AI产业竞争核心从技术转向成本 - 大模型竞争焦点已从“参数量级”转向“单次推理成本”，产业经济底层算术成为关键[1] - 生成式AI正从“智能演示”转变为嵌入企业工作流的“基础耗材”，商业逻辑发生根本转换[3] - AI产业已正式跨过技术验证期，进入规模消耗深水区，全球累计调用量达120万亿Token[1] 定价权转移与Token商品化 - 国内头部平台将文本与多模态Token调用价格降至每百万次个位数人民币区间，仅为北美同类服务的十分之一甚至更低[1][4] - Token属性发生根本位移，从高毛利软件产品退化为按需计费的基础资源，类似于云计算带宽或工业标准件[4] - 企业采购进入严格ROI核算阶段，财务部门将大模型调用纳入常规IT预算，按任务吞吐量比价，不再为“参数量多出30%”支付数倍溢价[4] - 2026年二季度，企业技术采购将“多模型路由”与“成本最优调度”列为标准条款，非核心任务被自动分流至低价节点[5] 生态迁移与美股估值困境 - 开发者社区正从依赖单一封闭API，迅速向低成本、高并发、支持私有化部署的开源或半开源架构迁移[5] - 代码托管平台提交记录显示，针对轻量化推理框架与国产算力适配的工具链贡献量在上半年呈指数级增长[5] - 美股AI公司估值体系仍停留在“软件SaaS化”溢价逻辑，但实际交付的是重资产、高能耗算力服务，收入增速与资本开支出现背离[5] - 2026年开源社区发布的千亿参数模型，在主流基准测试中性能已逼近闭源模型的90%，但部署成本仅为后者的五分之一[5] 成本控制的核心支柱：能源、架构与规模 - 生成单个Token的综合成本是核心指标，由电力单价、芯片利用率与系统级优化共同决定[8] - **能源定价结构性差异**：中国西部北部算力枢纽工业用电价格稳定在每度0.15至0.3元人民币，而美国数据中心密集区域电价在0.08至0.15美元之间，且波动大[9] - 国内算力集群采用“源网荷储一体化”微电网架构，有效压平电价波动，北美数据中心多依赖传统购电协议，缺乏对能源成本的主动管理[9] - **推理架构效率跃迁**：混合专家模型、INT4/FP8量化推理及动态KV缓存等技术的普及，将单位算力有效输出提升3到5倍[10] - 国内云厂商“训推分离”与“弹性算力池”架构使闲置算力回收率突破70%，液冷技术普及推动PUE从1.3向1.1逼近[10] - **规模效应带来边际成本塌陷**：当日调用量突破万亿级，固定成本被极度摊薄，形成“价格下探→调用量上升→单位成本下降”的自我强化飞轮[10] 电力基础设施成为关键约束与竞争优势 - AI推理时代的算力需求对延迟极度敏感且调用频次非线性爆发，其增长的物理源头最终指向电力[12] - 2026年北美数据中心面临电网扩容硬约束，变压器交付周期从12个月延长至30个月以上，部分地区需自建调峰电站[13] - 全球电网升级核心设备（如特高压变压器）的产能与技术标准高度集中于中国制造业体系[13] - 中国企业在超大规模集群的液冷配电、微电网调度与源网荷储一体化方面已形成完整工程化输出能力[13] - 北美算力部署不仅单瓦成本更高，且交付周期更长，导致Token供给弹性收缩，可能陷入“高成本推高定价、高定价压制需求”的负向循环[14] 产业本质回归与未来价值重估 - AI正在回归其作为“现代工业品”的本质：可规模化复制、高度依赖底层要素配置、利润空间被透明比价机制持续挤压[15] - 决定产业格局的不再是参数竞赛，而是成本曲线的斜率、能源结构的稳定性与供应链的交付效率[15] - 下一轮价值重估将属于那些能够把每一度电转化为稳定算力、并将成本优势转化为生态壁垒的实体[16]

涉及的行业与公司 * 行业：国产算力、AI芯片、半导体设计服务、云计算[1] * 公司：芯原股份[1] 核心观点与论据 * **国产算力需求呈几何级增长**：截至2026年3月，中国日均Token调用量突破140万亿，较2024年初的1,000亿增长超1,000倍[2][3] 头部大模型更新周期缩短至6-8周，单模型训练算力需求较2024年提升超30倍[3] Agent应用落地，其单次任务算力消耗是传统聊天的10-100倍[2][3] * **外部禁令强化国产替代逻辑**：外部禁令导致可获得的先进制程芯片性能差距拉大、供应量级变小[2][3] 此背景类似2019年半导体设备行业，催化国产算力替代进入强周期[2][3] * **自研芯片是国内互联网公司的强逻辑**：自研芯片可规避芯片厂商50%-60%的毛利溢价，成本效益显著[2][4] 国内缺乏英伟达级强势厂商，云服务提供商供应链话语权更强，自研推进更顺畅[2][4] 百度昆仑芯已规模化，阿里PPU与字节ADA1预计2026年显著放量[2][4] * **芯片定制服务商不可或缺且壁垒高**：其核心壁垒在于后端物理实现经验、先进制程产能锁定能力及数千万美元流片风险的共担机制[2][5] 互联网公司擅长定义芯片，但后端物理实现需要数十年工业经验积累，且定制服务商在IP支持、产能获取及先进封装工艺上具备优势[4][5] * **芯原股份是龙头且进入业绩放量期**：公司是国内芯片定制服务龙头，在手6个4nm云端AI芯片项目[2][6] 2025年第四季度新增订单额达27亿元[2][6] 预计2026年核心客户项目进入商业化量产，将驱动业绩超预期释放[6][7] 其他重要内容 * **技术趋势**：多模态融合与百万级Token上下文处理成为主流，例如千问支持100万Token上下文窗口[3] * **性能差距演变**：从早期的A100/H100对比A800/H800，到H200/Blackwell对比H20，再到未来的Rubin/Rubin Ultra，差距持续扩大[3] * **市场空间**：国产算力芯片采购规模达数千亿，自研芯片未来将占据重要权重[2][7]

公司近期市场表现 - 迅策股价于4月10日盘中一度上涨12.5%，收盘涨超7%报310港元/股，市值突破1000亿港元 [1] - 自2025年12月30日登陆港交所以来，公司累计涨幅超494%，年内涨幅超470% [3] 公司业务定位与商业模式 - 公司是AI世界的“数据燃料”提供商，扮演底层“数据Token供应商”角色 [1][3] - 公司构建了从数据获取、清洗、标准化到实时计算、大模型调优的全链路技术体系，专注于毫秒级实时数据处理 [3] - 平台能将金融、电信、能源等高门槛行业的复杂私有数据转化为标准数据Token [4] - 商业模式从订阅制、交易制，升级探索为“单次调用价格 × Token调用次数 × 模块应用数”的Token付费模式 [5] - Token收费模式当前贡献的收入占总收入约5%，公司预计2026年该占比将加速增长到20%～30%，并成为第一增长发动机 [5] 行业背景与市场机遇 - 国内日均Token调用量突破140万亿 [1] - AI大模型加速落地，企业级AI迎来规模化应用，Token调用量呈指数级攀升 [4] - 2025年3月，腾讯云、阿里云、百度智能云等头部厂商掀起Token涨价浪潮，其中腾讯云核心模型Token计费涨幅最高达463%，阿里云、百度智能云AI算力产品最高涨价34% [4] - OpenClaw等AI智能体的爆发使Token消耗量指数级攀升，企业客户更倾向于选择能提高Token转化效率、减少无效消耗的专业数据服务商 [4] 公司财务表现 - 2025年公司营收为12.85亿元，较2024年大幅增长103.28% [5] - 2025年公司综合毛利约为7.92亿元，同比增加63.44%，综合毛利率达61.66% [5] - 2025年公司的ARPU值（每用户平均收入）为559万元，同比大幅提升105.04% [5] 公司发展战略与前景 - 公司已在金融、电信、能源等高端行业应用，计划将数据处理能力和Token化经验复制到制造、医疗、政务等更多领域，打造垂直行业Token工厂 [4] - 公司预计，随着AI推理需求爆发，未来两到三年内Token付费模式将逐步成为公司收入结构的重要组成部分，占比有望显著提升 [5]

文章核心观点 - 文章提出并阐释了“Token经济学”这一概念，认为Token作为AI处理和生成信息的基本计量单位，正成为AI经济体系的基础，围绕其形成了新的价格、供需、产业链和国际竞争逻辑 [2][3][8] Token经济学的产业背景 - Token经济学根植于具体的AI产业背景，英伟达CEO黄仁勋将AI产业分为五层：能源、芯片、基础设施、模型、应用，前三层构成“AI工厂”，后两层是智能的载体和价值实现层 [6] - Token是贯穿这五层产业的统一计量单位，被视为“AI的语言和货币”，是衡量AI工厂吞吐量、单位成本、每瓦产出、每兆瓦收入等关键经营指标的核心 [8] 全球Token消耗量级与增长 - OpenAI的API每分钟处理超过150亿Token，折算日均约21.6万亿Token [2][11] - 谷歌Gemini在2025年9月披露的月处理量为1300万亿Token，日均约43万亿 [12] - 中国国家数据局2026年3月公布的数据显示，中国日均Token调用量突破140万亿，相当于OpenAI和谷歌之和的三倍，且较两年前的1000亿增长了1400倍 [2][13][14] - 摩根大通预测，中国AI推理Token消耗将从2025年的约10千万亿增长到2030年的3900千万亿，五年再增长370倍 [14] Token的价值创造与分层 - Token的价值差异巨大，取决于其应用场景，例如用于闲聊的百万Token价值约0.01美元，用于写代码可达200美元，用于法律文档审阅可达1000美元，价值差可达十万倍 [16] - Token具备“可编程性”这一独特属性，其价值不取决于生产成本，而取决于被编程完成的任务，不到5%的Token消耗创造了超过80%的可测量价值 [17][18] - 生成式AI在2024年仅为美国消费者创造的消费者剩余就高达约970亿美元，远超用户实际支付的金额 [17] Token的生产成本与价格趋势 - 生产单个Token的成本因模型和任务复杂度差异巨大，从GPT-4o-mini处理简单问题的约0.03瓦时，到GPT-5处理复杂科学问题的18瓦时，成本相差600倍 [21] - Token价格正在飞速下降，调用GPT-3级别模型的成本从2022年的60美元/百万Token降至2026年初的0.06美元，降幅达99.9% [24] - 驱动降价的因素包括硬件效率每年提升2-3倍、算法效率每年提升2-3倍、系统优化每年提升2-4倍，三者相乘使Token成本每年下降5-10倍 [24] - 尽管单价暴跌（降99.9%），但全球企业AI云支出从2022年的115亿美元增至2026年的370亿美元，翻了三倍多，体现了“杰文斯悖论”——效率提升释放潜在需求，导致总消耗量和支出上升 [25] Token需求增长的新驱动力：智能体 - Token需求增长正经历从“人用AI”到“AI用AI”的拐点，智能体（Agent）成为新的增长驱动力 [28] - 智能体能自主执行任务并持续消耗Token，无需人类参与，例如一个部署1000个、每个日耗100万Token的智能体，年消耗量达3650亿Token，相当于一个中等国家所有人类用户的总消耗量 [29] - 智能体正从工具演变为经济主体，已有实验项目让智能体拥有账户、自主接任务赚取收入并购买Token，这带来了关于其法律身份、合同效力与责任归属的新问题 [30] 中美Token市场的差异与竞争 - 2026年初，在OpenRouter平台上，中国模型的Token调用份额已超过60%，DeepSeek、Kimi、Qwen系列在性价比上超越大量美国竞品 [32] - 中国模型的核心竞争力在于算法创新（如DeepSeek V3采用的混合专家架构MoE使推理成本下降一个数量级）、开源策略形成的生态飞轮，以及接近成本价的极致定价策略 [34] - 中国模型的“出海”本质是算法出海，其推理计算通常部署在海外云节点，中国的竞争优势在于算法效率和生态，而非电力出口 [34] Token经济的商业模式 - **按量计费**：用多少Token收多少钱，如OpenAI和Anthropic的API，简单透明但可能抑制用户调用 [36] - **包月订阅**：如ChatGPT Plus每月20美元，不按Token计数，用户使用量通常比按量计费高5-10倍，利于培养用户习惯 [38] - **按价值收费**：按AI创造的价值（如避免的损失）收费，利润率可能极高，但可靠衡量价值是当前难题 [38] - **Token期货**：企业预购未来Token额度以锁定价格，这种模式的出现标志着Token向经济基础设施的转变 [38] Token经济引发的制度挑战 - **能耗治理**：Token生产耗电巨大，国际能源署预测到2030年全球数据中心用电量将翻倍，一次ChatGPT查询的耗电量约是一次搜索引擎查询的10倍，AI的碳足迹可能成为气候谈判新议题 [41] - **跨境流动**：Token作为数字化智力产品可直接跨境交付，中国模型通过海外平台服务全球用户，现有贸易统计和监管框架尚未覆盖此类新型贸易 [34][41] - **统计盲区**：AI创造的大量消费者剩余价值（如免费服务替代的付费服务）未计入传统GDP统计，现有经济指标难以准确衡量Token经济的真实规模和价值 [41]

核心观点 - 伴随Agent应用与多模态生态爆发，全球AI计算Token用量进入新一轮加速增长期，国内云产业链呈现显著供需错配，近两年将迎来资本开支与产业发展大年，行业正进入量价齐升周期 [1][6] - 头部算力租赁厂商凭借高端芯片资源与重资产模式，卡位优势持续强化 [1][6] Token用量爆发式增长与供需错配 - AI计算需求呈指数级扩张，过去一年全球周度Token消耗量从2.1T激增至24.5T，2026年以来周度消耗同比增幅达280% [2][7] - 国内市场需求火爆，智谱等头部模型厂商已下调Coding Plan额度与优惠，部分产品出现限购 [2][7] - 国内字节跳动（豆包）2025年12月日均Token消耗量达63万亿，与OpenAI（52万亿）、谷歌（65万亿）处于同一量级；2026年3月更突破120万亿，三个月内实现翻倍增长 [2][7] - 供给端存在明显缺口，美国四大CSP（微软、亚马逊、谷歌、Meta）2025-2026年计划资本开支合计达4002亿美元、6500亿美元；而国内BBAT（阿里、腾讯、百度、字节）同期仅为507.16亿美元、669.71亿美元，过去两年国内资本开支严重不足 [2][7] - 供需失衡将推动近两年成为国内云产业链的资本开支大年 [2][7] 云服务量价齐升趋势 - 需求端，国内BBAT 2025年AI相关资本开支总计507.16亿美元，同比增53.8%；2026年计划投入669.71亿美元，同比增32.1%，未来存在进一步上修空间 [3][8] - 海量算力需求与合规、短期资本压力，促使互联网与模型厂商转向第三方云采购，需求外溢效应显著 [3][8] - 价格端，云厂商提价已从成本推动转向需求拉动，2月11日优刻得因硬件成本结构性上涨上调服务价格；3月18日阿里云宣布AI算力、存储产品最高涨价34%，主因AI需求爆发与供应链涨价 [3][8] - Token用量高增叠加云计算涨价，行业量价齐升逻辑持续兑现 [3][8] 高端芯片紧缺与算力租赁商优势 - 算力租赁市场持续高景气，截至2026年4月，海外H100租赁价格5个月内上涨40% [4][9] - 国内供需错配加剧：下游大模型与互联网厂商算力需求爆发，但国产高端芯片受代工产能限制，掌握高端算力芯片的头部租赁公司优势凸显 [4][9] - 重资产自持算力云平台模式具备三大核心壁垒：1) 强拿卡能力：依托顶尖供应链，部分企业获英伟达NCP认证（如协创数据子公司奥佳软件）[5][11]；2) 高融资杠杆：行业融资利率下行，配资比例高、杠杆效应显著，宏景科技截至2026年3月综合授信额度达600亿元 [5][11]；3) 残值重估潜力：算力设备折旧期满后存在价值重估空间 [5][11] - 伴随行业集中度提升，头部租赁商增长弹性更具优势 [4][9]

文章核心观点 - 伴随Agent应用和多模态生态爆发，全球Token用量正迎来新一轮加速增长，推动云产业链进入量价齐升的发展大年，同时优质算力芯片供给偏紧，头部算力租赁厂商卡位优势突出，建议关注云产业链及算力租赁相关标的 [1] 全球Token用量增长与云产业链需求 - 过去一年全球周度消耗Token数量从2.1T上升至24.5T，2026年以来周度Token消耗增加280% [2] - 国内模型厂和云平台下调Coding Plan额度和优惠，智谱等厂商的Coding Plan产品出现限购现象 [2] - 字节（豆包）2025年12月日均Token消耗量达63万亿，与OpenAI（52万亿）及谷歌（65万亿）处于同一量级，2026年3月日均Token消耗量突破120万亿，三个月内基本实现翻倍增长 [2] - 美国四大CSP（微软、亚马逊、谷歌、Meta）2025/2026年资本开支合计达4002/6500亿美元，而中国BBAT 2025/2026年资本开支仅为507.16/669.71亿美元，国内资本开支严重不足，显著供需错配预示着近两年将是国内云产业链的资本开支大年 [2] 云产业链量价齐升趋势 - 需求端：国内BBAT（阿里巴巴、腾讯、百度、字节跳动）AI相关CapEx投入2025年总计507.16亿美元，同比增长53.8%，2026年计划投入669.71亿美元，同比增长32.1%，未来CSP厂商存在进一步上修资本开支的较大可能性 [3] - 需求端：面对海量Token计算需求与合规、短期资本开支压力，各大互联网CSP厂商及大模型厂商选择转向第三方云公司采购，需求外溢效应显著 [3] - 价格端：优刻得因全球供应链波动加剧、核心硬件采购成本显著上涨而发布产品服务价格上浮公告 [3] - 价格端：阿里云因全球AI需求爆发、供应链涨价，将AI算力、存储等产品最高涨价34% [3] - 云厂商提价已从前期的受上游成本上涨推动，转向当前的需求通胀拉动，Token用量加速增长叠加云计算整体涨价趋势，行业量价齐升逻辑正在兑现且具备较强持续性 [3] 算力租赁行业现状与头部厂商优势 - 算力租赁价格呈现上涨趋势，截至2026年4月，海外H100租赁价格5个月内上涨40% [4] - 行业高景气度源于国内算力市场供需错配，下游大模型与互联网厂商算力需求爆发，而部分国产高端芯片受制于代工产能瓶颈 [4] - 采用重资产扩表路径的自持算力云平台模式卡位优势突出，具体体现在：依托顶尖供应链渠道具备强大拿卡能力，如协创数据全资子公司奥佳软件具备英伟达认证合作伙伴NCP资质认证 [4] - 强劲的融资能力，当前行业融资利率已降至较低水平，配资比例高，杠杆效应显著，如宏景科技截至2026年3月综合授信额度不超过600亿元人民币 [4] - 算力设备折旧期满存在潜在的残值重估机会 [4] - 综合赛道景气度与行业逐渐出清、向头部集中的趋势，看好头部算力租赁厂商在Token用量新一轮增长趋势下的增长弹性 [4]

文章核心观点 - 中国西部（以甘肃庆阳为代表）正依托“东数西算”国家工程和其在能源、土地、气候等方面的成本优势，从传统的能源（石油）供给基地转型为人工智能时代的核心“算力基地”和“Token（人工智能处理信息的最小单位）生产工厂”，成为全球AI竞赛中提供战略纵深和成本优势的关键“大后方” [4][7][13][41][43] 从“石油之城”到“算力小镇”的转型 - 甘肃庆阳正从昔日的长庆油田腹地，转变为依靠风能、光伏等绿色电力驱动数据中心，为全球AI应用提供算力的“中国算力小镇” [3][6][8] - 具体场景例证：当马来西亚用户使用AI修图应用时，其指令被拆解为Token，送至甘肃庆阳的数据中心处理后再传回，实现了信息和资金的跨境流动 [2][9][10] - 庆阳数据中心承载了包括阿里千问、智谱清言、Kimi、DeepSeek等国内大模型，以及DeepSeek、Minimax、美图等企业的海外业务的推理请求 [12] “东数西算”工程的进展与西部算力崛起 - 2022年启动的“东数西算”工程，在西部布局了成渝、贵州、内蒙古、甘肃、宁夏五大国家枢纽节点 [13] - 截至2025年底，中国智能算力总规模达159万 PFlops，其中八大国家枢纽（含十大集群）已建成智能算力规模达138.8万 PFlops，占全国比重超过80% [13] - 摩根士丹利预测，2026年将是偏远地区数据中心的拐点，预计2026年偏远地区将贡献2.4吉瓦的新增订单，2027年增至3.3吉瓦，占新增订单约70% [13] - 预计2025年至2028年，偏远地区数据中心年度新增订单的复合年增长率为60%，远高于一线城市的19%，内蒙古乌兰察布与宁夏中卫将成为主要受益集群 [13] 西部生产Token的成本优势分析 - 电力成本是Token生产成本的核心，占数据中心运营成本的56.7% [18] - 生成100万个Token的平均耗电量约为10-20度电 [18] - 西部绿电价格优势：甘肃、内蒙古、宁夏、新疆等地绿电价格可低至0.3-0.4元/度，生产100万Token电力成本为3-6元；而东部工业电价为0.6-0.8元/度，成本为6-12元，西部电力成本便宜一半以上 [19] - 土地成本优势：西部算力枢纽城市工业用地均价为200-300元/平方米，仅为东部一线城市（1000元/平方米以上）的1/5到1/3 [21] - 以一个占地100亩（约6.7万平方米）的数据中心项目计算，仅土地购置费一项，西部就能比东部节省资金千万元以上 [22] - 西部的高原气候带来自然散热优势，可降低空调制冷费用，同时人力成本也普遍低于东部 [23] Token经济对西部地区的拉动与价值重估 - 计算力指数平均每提高1个百分点，数字经济和GDP将分别增长3.5%和1.8% [25] - 以庆阳为例，截至2025年底，已有超过500家数字经济企业在当地落地，涵盖云服务、大模型、芯片研发等领域，其数字经济产值过去三年连续实现倍数级增长，实现投资、产值“双百亿”目标 [26] - Token经济正在对西部的基础资源进行价值重估：绿电、土地、低温气候从“沉睡的资源”变为“必须的生产要素” [27] - 国泰海通证券研报观点：随着算力需求增长，电力资源稀缺性将被重新定价，国内电价将在2030年内趋于一致，西北西南0.2元左右的电价将逐渐向0.35元的全国平均靠拢，西南水电和西北火风光电力资产将受益 [29] - 土地与气候资源同样面临价值重估，无人问津的荒地因数据中心落地获得市场价值，低温从“劣势”变为降低运营成本的“优势” [30] 西部算力产业面临的挑战与瓶颈 - Token作为商品存在价值分层，从免费到顶级层，每百万Token价格从0美元到150美元不等，高价值Token对应低时延、高交互的复杂任务 [33] - 若西部仅以性价比为核心卖点，可能在价值链中被锁定在低端环节，提升算力质量、生产高价值Token是长期发展的关键问题 [35] - 西部作为“算力供给基地”，存在产业链层级较低、技术创新较弱、本地需求有限等短板，芯片设计、大模型研发、场景应用等环节仍集中在东部 [35] - 受网络传输物理延迟限制，东部算力需求中只有部分中高时延任务可转移至西部，中低时延任务仍无法外迁 [35] - 尽管技术正在突破（如青海移动建成高原绿色算力网，将西部到东部时延压缩到20毫秒以内），但随着AI应用深化，对时延的要求将持续考验相关技术 [36] 西部在全球化人工智能竞赛中的战略定位 - 中美AI竞赛的关键维度之一是“算力基础设施的竞赛”，算力规模、成本与绿色供给是影响国家竞争力的关键变量 [39] - “Token出海”浪潮中，性价比成为核心竞争力之一 [41] - Token调用量呈爆炸式增长：IDC预测，到2030年，全球活跃AI智能体将达22.16亿，年度Token消耗量将从2025年的0.0005 PetaTokens飙升至152,667 PetaTokens，增长幅度超过3亿倍 [41] - 中国西部凭借低廉的绿电、广袤的土地和天然低温气候，成为这场AI竞赛的“大后方”，提供战略纵深、规模供给和成本优势 [41] - 这与历史上的“三线建设”（战略腹地）、“西电东送”“西气东输”（能源大后方）一脉相承，西部再次承担起国家战略关键支撑角色 [42][43]

泉果基金2026年春季投资策略核心观点 - 对2026年市场持谨慎乐观态度，主要风险来自地缘冲突（如美以伊冲突）对全球能源价格和风险偏好的影响，但结构性机会丰富 [23][24] - A股市场将呈现慢牛、结构牛特征，行业分化明显，这为主动管理创造战胜指数的机会，偏股混合型基金指数在过去一年多已战胜沪深300 [11][12] - 中国资产正经历价值重估过程，得益于稳定的宏观环境、统一大市场、完整供应链及在新能源、AI、高端制造等领域的全球竞争力，该过程将持续 [12][13] 投资理念与投研体系 - 坚持中长期（约18个月）基本面研究是股价的决定性力量，股市是“称重机”，投资框架在经历市场周期后变得更理性、完整和坚定 [2][4][17] - 公司投研团队经过三年多磨合，融合良好，通过内部投资框架研讨建立了“共同的投资语言”，并组建了跨行业（如AI、能源、大消费）的灵活研究小组，打破行业隔阂，提升研究深度、广度及市场反应速度 [4][5][18][19][20] - 鼓励投资经理间在合规前提下资源共享，并将相互支持纳入考核，投研转化效率和单兵作战能力持续提升 [20][21][22] 2026年核心投资主线：能源 - 能源成为核心主线，驱动因素有二：一是AI发展带来的新增电力需求；二是地缘冲突导致能源价格中枢上移及能源安全问题凸显 [7][26][28] - 传统能源（油气）价格上涨提升了新能源的经济性和应用场景，未来能源结构将更均衡，光储一体占比提升，从而打开新能源需求天花板 [7][29][35] - 在新能源中，更侧重关注锂电板块，因其需求广泛（储能、电动车、机器人等），预计未来年复合增长率可达20%以上，且国内供过于求格局正改善，海外进入放量阶段，龙头企业有望迎来第二轮快速增长 [7][36][37] 2026年核心投资主线：人工智能（AI） - AI是推动世界经济的核心动力，发展迅猛，已从“尝鲜”进入“生产力”环节，投资机会来自于发展过程中的紧缺环节，如算力、芯片、存储、电力设备等 [2][25][26] - AI投资关注两大方向：一是应用场景扩张和“杀手级”新产品的出现（如“龙虾热”代表的应用落地）；二是算力基础设施建设 [7][30][46][52] - 算力基建重点包括：1. 海外新技术突破领域（如PCB材料、CPO、NPO、OCS）；2. 国内算力链中，新进入海外供应链或国产替代取得突破的领域 [49][50][52] 对具体行业的观点 - **资源品/周期**：本轮周期上游供给相对克制且受多重因素约束，价格周期可能更长，短期冲击不改变长期供需结构 [8] - **消费行业**：具有后周期属性，通常滞后经济变化半年以上，鉴于2025年经济企稳，2026年消费行业有望止跌回升 [8] 企业出海竞争力分析 - 筛选具备全球竞争力出海企业看重三点：1. 管理能否融入当地文化（中高层及员工本地化）；2. 拥有自主专利以保护产品；3. 具备足够的资金实力支撑海外投资 [2][40][41][42] - 在当地进行产能建设、保证供应链安全，正成为出海企业及海外客户考量的重要因素 [43]

文章核心观点 - AI Agent时代的到来，特别是OpenClaw等应用的爆火，使得AI任务执行模式从人机对话升级为机器自循环，导致Token（词元）消耗量呈指数级增长 [3] - Token的角色已从模型训练的技术副产品，转变为可计量、可交易的战略资产，成为AI时代的“新石油”和“新集装箱”，正在重塑互联网大厂的底层商业与竞争逻辑 [3][4][5] - 所有企业都值得重新评估能否被“装在Token里”重构，这将催生新的产业巨头，而如何在这个“新大宗”全球贸易网络中掌握主导权，需要不同于互联网流量逻辑的新模式 [5] 新大宗商品：Token的定义与爆发 - Token是大语言模型处理信息的基本单位，可以是词、代码或图像/视频的像素区块，其生成过程直接调用数据中心GPU算力并消耗电力 [7] - 与Chatbot时代相比，Agent时代（如OpenClaw执行深度研究）的Token消耗量级跳涨，单次复杂任务可消耗百万级Token，而Chatbot单轮对话仅消耗约1000到3000个Token [8] - 行业需求曲线处于陡峭上升期，无问芯穹公司的Token消耗从1月开始每两周翻一番，至今已增长10倍；多Agent并行、长上下文推理等新场景将推动消耗量再上台阶 [8] - 英伟达提出“Token经济学”，认为推理已成为AI核心工作负载，Token是标准化、可计量、可交易的新大宗商品；国家数据局已将其官方翻译定为“词元” [8][9] Token出海：中国AI服务的全球竞争力 - Token具备全球流动性，中国AI模型通过API接口向全球提供推理服务，算力与电力实现“数字化出口”，例如美国程序员调用中国模型DeepSeek的API [12] - 根据OpenRouter数据，上周全球模型调用量排名中，国产大模型调用量已连续一个月超过海外模型，MiniMax、月之暗面等排名靠前 [12] - MiniMax去年收入7903万美元，其中超过70%来自国际市场；Kimi等多平台也证实其API海外调用量今年以来快速增长 [14] - 中国凭借电力与算力成本优势，国产AI模型综合推理成本仅为海外的1/10至1/6，形成了价格优势和全球市场定价权 [15] - Token出海被视为继“中国制造”之后的下一个出口引擎，是“算电协同”在产业层面的落地，可能缩窄中美服务贸易差额 [15][16] 产业影响与价值重估 - Token成为“新大宗商品”使得数据中心演变为“Token工厂”，消耗电力产出Token和智能体执行能力，带动了二级市场对电力板块的价值重估 [15] - 电力价值通过Token被放大：一度电直接出口价值约0.5元人民币；用于大模型推理可产生500万Token，按国内模型定价可售约10元，按OpenAI定价可达上百元 [15] - 几乎所有产业都值得用Token重构，将设计、咨询、教育等知识密集型服务变为可计量的智能服务，从而实现规模化，这将是诞生新垂直产业巨头的土壤 [16] 老玩家的新风口与算力军备竞赛 - 新玩家如智谱、MiniMax处于年度亏损状态，老玩家如腾讯、百度、阿里、字节则在AI基础设施和研发上持续加大资本开支 [17] - 从2025年财报看，阿里资本支出突破千亿元人民币，腾讯和百度在百亿元级别；大厂仍优先获取先进训练芯片和迭代模型，而非降低推理成本 [17] - 国际巨头算力投入更为庞大，微软、亚马逊、谷歌、Meta四家公司年度总资本支出预计从2024年的约2000亿美元飙升至2026年的5000亿美元以上 [19] - 高额投入导致科技巨头从轻资产模式转向类似公用事业的重资产模式，负债率急升，同时面临AI芯片快速迭代（约一年周期）带来的巨额折旧难题 [19] - 中国云厂商也进入重资产设备周期，阿里云、火山引擎的投入被类比为电信运营商在3G/4G网络周期内的资本开支竞赛 [19] 商业模式与定价体系的系统性转变 - 互联网流量逻辑的边际成本趋近于零，可走免费模式；但Token是智力产出，边际成本递增，依赖算力、芯片和电力，免费模式走不通，需转向按Token计费的健康模式 [23] - 为适配Token经济，阿里成立新事业群，建立以“创造Token、输送Token、应用Token”为核心的新组织；腾讯则策略性把握Token的流向入口，通过微信等生态引导消耗至腾讯云 [23] - 行业竞争逻辑从“烧钱换流量”和“参数竞赛”，转向构建“Token经济体系”和“按效计费”，要求企业在战略、组织和商业上进行系统性转变 [24] - 云厂商近期提价反映供需关系变化：3月，腾讯云、阿里云和百度智能云的AI算力产品在十天内涨价约30%，主要受供应链成本上涨驱动，而非单纯追求利润 [22] 企业策略与效率优化 - 迅策作为“Token第一股”，其业务本质是为Token调用加装“增效器”，通过垂类AI解决方案提升结果精度，避免推理失败造成的Token浪费，将Token消耗从“试错成本”转化为“价值投资” [24] - 美图公司关注在帮助用户完成任务的同时尽量减少Token消耗次数，并计划根据所交付的商业价值对不同Token进行差异化定价，实现更好的商业转化 [24] - 百度展望，未来用户可能无需关心底层消耗了多少Token，而是直接为AI产出的成果和价值付费，MaaS（模型即服务）将演进为提供端到端的AI能力 [25] - 企业面临战略选择：在算力布局上，需权衡是追求最先进芯片的性能，还是构建更具成本效益的混合算力架构；是走全栈自研的重资产模式，还是寻求生态协同 [28]

Token成为AI时代薪酬与激励的新核心 - Token正成为AI公司招聘和留住人才的核心谈判筹码，被类比为曾经的股票期权[4][5] - 科技公司，包括OpenAI、Anthropic、谷歌、Meta、微软以及国内的阿里、腾讯等，正将Token配额作为员工福利或薪酬的“第四大组成部分”[6] - 国内公司中，阿里向员工发放Token额度，腾讯每年为员工提供最高达22万元价值的Token配额，优刻得免费发放，昆仑万维提供每月100美元补贴[6][7] Token激励的双重属性与潜在问题 - Token激励具有“果子与鞭子”的双重属性：既是提升工作效率的赋能工具，也是一种新型的绩效管理工具[11][12] - 作为“果子”，它让员工能更高效地开展工作，并成为求职者关注的重点；作为“鞭子”，公司期望高价值的产出与Token消耗相匹配，甚至将其作为绩效指标[12][13] - 存在两种值得警惕的做法：一是“Token入薪”，即将其计入薪酬并可能变相降低正常薪资，这混淆了生产资料成本与薪酬的界限[15]；二是“烧Token锦标赛”，将Token消耗量直接等同于生产力并进行内部排名比拼，可能助长无效内卷和数据刷取行为[17][18] - 报道指出，Meta、OpenAI等公司工程师之间存在Token使用量的内部排行榜，OpenAI有工程师能消耗掉2100亿个Token[17] AI时代生产关系与激励模式的变革 - 在AI时代，算力、数据和Token成为核心生产资料，企业激励与评价模式需要与这些新生产资料深度绑定[20][21] - 给员工发放Token被视为生产力变革下必要的生产关系适配，是提升组织效率的关键结构性决策[20] - 行业竞争格局下，提供Token激励已成为吸引高精尖人才的通用做法，单个企业不跟进可能面临人才流失的风险[21] - 有观点认为，给员工无限Token权限的公司，其效率可能是其他公司的10倍、20倍甚至100倍，这构成了“文明级别的分水岭”[20] Token资源配置的未来社会图景 - 未来可能出现“全民基础算力”的乌托邦设想，即Token像电力补贴一样成为每个公民的基本权利，用于教育、医疗等领域[22] - 也可能出现反乌托邦版本，即Token成为严格的数字等级制度和监控工具，人类员工沦为“硅基智能的生物引导程序”[23] - 更现实的版本是，随着算力像宽带一样成为基础设施，Token配额将退潮，被纳入常规IT预算，员工可像使用水电一样自然使用AI[23]