文章核心观点 - AI云市场正从以CPU为核心的通用计算转向以GPU为代表的智能计算，MaaS平台成为关键环节，Token调用量成为行业关注的“北极星指标” [1][2] - Token作为当前最直观、易量化的指标，其消耗量在短期内（一年半）激增300多倍，反映了AI应用规模的快速增长，但将其作为衡量AI云市场的唯一标准为时过早且不够科学 [1][4][5] - 当前Token收入在云厂商整体收入中占比较低，短期内不足以单独支撑云市场整体增长，且现有统计存在盲区，无法全面反映AI的真实使用规模 [4][7][10] - 企业采购AI云服务的核心决策依据是业务价值（如提高收入、降低成本），而非Token消耗量本身，Token更多是应用运行后的成本指标 [26][27][28] - AI云的长期竞争关键在于系统工程能力，即如何降低企业使用AI的门槛，让AI稳定进入业务流程并创造可持续的业务价值 [30][31] Token成为“北极星指标”的背景与原因 - 云计算范式正从CPU通用计算转向GPU智能计算，通过MaaS平台调用模型、消耗Token成为企业使用AI云的重要形式 [1] - Token调用量、增速、规模及排名成为行业热议焦点，国内外主要云厂商均在不同程度上披露了相关数据 [1] - 中国日均Token消耗量从2024年初的1000亿增长至2025年6月底的突破30万亿，一年半时间增长超过300倍，体现了AI应用规模的快速扩张 [1] - Token指标具有极高的叙事效率，简单、清晰、易于量化比较，符合商业世界对单一核心指标的偏好，便于市场传播和被资本、客户理解 [2][3] Token市场的现状与规模 - 根据Omdia数据，2024年中国AI云市场规模约29亿美元，其中AI MaaS收入仅0.3亿美元，占比1% [7] - 2024年中国主要云厂商Token收入总和不超过10亿元人民币，2025年各家均大幅增长，目前收入高的厂商超过10亿元，低的为数亿元 [10] - 在头部云厂商的收入结构中，Token收入占比仅为1%左右；在一些规模较小的云厂商中，该占比可能达到10%左右 [10] - Omdia预测，2025年中国AI云市场规模将增至72亿美元，2030年达268亿美元；2030年AI MaaS市场规模预计为25亿美元，在AI云市场中占比约9% [7] Token统计的局限性与盲区 - 现有Token统计大多基于公共云MaaS平台的API调用数据，难以全面覆盖GPU云租赁、私有化部署以及制造、汽车、机器人等设备端的AI算力使用，可能低估真实规模 [4][14] - 中国市场可被统计到的Token消耗主要集中在娱乐、对话等To C移动互联网场景，而更广阔的To B领域仍在早期，未来增长潜力更大 [18] - 不同统计口径导致矛盾结论：例如，IDC数据显示阿里云在中国大模型公有云服务（Token市场）占比27.0%，而OpenRouter数据显示阿里Qwen系列模型全球Token消耗占比约4%-7%，排名更高，差异源于开源模型使用和不同部署方式难以被单一统计覆盖 [19] - 严格意义上的广义Token消耗应包括MaaS平台、公共云GPU推理、私有化部署及设备端模型产生的全部Token，但目前技术难以实现全面统计 [22] 企业采购逻辑与Token的实际角色 - 在企业真实的IT采购决策中，Token是AI应用运行后的成本指标，而非采购阶段的核心依据，企业更关注AI能否提高收入、降低成本、缩短流程周期等业务价值 [4][26] - 企业AI落地分为两阶段：第一阶段关注Agent能否稳定融入业务流程（“能不能用”），第二阶段才开始考量包括Token成本在内的运营成本优化 [27] - 企业感知的AI价值更多体现在Agent等应用上，部分大型企业甚至以“Agent渗透率”、“AI业务渗透率”等更全面的指标作为“北极星指标” [28] - Token本质上是技术计量单位，其消耗量更偏云厂商（供给方）视角，而非进行数字化转型的企业（需求方）视角 [28] 云厂商的战略布局与市场展望 - 全球云厂商积极扩大MaaS业务规模：亚马逊AWS管理层预计其Bedrock平台长期收入贡献将与EC2业务（占营收超30%）不相上下；阿里云启动“百炼战役”，目标短期内将百炼平台Token调用规模提升三倍以上；火山引擎已将Token收入作为销售团队核心KPI之一 [6] - 行业高管判断，当模型能力增强、Agent成熟并覆盖大量长尾企业后，MaaS收入在云厂商整体收入中的占比有可能达到30%甚至更高，但目前行业仍处早期 [6] - 市场存在不同增长预测：有敏感性测试显示，若Token价格维持当前水平，某中国云厂商的Token调用收入未来1-2年可能增长至40亿-70亿元人民币 [11] - 云厂商的客户结构差异导致其对Token的叙事重点不同：阿里云因客户结构庞大多样而强调多形态并存（GPU租赁+MaaS+私有化部署）；火山引擎因核心客户为前沿开发者且内部业务消耗大而更强调Token [13] AI云的使用形态与客户实践 - AI算力使用形态多样，包括公共云GPU租赁、私有化部署、MaaS平台调用Token、端侧算力部署等，企业通常根据自身情况采用混合方案 [14][17] - 据调研，阿里云70%的企业客户在租用GPU云服务的同时，也通过MaaS平台调用Token，深度使用AI的企业多为多形态并存 [17] - 企业选择逻辑：在AI应用PMF验证阶段，倾向于使用MaaS平台调用Token，因其计费灵活、试错成本低；进入大规模部署阶段后，则倾向于租用GPU实例以控制长期成本 [17] - 头部互联网企业（如某社交媒体、某支付平台）每年云支出达数十亿乃至百亿元，但其2025年直接通过MaaS平台使用Token的费用在整体云支出中占比仅为极低的个位数 [18] 行业长期发展的关键 - AI云的竞争本质是系统工程能力，关键在于让更多企业客户能够以更低门槛、更高效地部署和使用AI应用 [30][31] - 云计算技术栈需要与时俱进，实现IaaS、PaaS、MaaS平台、Agent平台的全栈深度融合，以支撑企业高效部署AI应用 [30] - 真正决定AI云长期增长空间的，是AI能否稳定进入更多业务流程，持续优化运营，并替代或重构企业的人力成本、传统软件成本及低效IT环节 [29][30] - 在激烈的市场竞争中，技术能力和技术布局的前瞻性将是长期的胜负手 [31]