AI行业深度研究报告-AI时代与Token经济：从技术符号到数字石油

证券研究报告* 请务必阅读最后一页免责声明AI时代与Token经济：从技术符号到数字石油研究团队：传媒互联网组、海外组——AI行业深度研究报告报告日期：2026年8月1日证券研究报告* 请务必阅读最后一页免责声明摘要➢ 围绕Token经济的讨论本质是为AI的远期需求定价。token来自“大模型处理信息的最小信息单元”这一技术定义，黄仁勋自2024年以来围绕其逐步构建起“token工厂”和“token经济”的叙事。“token经济”本质是凭借token在AI创造价值产业链中间环节的地位，将其作为AI产业的景气度指标，token的规模并不等同于当前AI创造价值的规模，但代表了社会对AI远期需求的期望。➢ Coding之后，如何预期AI需求趋势：市场对“token经济”的争议本质还是对AI需求预期的波动。1）头部公司token投入策略的调整，并不代表AI产业逻辑的破灭，而是代表“token经济”正尝试从“算力-token”向“token-价值”阶段切换，token消耗领先于token创造的价值，也是其属性带来的正常规律，B端效率提升会从代码扩散到研发费用、行政费用等方面，对应全球约2万亿美元市场空间，C端还会随着能力提升持续增长，后续需求空间仍有较大拓展空间；2）AI效率提升会降低同一任务的token消耗，但AI仍然在追求效益最大化的阶段，随着能力的提升，整体token的需求和消耗反而会增加；3）各产品token定价本身存在起伏，并非只有api提价才是积极信号，价格变动体现的是产品不同的定位和竞争策略；4）算力供给不足的情况可能在一段时间内持续，由于模型迭代、上下文长度、场景拓展，需求呈乘数的增长，而供给是累加式的推进，增速呈现阶段性错配。➢ Token经济催化：模型迭代、推理优化、交互范式、物理AI。1）模型能力提升是AI需求和“Token经济”发展的本质动力，开源模型参数量竞争仍在继续，RSI有望催化模型加速进步，关注核心测试基准的得分情况变化；2）推理效率的改进，诸如kv cache优化、量化等技术的应用与发展，改变的是“算力-token”阶段的效率；3）用户与AI的交互范式持续变化，往往伴随AI主动权和token消耗的增加，有望拉动新一波token消耗；4）物理AI的潜在应用空间和算力消耗都体量庞大，其发展将成为AI需求进一步打开的重要催化。➢ Token经济产业链投资机会。1）AI大模型行业领先选手可将竞争力变现；2）具备强议价权的核心硬件供应商将受益于下游需求扩张；3）Token经济带动token工厂、中转站等AI基础设施新业态机会；4）关注专业语料推理变现与具备稀缺性的物理AI数据积累；5）AI应用中，AI大模型公司有望沿着coding向办公拓展，而目前可用性较高、同时具备行业壁垒的方向有望取得突破，如视频、营销、电商、金融法律等。➢ 风险提示：大模型能力迭代不及预期；算力短期供需波动；AI应用推进不及预期。1证券研究报告* 请务必阅读最后一页免责声明2Token经济本质：AI的远期需求定价01Coding之后，如何预期AI需求趋势02Token经济催化：模型迭代、推理优化、交互范式、物理AI03Token经济产业链投资机会04目录C O N T E N T S风险提示05Token经济本质：AI的远期需求定价01证券研究报告* 请务必阅读最后一页免责声明•Token（词元）是大模型处理信息的最小信息单元。如在大语言模型处理过程中，文本内容会先被拆分为不同的token，如输入内容会被拆为输入tokens再进入模型处理，形成输出tokens，再转换为回复内容。不同文本场景下，同一个单词也可能对应不同的token。•当前大模型产品中常常采用token作为计费单位。大模型产品往往采用token输入或输出的数量计费，此时接近于“千瓦时”或“byte”之类的计量单位，根据OpenAI，一般4个字母或3/4个单词对应一个token，1段话约为100个token，deepseek指出1个英文字符约为0.3个token，1个中文字符约为0.6个token；根据AI运行的不同环节，token包括输入、输出、缓存、推理四种类型，一次AI交互所消耗的token数量来自各项的合计，用户使用大模型产品的付费依据就是输入/输出token的数量再乘以单价。1.1 token：AI景气度指标，AI供需关系的体现Token的类型说明输入tokens用户的请求里的tokens输出tokens在回复中生成的tokens缓存tokens在对话历史里复用的tokens（一般折扣计价）推理tokens一些先进模型中，在生成最终结果前会内在包含一些额外的“思考步骤”图表3：在大语言模型中的token类型图表1：token体现内容切割方式资料来源：OpenAI，国联民生证券研究所资料来源：OpenAI，国联民生证券研究所英语环境下的内容对应token数量4个字母1token3/4个单词1token75个单词100tokens1-2个句子30tokens1段话100tokens约1500个单词2048tokens图表2：部分内容对应token数量Token类型deepseek-v4-flashdeepseek-v4-pro百万tokens输入（缓存命中）0.02元0.025元百万tokens输入（缓存未命中）1元3元百万tokens输出2元6元4图表4：大语言模型产品以每token定价资料来源：DeepSeek，国联民生证券研究所资料来源：OpenAI，国联民生证券研究所证券研究报告* 请务必阅读最后一页免责声明100010000001400000020000040000060000080000010000001200000140000016000002024年初2025年底2026年3月5•Token消耗量随着AI普及而迅速提升。中国日均词元调用量在过去两年快速增长，2026年3月已经达到140万亿。•Token数量的增长不等于当前AI创造价值的增长，但代表了社会对AI远期需求的期望。同样的Token消耗，在不同使用场景所能带来的价值不同，token经济不等于终端价值，但token消耗的增加直接带来大模型实际收入增加，体现的使用者的付费和投入意愿，因此我们倾向于将token的消耗理解为社会对AI远期需求的期望，AI远期理论价值空间决定了token经济的兴衰。资料来源：新华社，国联民生证券研究所图表5：中国日均词元调用量（单位：亿）1.1 token：AI景气度指标，AI供需关系的体现证券研究报告* 请务必阅读最后一页免责声明1.2 token经济的代表：黄仁勋的“token工厂”叙事•在GTC 2024大会上，黄仁勋开始提出“AI工厂”（AI factory）。黄仁勋总结到，2023年兴起的生成式AI带来了“新的工业革命”，而“AI工厂”输入数据和电力，产出token，可以对比电力革命中生产电力的发电厂。6图表6：GTC2024上，黄仁勋指出“新的工业革命”时提及AI工厂“的概念资料来源：Nvidia GTC2024，国联民生证券研究所➢1）数据中心变成token工厂：不再是存储和处理数据，而是输出token证券研究报告* 请