三季度中国Token数据公布前：需厘清统计口径、中美对比及算力结构

事件概述

随着三季度结束，中国官方即将披露最新的全国日均Token消耗数据（此前6月底数据显示为500万亿Token，较去年底增长5倍）。然而，在解读这一数据前，必须厘清统计口径的差异、中美数据的可比性以及背后的算力与商业逻辑，以避免对AI市场需求产生误判。

核心信息

1. Token统计口径存在混乱与偏差

当前的Token统计数据难以准确反映全市场规模，主要源于以下结构性问题：

• 重复计算风险：云厂商（MaaS模式）的统计口径通常包含自研模型与第三方开源模型的调用量。若上层汇总时未做去重处理，可能导致同一请求在不同环节被多次计数。
• 遗漏统计严重：模型厂商租用IaaS自建推理服务、应用厂商私有化部署以及端侧AI产生的Token，往往未被纳入云厂商或模型厂商的公开统计中。例如，火山引擎披露的豆包Token量包含内部及App调用，但这仅是局部数据，无法倒推整体市场。

2. “中国Token超美”并非高确定性结论

将中国500万亿Token与美国数据进行直接对标缺乏严谨性：

• 美国数据缺失全貌：OpenAI日均约22万亿、谷歌约32万亿的披露数据仅涵盖API部分，未包含自有应用及内部业务。且美国缺乏全市场尺度的统一统计。
• 算力与渗透率差距：截至一季度，美国AI算力基础设施电力规模约13.7GW，而中国约为0.72GW（按等效功耗折算差距依然巨大）。尽管中国智算规模达2,185 EFLOPS，但在算力转化为Token的效率及高吞吐负载权衡上，美国仍占优势。同时，中国模型在美国市场的渗透率有限，因此简单认为中国Token调用量已超越美国并不具备高确定性。

3. Token规模与AI收入存在系统性错位

Token数量的增长并未同步转化为同等规模的商业收入，原因如下：

• 价值场景差异：OpenAI与Anthropic两家公司的年度经常性收入（ARR）均超千亿美元，比中国非大厂AI企业高出两个数量级。这反映了高价值工作场景（如编码、智能体交互）的溢价能力远高于低价值场景。
• 质量与时延导向：黄仁勋提出的“Token收益”概念强调能效、时延（TTFT）及服务中断时间。美国头部厂商更专注于低时延、高质量的交互体验，从而占据高价值领域；而中国模型长期在低价值场景中消耗大量Token，虽近期能力有所提升，但溢价能力仍由美国厂商主导。
• 成本与市场因素：不同市场的人工成本、专业服务价格及IT支出水平差异，也决定了相同Token在不同经济体中的商业价值不同。

4. 算力国产化加速与“Token出海”现象

• 算力结构转变：当前存量算力中约55%来自英伟达，但本土芯片份额已升至41%。根据“十五五”规划目标，到2030年中国智算规模将达9800 EFLOPS，届时本土算力占比有望超过90%，从根本上改变Token供应结构。目前已有案例显示，国产芯片集群可承载大规模推理需求（如智谱使用国产芯片完成6天60多万亿Token推理）。
• Token出口占比显著：官方统计的Token总量隐含了全球客户对中国生产Token的调用。例如，Seedance系列模型近一半调用量来自海外，估算其日均海外调用约占中国总量的10%；MiniMax上半年海外收入占比达60.8%。这表明中国Token数据的增长部分源于“Token出海”，而非完全代表国内智能体经济的繁荣。

值得关注

9月底公布的最新日均Token数据将为上述问题提供更清晰的观察窗口，但需结合算力基础设施、模型应用场景及跨境调用情况综合评估，避免单一数字带来的误导性结论。