Token 价格战的毛利归宿

塌的是商品档，收的是拥有硅的人

涌现资本产业研究部 · 2026 年 8 月 5 日

投资要点

推理的价格曲线在 2026 年裂成了两条：商品档趋近边际成本，前沿档保持垄断定价——毛利不是沿链均匀流失，而是集中落在「不拥有硅、只转租算力」的那一层。

一、钱流与价值链五层图

这条链上真正在流动的钱有两笔，量级相差一到两个数量级，而市场常把它们当成同一笔。

第一笔是 token 账单：单一模型商的 API 年收入约 65 亿美元，整个商用推理 API 支出的合理量级是数百亿美元级。第二笔是资本开支：四大超大厂 2026 年合计约 7,250 亿美元，较 2025 年的 4,100 亿增长 77%，且在降价发生的同一个季度被上调。

价格战打的是第一笔钱。买单上游的是第二笔钱。这就是本篇全部分层结论的起点。

二、事件本体：一次被普遍读错的降价

2026-07-30（美东时间；北京时间 07-31），GPT-5.6 家族三档中的两档下调 API 价格。这是发生在同一批 SKU 上的真实降价，而非用更便宜的新模型替换旧模型——GPT-5.6 于 2026-07-09 发布，降价距发布仅 21 天，降价前后的型号未变。

两条腿同为精确 −80%，因此「降 80%」这个标题与输入输出配比假设无关；变化的只有混合单价的绝对水平——按 8:2 输入输出配比，Luna 混合价约 0.40 美元，按 9:1 约 0.30 美元。

三项常被忽略的结构性条款，方向都与「无限通缩」相反：

1. 长上下文加价适用全系。单次请求超过 272,000 token 后，输入与缓存按 2 倍、输出按 1.5 倍计价，且高价率适用于整个请求。对上下文不断滚雪球的智能体负载，Luna 的实际输入价是 0.40 而非 0.20 美元。
2. 前沿档出现向上加价档。Sol 在标题价不动的同时，新增速度至多 2.5 倍、价格 2 倍的 Fast 模式。
3. 商品档阵营已出现反向定价动作。DeepSeek 已宣布对 V4 Flash 实施高峰时段 2 倍计价（北京时间 09:00–12:00 与 14:00–18:00，输入实付将达每百万 token 0.28 美元），生效日尚未公布。这是低端阵营首次公开的提价机制。

同期主要供给方挂牌价（每百万 token，输入 / 输出）：

形态一致：前沿档密集分布在每百万 token 输入 5 至 10 美元，商品档已下探到 0.14 至 0.20 美元，两者相差 35 至 70 倍。价格战发生在下面这一层，不是全层。

三、分水岭：两种通缩口径必须切开

推理成本的下降速度被系统性高估，根源是把两种口径混用。

• 同一模型降价口径：Luna −80%（2026-07-30）、Terra −20%（同日）、DeepSeek V4 Pro −75%（2026-05-31）。单次降幅是 75 至 80% 量级。
• 同能力档替代口径：GPT-4 质量档三年累计约 200 倍（2023-03 的 30 美元 → 2024-07 GPT-4o mini 的 0.15 美元）；市面最便宜可用模型约 300 倍。

而同一份统计给出的第三个数字才是本篇的支点：前沿档同期只压缩了约 12 倍（GPT-4 输入 30 美元 → GPT-5.4 的 2.50 美元，单一输入价口径）。以混合价指数口径复核，前沿篮子在 2026 年 1 月对应约 5.62 美元、7 月对应约 11.25 美元——这不是同一模型涨价，而是「前沿」这个篮子的定价重心自 2.50 / 15 档上移到 5 / 30 档。

结论：通缩是真的，但它几乎全部发生在商品档。把 300 倍套用到整条价格曲线上再推导毛利，会得出与事实相反的分层结论。

四、这次降价不是成本传导

降价方给出的归因是效率提升后的让利：在 Codex 内自主优化生产 GPU kernel、重构部分推测解码系统，使端到端服务成本下降约 20%、token 生成效率提升 15% 以上。

把这两个公开数字组合成单位任务成本的改善上限：1 − 0.80 ×（1 ÷ 1.15）≈ −30%。而价格降了 80%。要在毛利率不变的前提下把每百万 token 从 1.00 美元降到 0.20 美元，需要的是 80% 的成本改善。20 至 30% 的改善填不上这个缺口。（本部测算，基于两项公开自述数字。）

三条独立证据把「成本传导」这条解释进一步排除：

1. 同日旗舰零降价。若是全机队效率红利，Sol 没有理由一分不降。选择性重定价是竞争行为，不是成本行为。
2. 两项关键成本输入同期反向上行。服务器 DRAM 合约价一季度环比涨 93 至 98%、二季度涨 55 至 60%，三季度指引再涨 13 至 18%；GPU 租金指数在 2026-08-03 报 111，同比涨约 6%，H100 中位在岸价 3.85 美元/GPU·小时。
3. 竞争压力有独立读数。中国模型在第三方路由平台上已占美国企业 token 用量的 46%。

判定：这一层的毛利不是让出去的，是被打掉的。🔴

五、毛利到底落在哪一层：三条 ROIC 阶梯

摩根士丹利 2026-07-27 的 1GW 数据中心框架给出了本篇最硬的一把标尺。基准配置：约 41 万张 GB300、75% 利用率、年运营支出约 76 亿美元、单 GW 建设成本约 390 亿美元（含网络、存储、液冷、供配电的全包口径）。

收入侧算术闭合可复核：410,000 × 8.50 美元 × 8,760 × 0.75 = 228.96 亿美元，与公开值 229 亿一致；息税前利润率 1 − 7.6 ÷ 22.9 = 66.8%。

最关键的一条是同一框架给出的敏感性：转租算力做 API 的模式，在每百万 token 售价 1.00 美元时转为亏损，在 2.50 美元时净营业利润率为 32%。

而降价后商品档的混合售价是 0.30 至 0.40 美元。

这不是说这一层今天就在亏——档位不同、负载不同、大客户折扣不同。这是说：在不拥有硅的经营模式下，商品档的公开挂牌价已经跌破了这套框架给出的盈亏线，价差空间被从上下两端同时压掉。

成本地板远低于市场直觉——前提是拥有硅并跑最新软件栈

前述框架中自有基建做 API 的单位成本地板可精确重建：推理 GPU 小时 = 410,000 × 65% 推理配比 × 75% 利用率 × 8,760 = 17.51 亿；按框架采用的每 GPU 2,750 token/秒吞吐，得年产 1.733 × 10¹⁶ token；76 亿美元 ÷ 该产量 = 每百万 token 0.438 美元。三重锁定：收入侧 304 亿美元（对公开值 304 亿）、息税前利润率 75.0%（对公开值约 75%）、投入资本回报率约 46%，全部闭合。

但 2,750 token/秒是六个月前的吞吐水平。同一 GB300 NVL72 硬件、同一推理模型，在 MLPerf Inference v6.0（2026-04-01 发布）中服务器场景已从 2,907 提到 8,064 token/秒/GPU（2.77 倍），离线场景从 5,842 提到 9,821——纯软件栈提升，硬件未变。以同一成本基数、当期吞吐重算：76 亿美元 ÷ 5.083 × 10¹⁶ = 每百万 token 0.15 美元。

于是分层结论清晰了：

• 拥有硅、跑最新软件栈、且卖的是自家模型的一方，成本地板约 0.15 美元，商品档 0.30 至 0.40 美元的售价仍在地板之上——薄，但不是负毛利。
• 转租他人算力的一方，成本是别人的售价（框架中每 GPU·小时 7.75 美元），地板天然抬高一档，商品档定价直接击穿其盈亏线。

软件栈的迭代速度，正在成为决定谁能在商品档活下来的第一变量。 这是本轮价格战里最容易被忽略的技术卡点。

六、上游：五项监测指标全部未触发

前端单价坍塌是否会向上传导，取决于五个可观测量。截至 2026-08-05：

为什么传导不过去，有一个量级层面的解释：单一模型商的 API 年收入约 65 亿美元（约 250 亿美元年化收入的 26%），对四大超大厂 7,250 亿美元的资本开支，比值约 1:110。把其他模型商与云厂直销并入，整个商用推理 API 支出的合理量级是数百亿美元级——仍比资本开支小一到两个数量级。

上游的现金流由资产负债表买单，不由 token 账单买单。token 单价怎么打，短期内改变不了先进封装交期和高带宽存储的合约方向。🟢

同期的量增侧也不支持「降价换不来量」：第三方路由平台的年化处理量约 1,500 万亿 token（2026-05），同比约 15 倍；单一超大厂全表面月处理量自 480 万亿（2025-05）增至 3,200 万亿（2026-05），同比 6.67 倍。注意口径：全表面口径约为 API 计费口径的三倍多——该平台 API 吞吐在二季度约 220 亿 token/分钟，折合约 950 万亿/月，占全表面口径约三成。任何「token 量 × 单价 = 市场规模」的推算，在拿到 API 计费口径的绝对金额之前都不成立。

七、中间层：三种命运

（一）自有模型 + 自有基建：仍能扩利，但证据等级最低

行业估算给出的读数是推理基础设施毛利率自 38% 升至 70% 以上；同一家的投资人材料预测其二季度收入 109 亿美元、经营利润 5.59 亿美元，为其首个经营利润季，算力成本自每美元收入 0.71 降至 0.56 美元。

必须显式声明的口径差：推理基础设施毛利率与公司整体毛利率不是同一件事。同期另一家模型商的调整后毛利率自 2024 年 40% 降至 2025 年 33%，推理成本 2025 年 84 亿美元、2026 年预计 141 亿美元。70% 与 33% 不矛盾，它们量的是不同的东西——前者剥离了消费级产品、训练与人力，后者没有。

这一支的全部量化支柱都来自未审计的第三方估算或融资材料，只能作为假说提出。🟡

（二）无自有模型的纯推理服务商：结构最脆

两家代表性私营服务商的第三方估算毛利率分别约 45% 与 50%（GPU 成本计入营业成本），年化收入分别约 10 亿与 8 亿美元。它们同时面对上游租金上行与下游售价坍塌，且没有前沿档可以用来补贴商品档。这一层与 ROIC 阶梯中「转租算力做 API」的经营模式高度重合。🔴

（三）长约型算力出租方：是收费公路，但收的是杠杆化的租金

一季度（截至 2026-03-31）读数：收入 20.78 亿美元、营业成本 7.16 亿美元、毛利率 65.5%；积压订单 994 亿美元（同比增 284%）、剩余履约义务 988 亿美元、合同电力超 3.5GW；管理层称 A100 / H100 / H200 / L40 均价环比全部上升，近端产能「基本售罄」，新增产能加权平均合约期限约 5 年。

65.5% 这个数字必须拆开看：折旧与数据中心运营成本落在营业费用行（技术与基础设施 12.73 亿美元），不在营业成本内。把折旧计回：20.78 − 7.16 − 12.73 = 0.89 亿美元，即 4.3%。同期净利息支出 5.36 亿美元单季吞掉全部经营利润，净亏损 7.40 亿美元；调整后经营利润率 1%。2026 年资本开支指引 310 至 350 亿美元，对应全年收入指引 120 至 130 亿美元。

判定：这不是软件毛利，是杠杆化的电力与地产毛利。它对 token 价格战有相当强的免疫力（长约、售罄、均价上行），但真实风险不在价格战，在客户信用与再融资。🟡

另一家欧洲同业一季度收入 3.99 亿美元（同比增 684%）、调整后 EBITDA 1.295 亿美元 / 32%（其 AI 云业务口径为 45%），为首个调整后 EBITDA 转正季。管理层明确表示二季度利润率会回落、三季度回到一季度水平、四季度再上台阶——中间层的利润率是装机节奏的函数，不是稳态。其二季度业绩定于 2026-08-12 盘前，是最近的一次验证窗口。🟡

八、下游：红利不是白拿的

降价 80% 是否变成应用层的利润，取决于用量弹性。现有证据指向：不是。

• 智能体负载的 token 消耗是数量级跳变。基于 SWE-bench Verified 上八个前沿模型轨迹的研究显示，智能体编码任务的 token 消耗量为代码推理与代码对话的约 1,000 倍，成本主要来自上下文滚雪球式增长的输入 token；同一智能体跑同一任务，成本波动最高达 30 倍，且模型无法预测自身成本。
• 管理层层面已有明确归因。某企业软件平台二季度非 GAAP 订阅毛利率自 83.0% 降至 80.5%（同比降 2.5 个百分点），归因于「客户对超大厂合作的使用增加与 AI 采纳加速」，并称该逆风将随平台规模扩大而持续；全年订阅毛利率指引 81%。同期其 AI 年度合同价值突破 10 亿美元、生产环境智能体客户九个月增长 9 倍。用量在涨，毛利在掉，两件事同时发生。
• 单位成本下降与总成本上升可以并存。某语言学习平台一季度毛利率 73.0%（同比升 1.9 个百分点），归因为「单位 AI 成本持续下降」；同一场电话会里，管理层同时表示「内部 AI 成本已开始出现相当大的增长」，并指引二季度约 71%、四季度约 69%。
• 行业横截面同向。一项覆盖 269 家公司的调研显示，AI 产品毛利率自 2024 年 41% 升至 2025 年 45%、2026 年预测 52%；但模型推理占总成本的比例随阶段单调上升，自上线前的 20% 升至规模化阶段的 23%，同期人力占比自 32% 降至 26%——推理正在成为规模化后的主导成本项。

存在一个显著的反例：某客户关系管理平台四季度累计处理 token 超 19 万亿（同比 5 倍），智能体产品年度经常性收入 8 亿美元（同比增 169%），经营利润率同期扩张。用量暴增与利润率扩张并存是可能的——条件是 token 成本占其收入的比例本就很低。

一个必须点破的乘法陷阱：智能体负载的 5 至 30 倍用量弹性跑在前沿推理模型上，而前沿档 Sol 此次一分未降。用商品档的价格弹性去乘前沿档的用量弹性，两者不在同一档位，乘积没有意义。

真正有效的下游成本武器不是等降价，是路由与自研。某代码编辑器公司自研推理模型于 2025-11 上线，年底已承接约一半的自动补全请求；此前在约 20 亿美元年化收入规模上，每 1 美元收入约有 0.40 至 0.70 美元用于第三方模型推理。2026 年初它进一步接入第三方长上下文低成本模型作兜底，形成「自研快速编辑 / 前沿复杂推理 / 廉价长上下文」三层路由。毛利结构自「重度用户盈亏平衡」转为「企业分部整体为正」。🟡

九、受益标的

大公司受益链

需求源（超大厂 AI 预算与企业 token 支出）→ 直接受益：NVDA（加速计算）、AVGO（定制芯片）、高带宽存储与先进封装供应商 → 二阶受益：GOOGL（自有硅 + 自有模型 + 自有云，三层利润同表）、MSFT（云分部加价） → 隐形受益：推理软件栈与编译器能力持有方（吞吐提升 2.77 倍即成本地板下移 65%，不体现在任何单独报表科目里） → 伪受益：仅以「token 用量暴增」为叙事、拿不出毛利率轨迹的应用层标的 → 可投代理：CRWV、NBIS（长约算力，收的是杠杆化租金） → 不可投但需监控：模型商与纯推理服务商（均为私营，无干净上市敞口）。

三张公司卡

情景表

不在表内但结论明确的一层：无自有模型、转租第三方算力做推理 API 的服务商（第三方估算毛利率 45 至 50%，均为私营）。这一层与 ROIC 阶梯中回报最低、且在每百万 token 售价 1 美元即转亏的经营模式重合，商品档定价已击穿其盈亏线。🔴

十、风险与反证

风险在此处一次性说清，正文其余部分不重复对冲。

必须同时说明的三项方法学限制：

1. 本篇基于挂牌价。企业大客户折扣、承诺用量协议、云平台转售价差可能与挂牌价偏离数十个百分点，而毛利归属恰恰依赖真实成交价。
2. 本篇拒绝采信降价方给出的「效率让利」归因，理由是其自述效率数字与降幅存在 50 个百分点以上的量级缺口（见第三节测算）。这是一项判断，不是事实。
3. 模型商未上市，无审计报表。第六节（一）的全部数字来自第三方估算与融资材料，证据等级低于本篇其他章节。

十一、数据口径与冲突

十二、行动清单

• 现在的核心持仓逻辑不变：上游（NVDA / AVGO）与自有硅平台（GOOGL）的收入锚在资本开支预算与已签订单上，token 单价怎么打都够不到。
• 重点观察：8/12 的欧洲算力出租方二季度业绩（验证「利润率是装机节奏函数」）；8 月下旬 NVIDIA 季度业绩与毛利率指引（本篇最大的单点反证）。
• 只监控不买：无自有模型、转租算力的纯推理服务商——结构最脆且多为私营，无干净的上市敞口。
• 绝不追：以「token 用量暴增」为唯一叙事、但拿不出毛利率轨迹的标的。用量与毛利在 2026 年已经解耦。
• 下次要看的五个数：① NVIDIA 非 GAAP 毛利率指引 ② CoWoS 交期周数 ③ HBM4 2027 年合约价方向 ④ 前沿档是否跟随降价 ⑤ 企业软件公司的订阅毛利率同比变动。
• 触发重写的信号：前沿档跟随降价，或商品档出现全面提价。任一发生，本篇的分层框架即失效。

十三、来源置信度表与口径自评

数字三道关自评：①量级一致性——第四节三条 ROIC 阶梯的收入侧、息税前利润率、单位成本地板三项互为交叉校验并全部闭合；第一节四项降幅（80%/80%/20%/20%）逐项复核。②单位显式化——全文单价统一为「美元/百万 token」，token 处理量统一为「万亿」，避免与「千 token」及 quadrillion 口径混用；毛利率、经营利润率、调整后 EBITDA 利润率分节陈述，不同口径不并表。③关键数字走公司公告、财报与官方基准，第三方估算与私营公司数字在下表中单独标注为 C 级。

置信度定义：A = 公司公告 / 财报 / 监管文件 / 官方基准；B = 产业数据机构或多源交叉；C = 第三方估算或二手转述；D = 推演假设。

免责声明：本报告由涌现资本产业研究部独立编制，基于截至 2026 年 8 月 5 日的公开信息，仅供研究参考，不构成任何证券的买卖要约或投资建议。文中前瞻性判断存在不确定性，实际结果可能与预期存在重大差异。报告中涉及的标的价格与市值取自当日实时行情接口，市场波动可能导致数据变化。读者应独立判断并自行承担投资风险。

涌现资本产业研究部 · 2026 年 8 月 5 日