Token(词元)作为AI模型处理信息的最小计量单位,正成为AI经济的通用货币和关键生产要素。其全产业链从底层基础设施到最终价值实现,构成了一个完整的闭环体系。

一、产业链结构全景 上游:生产环节 - "词元工厂"

这是产业链的最上游,负责将电力和数据转化为Token,相当于为Token生产提供"厂房"和"设备"。

核心构成:

  • AI芯片与服务器:GPU等AI芯片是决定算力的关键。英伟达凭借GPU和CUDA生态构建算力帝国,华为昇腾、寒武纪等国产芯片加速追赶。

  • AI数据中心(AIDC):承载Token生产的核心平台,随着AI云市场高速增长成为Token生产与流通的物理基础。

  • 配套设施:液冷散热、供电系统等,共同决定"每瓦词元数"的生产效率。

优化环节:通过软件和算法提升生产效率,包括推理优化算法、调度系统、光模块等。

中游:流通环节 - "计价器与传输网络"

负责Token的定价、交易、调度和传输,将上游算力转化为下游可消费的Token服务。

主要形态:

  • AI API平台:OpenAI、Anthropic、百度文心等,将底层算力封装成API,按每百万Token收费。

  • 算力市场:中心化(按Token租用GPU)和去中心化(Web3用区块链Token激励闲置GPU)。

  • 定价分层:高价值实时Token(AI手术、自动驾驶)价格较高;批量非实时Token(离线翻译、批量生图)价格较低。

下游:应用环节 - "消耗场"

所有AI功能都在背后"烧"Token,这是Token价值的最终出口。

三大消耗场景:

  1. 对话与助手:智能客服、AI陪聊,每次交互消耗少量Token。

  2. AI Agent(智能体):写代码、订机票等复杂任务,消耗量可达简单对话的数千倍。

  3. 内容生成:生成图片/视频、同声传译等,消耗更高数量级的Token。

二、竞争格局与核心企业 行业领跑者
  • 阿里巴巴:凭借从自研芯片、大模型到企业应用的全栈闭环能力占据优势。

  • 字节跳动:依靠强大的资本投入和抖音、豆包等庞大的2C应用生态,在AI云市场快速抢占份额。

各环节代表性企业

环节

细分领域

代表性企业

核心逻辑

能源端

电力供应

长江电力、协鑫能科、金开新能

提供低成本电力,占总成本约70%

生产端

AI芯片

海光信息、寒武纪、燧原科技

国产DCU/芯片,为训练和推理提供核心算力

AI服务器

浪潮信息、工业富联

国内服务器市场龙头,承接大量AI推理订单

光模块

中际旭创、新易盛

受益于AI算力建设带来的高速率产品需求

数据中心

润泽科技、数据港、首都在线

字节、阿里、智谱AI的核心算力供应商

液冷温控

高澜股份、英维克

提供高效液冷解决方案降低数据中心PUE

流通端

电信运营商

中国移动、中国联通、中国电信

掌握算力网络和跨境带宽等垄断性资源

CDN

网宿科技

通过全球节点实现Token低延迟跨境传输

算力租赁

鸿博股份、平治信息

通过算力租赁服务参与Token流通

应用端

大模型

科大讯飞、三六零、昆仑万维

星火大模型、360智脑、天工大模型落地应用

AI应用

金山办公、同花顺

WPS AI、Find AI产品持续消耗Token

三、核心趋势与价值传导 1. 定价权回归

随着智能体等应用爆发,Token需求激增导致算力成为稀缺资源,上游的CPU、内存成本上涨,行业正迎来价格上调周期,云厂商重新掌握定价权。

2. Token出海

凭借高性价比的国产大模型、低廉的电力成本和完整的供应链优势,中国AI模型正通过API形式向全球提供推理服务,实现"Token出海"。长城证券认为,词元出海的实质是中国本土AI模型通过API接口向全球提供推理服务,按处理量计费,实现算力与电力的"数字化出口"。

3. 效率传导机制

产业链遵循"效率传导"逻辑:

  • 上游效率源点:芯片架构与数据中心工程,核心指标为每瓦Token产出(Token/Watt)

  • 中游效率转化:模型压缩与推理调度,核心指标为每美元Token成本(Token/$)

  • 下游效率兑现:场景嵌入与价值捕获,核心指标为每Token业务价值(Value/Token)

传导机制:上游效率增益向下游传递,压低中游成本,激发下游新需求;下游爆款需求向上游索取更极致效率。

四、投资逻辑与优先级 长城证券的投资视角:

  1. 第一阶段:存储与显存环节,获取短期供需错配带来的最大涨价弹性

  2. 第二阶段:算力芯片与服务器,锁定中期业绩

  3. 第三阶段:电力设备与绿电运营,具备长期壁垒

  4. 第四阶段:具备真实场景落地能力和海外高溢价变现能力的头部企业

基金经理的五大投资机遇:
  1. 上游算力底座提供方:AI芯片、服务器、数据中心、算力租赁等"卖铲子"角色

  2. 大模型公司:词元的直接处理者和收费方

  3. 下游应用领域:AI渗透千行百业催生的新增机会

  4. 配套服务:数据治理、标注、确权等服务

  5. 信息安全与合规审查:AI大模型时代的新调整与定位

五、技术路径与商业逻辑 芯片路线博弈:
  • 英伟达路线:"通用+生态锁定",追求规模垄断,用通用GPU覆盖全场景

  • Groq/Cerebras路线:"专用+体验壁垒",放弃通用性换取极致低延迟

  • 国产芯片路线:"安全+性价比",追求政策驱动的替代空间

基础设施升级:
  • 液冷成为标配:2027年新建AI数据中心液冷占比将达70%以上

  • CPO光互联:将跨节点Token传输能耗降低约30%

  • 绿电/核电直供:锁定低价电力就是锁定长期效率优势

六、风险与挑战
  1. 供给集中性风险:芯片设计制造壁垒极高,优质数据中心位置和绿电资源稀缺

  2. 技术迭代风险:AI技术快速演进,现有基础设施可能面临淘汰

  3. 监管政策风险:国内外对AI技术的监管政策可能影响产业发展

  4. 能源依赖风险:电力成本占总成本约70%,能源价格波动直接影响产业盈利

Token产业链本质上是一场将物理世界的电力转化为数字世界智力的变革。随着AI从训练走向高频推理与智能体应用,整个产业链正形成从基础设施需求扩张到价值变现的正向飞轮,构筑起智能时代经济发展的新基石。

一年一倍者众,三年一倍者寡。

努力追寻一条成熟、稳健、低回撤、可持续、可传家的投资之道,穿越牛熊,穿越周期。

免责申明:

1,本公众号仅是记录个人复盘笔记,本文的一切内容仅为分享交流,不构成任何实际操作建议,投资者如据此交易,风险自担,盈亏自负;

2,投资有风险,交易需谨慎,请为你的投资决策负责。