系统优化，让有限的算力资源发挥出更大价值。

“性能提升是综合性的。”他分析道，影响Token成本的不仅是芯片本身，还包括软件调度、网络互联、资源编排以及具体业务场景适配能力。未来无论是千卡集群还是万卡集群，都不会是单一架构组成的大资源池，而将成为多种架构长期共存的基础设施，不同模型、不同业务负载需要调用不同类型的算力资源。

“在实际使用过程中，我们发现使用率会有波动。一旦能够把波谷的算力利用起来，成本自然就下降了。”他补充指出，因此算力设备厂商大多会从算力资源调度、网络能力优化等层面，推动与芯片能力的更好协同，最终推动Token更高效地创造价值。

业界正为此持续努力。

近日，由中昊芯英、杭州电信、中兴通讯联合打造的华东地区（杭州）首个国产TPU千卡智算集群项目正式落地。

杭州电信智算及IDC中心总经理王良在受访时提到，“我们在今年与中兴通讯、中昊芯英共同的调优工作中发现，调优效果对于Token输出效率影响非常大，从今年初到现在，TPU集群通过调优提升效率超过10倍。原来每百万Tokens的成本如果是100元，现在差不多能降到10元以下。所以我们认为调优工作是今后尤其是在Token经济开始以后非常重要的工作。”

这反映了一种新的产业思维。过去建设万卡集群，更多强调“规模”；而未来建设万卡集群，更重要的是“分而用之”。一个大型资源池可以根据模型类型、推理阶段以及业务特点动态划分资源，提高整体利用率，充分利用算力“波谷”，整个系统的单位Token成本自然随之下降。

前述算力从业者还对21世纪经济报道记者提到，今天行业讨论更多围绕“百万Tokens还能降到多少钱”展开，但真正决定AI商业模式的，是每一个Token最终能够创造多少价值。

如果一次复杂推理消耗了大量Token，却依然无法完成任务，那么即便单位Token继续降价，其商业价值依然有限；相反，如果借助智能体编排、工具调用以及技能沉淀，将大量重复劳动提前完成，让模型只负责真正需要推理的部分，即使单位Token价格更高，企业整体成本反而可能进一步下降。

从这个角度来看，Token经济不仅带来了推理需求的爆发，更推动了国产算力产业从“产品竞争”迈向“体系竞争”。未来真正决定竞争力的，或许不是谁能够生产最多的Token，而是谁能够以最低的系统成本，持续生产最有价值的Token。