先看一组反差。
2026年，全球Token市场规模预计达到1350亿美元——一年前，这个数字还只有240亿。一年暴涨460%，Gartner原本预测2030年才能达到的规模，今年就提前实现了。
但同一门生意，毛利率却是两个世界。海外第一梯队的Token服务商，毛利率普遍在50%上下；国内的第三方服务商，毛利率普遍不到20%，其中给模型厂商做配套的Token工厂，只有5-6%。
相差10倍。
差距的根源不在技术，在定价权。最近读完一份《Token市场海外对标研究报告》，把这个差距的来龙去脉拆得很清楚。这篇文章，把报告里最值钱的几组数据和判断整理给你。
01 ｜ 一年涨出460%的生意
Token服务正在变成AI产业链价值分配的核心环节：向上支撑AI应用，向下调用模型和算力。市场爆发的另一面，是模型原厂自己提供的Token服务已经喂不饱需求，催生出一大批第三方服务商。
图：全球Token市场规模
海外这两年跑出了清晰的第一梯队，而且分化成了两条完全不同的路线。这两条路线的打法、壁垒和财务模型，差别大到不像同一个行业。
02 ｜ 两条路线：做调度的，和做芯片的
第一条是MaaS路线，代表是Fireworks。创始团队出自Meta PyTorch整建制班底，核心能力是在英伟达GPU上做推理调度和性能优化。
几个数据感受一下它的成色：自研推理引擎FireAttention，FP8精度下吞吐比开源方案vLLM高5.6倍；GPU利用率从40%拉到85%；今年7月日处理Token超过40万亿，其中95%来自企业客户的定制模型。
最后这条最关键。定制模型意味着深度绑定，客户想换掉它的成本极高——这才是MaaS路线真正的护城河，而不是对开源旗舰模型做通用加速。开源社区迭代太快，通用加速的优势迟早被追平。
第二条是芯片路线，三家公司三种命运：Groq去年12月被英伟达200亿美元收编，LPU进了Vera Rubin平台；SambaNova绑定英特尔，年收入还在亿美元级；只有Cerebras走到了IPO，今年5月上市，市值在500亿美元附近徘徊。
Cerebras能独立活下来，靠的不只是晶圆级芯片——同参数模型，它的推理速度是英伟达的10倍以上——更是锁定了超大客户。今年1月，OpenAI和它签了超过200亿美元的长期协议，外加10亿美元贷款和行权后接近10%的认股权证。OpenAI同时是它的客户、债主和潜在股东。没有这种级别的客户托底，Cerebras大概率也步了Groq的后尘。
维度
MaaS路线
芯片路线
代表厂商
Fireworks、Baseten、Together AI
Groq、SambaNova、Cerebras
核心能力
GPU推理调度与性能优化
自研推理芯片，重写成本结构
资产结构
轻：多云调度，不买卡不建厂
重：芯片研发＋自建算力
毛利率
45-50%
整体39%，MaaS已冲至53%
生存状态
ARR从10亿冲向20亿美元
两家被大厂收编，一家独立IPO
有意思的是毛利率。做芯片的Cerebras整体毛利率只有39%，还不如不碰芯片的Fireworks。但它的MaaS服务毛利率今年Q1冲到了53%，官方预期长期超过60%。
芯片本身不赚钱，芯片带来的成本结构改善才赚钱。这个细节，后面会呼应。
03 ｜ 毛利率差10倍，差在定价权
为什么海外能拿到50%？因为他们服务的是终端企业。
Fireworks的大客户是Cursor、Perplexity，Baseten的大客户是Notion、医疗AI应用Abridge。这些企业客户选第三方服务商，原因有两个：闭源模型太贵，以及担心自己的数据被模型原厂拿去训练。第三方服务商不自训模型，身份中立。定价也不锚定开源模型的刊例价——只要比闭源模型便宜，就有吸引力。
定价权握在自己手里。
国内的机制刚好倒过来。国内Token服务商的第一大客户往往是模型厂商：模型厂商以刊例价3-5折集采Token产能，再以7-9折转售，而服务商的生产成本大约是刊例价的4折。夹在中间，毛利率只剩5-6%，价格战狠的时候直接倒挂。
Token的定价权，在终端企业和模型厂商之间滑动。服务商能留下多少利润，取决于离哪一端更近。
图：国内外Token服务商毛利率对比
那国内服务商为什么不转去服务企业？报告的答案很直白：需求还没起量。
国内推理算力供给紧张，头部Token服务商每年CapEx也就十亿级别——而字节举债296亿美元、阿里募资800亿港元买卡，算力根本不在一个量级。企业客户的需求又是两个极端：要么非满血版DeepSeek不上，谁接谁赔钱；要么只跑27B的小模型，推理加速毫无用武之地。
但苗头已经出现。硅基流动的本地化部署方案，2025年收入只有2600多万元，毛利率却超过80%。服务企业这条路在国内也能走通，只是还需要时间，等客户成熟。
04 ｜ 50%不是稳态，是天花板
海外的50%毛利率，也不是终局，正在被从两端挤压。
一端是闭源模型降价：OpenAI用GPT-5.6 Luna把价格砍掉8成，Anthropic的Claude Opus 5直接腰斩。服务商再去和企业议价，对面站着越来越便宜的闭源模型。
另一端是开源模型开始分层收费。从Kimi K3开始，向MaaS服务商收分成成了趋势：公开协议要分成30%，实际执行在10%级别，但方向只有一个——只会越来越高。海外已经有实测数据显示，Together AI的批处理推理价格贴近成本，毛利率接近0。
当前50%的毛利率，大概率是整个行业的天花板。无论海外还是国内，长期都在承压区间。
05 ｜ 芯片这条路，方向对，时机不对
最后一个问题：国内Token服务商该不该做芯片？
报告把这个问题拆得很冷静。GPU推理芯片没有不可逾越的技术门槛——海外三家创业公司都从零造出来了。所以把芯片当技术护城河是误判，它的真正价值是改善财务模型：国内芯片厂商毛利率普遍50-60%，比国内MaaS不到20%的毛利好看太多；自研芯片也确实能把MaaS毛利率抬过20%的天花板，Cerebras已经验证了。
方向是对的。但时机是错的。
眼下国产推理芯片的瓶颈不是设计，是中芯国际的产能——拼的是谁能拿到产能，而不是谁性能强。第三方服务商此刻进场，毫无优势。
等产能限制突破了呢？更麻烦。那时候挡在前面的是阿里、字节、百度：阿里真武PPU先在阿里云内部消化，跟着Qwen调用量跑通"芯片＋Token服务"全闭环，2027年末要做到50万卡、1GW的算力集群；字节SeedChip计划2027年量产；百度昆仑芯出货量2025年就已追平寒武纪。
大厂有确定性的内部负载做底仓，摊薄研发成本。第三方服务商没有这个底仓——芯片造出来卖给谁？产能利用率上不去，反而会抽干MaaS业务的现金流。
结语 ｜ 方向的选择，比努力更重要
回到开头那个10倍的差距。报告的建议很明确：国内Token服务商应把重心从服务模型厂商，逐步转向服务终端企业——那里有自主定价、更轻的资产和更稳的现金流。服务模型厂商起量快，但手里没有定价权，收入增长的质量低。
这个判断成立的前提，也帮你写清楚：国内企业客户的专属模型需求最终会起量（LibTV这类AI原生应用已经开始自训模型）；开源与闭源模型的能力差距不再次拉大。如果这两条被证伪，结论要重估。
说到底，这个行业的长期壁垒，最后都要回到"服务什么客户"这个原点。谁能更早看清这一点，谁就能在这轮格局重排里先站稳脚跟。
热门跟贴