高歌/文

2026年以来，“Token”从一个技术术语变成了产业名词：算力运营商挂牌“Token工厂”，芯片公司在发布会上报Token吞吐，创业公司在商业计划书里计算单位Token成本。所有人都在盯着这个计量单位。

在刚刚结束的2026年外滩年会上，一众专家学者都关注有关不断攀升的AI投资、商业化进程与回报率相关的问题：很多投资正在涌向数据中心建设，但未来这些AI大模型和应用在多大程度上依赖于数据中心的算力，尚存疑问；也有人担心，许多中国人工智能公司正在将其模型开源发布，这使得它们更难收回投资，因此亟须在开源与确保AI投资获得足够回报之间取得平衡。

面对种种观点，身处其中的中国的AI创业者的真实经历是什么？近日清衍智境的团队在与和讯交流的过程中给出了他们的切身体会与商业化可行性讨论。

清衍智境的判断恰恰相反。在他们看来，一门生意真正成立的标志，是没有人再讨论它的计价单位——就像今天没有人会在意手机套餐里还剩多少流量。这家聚焦大模型训练与推理加速的清华系创业公司，正试图用“重构计算”把Token的价格往下按一个数量级、甚至两三个数量级。

而交流过程中，他们谈的远不止自身的技术思考：为什么要做Token工厂、国产替代现在的位置在哪里、AI产业有泡沫吗、以及——今天在AI产业链上的创业进程究竟相当于互联网的哪一年。

没有人会关心流量，可它必须存在

“你现在会关注你手机套餐里有多少流量吗？只有你不关注它、而它又必须存在的时候，它才真的成了基础设施。”在清衍智境创始团队看来，全行业对Token的高度聚焦，本身就是一个“还没到位”的信号：“大家都聚焦于此时，它的状态一定不对。”

这一判断指向一个几乎无法回避的产业结论：Token有一天必须变得极便宜，便宜到没有人愿意为它多加思考。

参照系是手机流量资费，在它从10元降到1元的过程里，用户规模的增长从来不是十倍，而是百倍、千倍。“Token成本降十倍，需求会涨百倍。”这是清衍智境全部商业逻辑的起点，也是它给自己划定的位置：不管“智能能做什么”，它的基本前提一定是“智能能被多少人用得起”。

在ChatGPT出现之前，这家公司的技术班底长期做的是深度模型优化算法——训练加速、推理加速，是上一波以计算机视觉为主的AI浪潮里的“降本工种”。清衍智境创始人兼CEO肖开明，曾主持多项国家和省部级科研项目，获国家发明专利授权10余项，在AAAI、IJCAI、INFOCOM等会议和期刊发表论文10余篇。

机会出现在2023年之后，两件事同时变得清晰：一是Scaling Law意味着模型只会越做越大，训练成本会成为一条陡峭上升的曲线；二是这条曲线在当时根本不可持续——“以当时的训练投入和推理投入来看，它不可能支撑整个人类文明以AI为生产要素完成一次跃迁。”

“一定要有人解决AI可持续性的问题。我们就想做这件事。”肖开明说。

把“冗余”从模型里拿掉

要理解清衍智境的路线，得先分清两种完全不同的降本。

一种是让同样的硬件在同样时间里产出更多Token，靠的是调度、并行、显存管理，本质是提高GPU利用率。这是当下业界的主流打法，也是过去两年最拥挤的赛道。另一种是让单位Token消耗的能源成本变少——同样的任务，用更少的计算量完成。前者优化的是“用得多好”，后者改写的是“需要多少”。

“这其实是两个不同的概念。”清衍智境技术负责人说。行业里多数优化方案关注如何调度好现有算力资源完成给定推理计算任务，在全球技术社区的共同推动下可优化空间在快速逼近天花板。他们想找的是另一类东西：模型推理计算过程中那些具备临界特征的结构，能不能被重构掉。

清衍智境给出的答案是“AI临界相变理论”与“重构计算”。它不换模型、不换芯片、不改权重，而是在训练框架和推理引擎之上再加一层“重构计算层”，向内审视模型本身的计算逻辑，对注意力层、前馈网络层的算子做重构，削减冗余计算与数据搬运，在不牺牲输出质量的前提下降低整体算力负载。

“他们的技术栈是硬件加训推框架或引擎，我们在上面再加一层，把模型里的冗余去掉再交回下面这层。两者是叠加关系，不是竞争关系。”上述技术负责人解释，“你底层优化掉之后部分，我上面还能再优化许多。”

数据来源：清衍智能

需要看到，这些指标指向的不是“省20%、30%”，而是数量级。在受访团队看来，只有跨过数量级，Token才可能从“被计价的资源”变成“被忽略的公共品”。

而数量级的极致，是能耗。清衍智境把“近生物级能耗”写进了长期目标：智能的用电量最终应当与人脑相当。“我们现在还处在AGI的巨型机时代。”技术负责人说，“但如果能耗能再降两个、三个数量级，AGI将进入生物级能效时代，理论上未来可以把一颗芯片放进人体，人体自身代谢的部分能量就足够支撑它的计算。”

这是一个遥远的设想，但也是这家公司判断技术方向的坐标原点。

Token工厂：需求是真的，故事也是真的

今年年初，英伟达 CEO 黄仁勋在 GTC 2026 大会上系统提出了“Token 工厂”的产业图景。

这成为今年“Token经济学”开始被讨论的起点：未来的数据中心将不再是存储文件的仓库，而是生产 Token 的“工厂”，Token 则是数字经济时代的“硬通货”、AI 时代的“新货币”——行业竞争已经从大模型时代进入 Token 产能时代。

如何拆解在这条日渐清晰的产业链？

清衍智境创始团队给出了两个层次的视角：第一层是真实的需求。今年以来，Token消耗第一次出现了数量级上的变化，最先被点燃的是视频。“就像上一个时代存储数据量从TB跳到PB，量变到某个点就成了质变。”黄仁勋看到的是需求端真的开始起量，于是选择在这个时点切入——他要在质变发生之前，卡住芯片和Token工厂这两个环节，让“自己生产的芯片被自己的工厂消耗，工厂的产能再供给下游的路由”。自产自销，闭环成立。

产业链因此可以被切成五层：芯片是最底层的基础，往上是Token工厂（生产），再往上是路由，然后是Agent去调用、去消耗，最上面才是应用。“现在的问题是，找来消耗新东西的仍然是老应用。”

第二层是资本，这一层的运作方式更“金融化”：一笔投资进来，拿一部分去买卡，卡装进机房就叫做Token工厂，再找另一笔钱把产能买走，三家互相咬合闭环，业绩就出来了；三年之后上市，上市之后按百倍估值卖掉一部分，投入的全部成本已经变现，再进入下一轮。

“但这种模式显然是不可持续的，只有有效需求才是一个企业乃至一个行业生存的基础。”

三年时间差，从别人的资产负债表里的找机会

把视线拉回国内，问题就变成了：这一轮里，中国的位置在哪里？

清衍智境给出的答案是“两段补课，进度不同”。模型这一段补得相当快，DeepSeek之后开源生态把追赶周期压缩了；芯片这一段慢，卡点不在设计，在制造。“大概至少还要三年。”一个具体的参照是，国内的一些产品称其能达到的性能，其实是2027年的事，而到那时候，H200本身也已经是英伟达的上一代产品了。

清衍智境的技术负责人把这个落差称为“一个台阶”，而台阶往往就是创业公司的机会窗口。

一条路是软硬结合的通用替代。国内GPU厂商里，一些厂商走的是相对通用的路线，相当于做一款“国产版英伟达”；清衍智境判断它追平的概率不大，但它的价值在于通用性。也有公司走的是另一条路：把通用部分和专用部分拆开，只做自己最擅长的那一段，剩下的靠组合。“两台设备组装在一起，如果能跑出两台H200的性能，这个逻辑就成立了。”

另一条则更符合创业公司的实际情况——“在别人的资产负债表里找机会”。

早期建设的很多算力中心，其中有不少因为配套不全、调优不到位而长期闲置。对运营商来说，这是沉没成本；对清衍智境来说，这是零成本的算力。把这些闲置的A800、H100，与国产芯片组装在一起做协同，跑到接近H200的水平——“你的成本是白来的，已经沉没掉了。我把它变成了一个H200。”

这件事的商业价值不在于单点。“只要在一个上述算力中心那里跑通一个点，剩下的自然全跑通。”目前，这个方向还停留在找机器、找场景实测的阶段。团队说得很克制：测出来行，就单独发一次结果；测出来不行，那就不用再讲了。

不做渠道：从Token工厂到孵化器

在技术创业这个方向上，清衍智境选了一条“两条腿走路”的路径。

往下，是硬件。团队对硬件生态虽然保持开放态度，但也不会全面铺开去适配，以此保留最初进行适配的厂商的先发优势。往上，是Token工厂和应用层。前者是转卖，成本降下去、利润就出来；后者是业务层，直接去改客户的成本结构。

他们举了个例子：一家做广告的公司，一年百亿元收入、但利润是个位数，报表并不好看。如果它成本里有很大一块是调用视频生成模型，而这部分成本能从100亿元降到10亿元，报表会在一夜之间变样。“省下来部分再进行分成，不管比例多少，客户是没有压力的，因为那本来就是新增出来的。”

但“天花板”也会很明确——“孵化了半天，别人长大了，自己变成管道了。”所以清衍智境所构想的路径并不是做更大的Token工厂，而是做“长在管道上的应用”——用腾讯做类比：腾讯不会去卖大数据平台这个技术，它卖的是长在这个平台上的业务形态，广告、社交、朋友圈里的植入，最后是由别人来变现。

“我们除了做管道以外，要变成未来应用的孵化器。”在这个设想里，Token工厂最终会变成业务孵化器：底层成本由工厂全部承担，有想法的人直接长在上面创业，一旦某个孵化成功，工厂就跟着它一起长，从“通用工厂”里跳出来。

Token什么时候便宜到没人算

回到最朴素的问题：什么时候用Token，能像用流量一样不心疼？

清衍智境的答案是一道三年期的算术题。他们先把成本拆成三块：一是冗余带来的额外开销，二是硬件成本，三是电力。“当前电力其实可以忽略，占比不到10%，而且基本稳定；管理运营更可以忽略。”真正在往上飙的是硬件。

硬件掉头向下的标志也很朴素：当买一台B300这样的机器，跟买一部手机的流程一样简单，Token的价格一定会回到低点。

供给端的约束也颇为明晰：三星、海力士规划中的新厂房，完工日期大多在2029年之后，而这些产能未必追得上需求；更要紧的是，如果单位Token的电力不能有数量级下降，大规模使用就意味着要新建电力设备——那又是一笔更大的投入，逻辑上将会形成悖论。

需求端也在自我修正，最早的Agent跑一晚上可能什么事都没干成，却烧掉几十billion的Token；如今context engineering、新的记忆机制、上下文管理方式、harness engineering，正在把Token效率一点点拉回来。“供给和需求两端同时向下，才可能走到我们设想的那个未来。”

综合下来，来自清衍智境的判断是，硬件周期三到五年，至少三年；而压缩冗余能把这个时间往前抢一年左右。“三年之后，Token价格自然会下来。”

他们希望“降得更快”，原因不在自己，在应用。“现在的应用，本质上是对老应用的改造、打补丁，它不是智能应用。”只有Token便宜到某个临界点，真正的智能应用才会诞生，新的业态才会出现。“那个时候，才真正是这套体系成立的时候。”

对标上一波技术浪潮：我们才走到第三年

“如果拿互联网的历程来比——1998年到2015年，甚至到2020年——我们现在处在那个阶段的1998、2000年。”

这个类比一旦成立，很多焦虑就自动失效了。1998年，腾讯还没有上市；国内的硬件厂商也还没有起来。“那个年代没有什么估值，因为还没有故事可讲。”

“所以还很早，非常早期。”而中国的位置，被描述得相当笃定。最大的工业产能、最全的产业链、庞大的人口与GDP总量，意味着需求最终会在这里诞生。“智能除了跟吃穿住行绑定，最后一定要跟工业体系绑定。这部分产生的价值是实实在在的价值。”这也是为什么，即便硬件供给受制于人、即便估值需要回调，他们依然判断“需求一定会回到这里”。

至于眼前这三年，在清衍智境团队看来是一个“基础设施年”。像当年笔记本的内存和硬盘一样，每隔几个月容量翻倍、价格不变，然后有一天，所有人都不再讨论它的价格。