- 人工智能
大模型普及带动推理需求快速爆发，Token推理服务商业价值持续凸显，第三方服务商已然成为AI算力生态的重要组成部分。
海内外产业发展形成显著落差：海外市场已沉淀出经过验证的商业化实践，国内行业却深陷算力内卷、价格厮杀、毛利率持续承压的发展困局。不少本土服务商在客户选择、业务路线、是否布局自研芯片等关键战略决策上，缺少可借鉴的行业参照。
基于上述背景，爱分析正式发布《2026 爱分析・Token市场海外对标研究报告》。报告跳出国内市场的局部视角，以海外成熟产业实践为对标样本，剖析不同商业模式的得失，为国内Token服务商研判赛道、制定战略提供务实参考。
1. 报告综述
Token服务正在成为AI产业链价值分配的核心环节。向上，Token服务支撑AI应用；向下，Token服务调用模型与算力资源。
根据爱分析预测，2026年全球Token市场规模将达到1350亿美元。迅速崛起的Token产业与开源模型生态，使得模型原厂提供的Token服务已经无法满足市场需求，从而催生了众多第三方Token服务商。
过去两年，第三方Token服务在海外跑出了一个相对成熟的格局，市场清晰地分化出两条发展路线。一条路线提供MaaS服务，做算力调度和推理性能优化；一条路线自研推理芯片，重新定义推理服务的成本结构。
而中国市场，当前正在重走这个过程，路途中荆棘遍地。为此，爱分析这份报告通过海外市场的对标研究，回答两个核心问题：第一，Token服务的毛利率未来将会如何变化；第二，第三方Token服务商做芯片，这个命题是否成立。
我们的核心判断有三层。
第一层，Token服务包含两门生意，服务终端企业和服务模型厂商。两者看起来都在卖算力和推理能力，但财务模型完全不同。服务企业，能自主定价、毛利高，且自持算力资产较轻，对于现金流压力小；服务模型厂商，缺少话语权、毛利被集采压到个位数，而且需要自持的资产比例也更高，现金流岌岌可危。
第二层，国内的Token服务商过于偏向服务模型，未来应当逐步重视服务终端企业这条路。当前，国内诸多的Token工厂、算力运营商，都扎堆在服务模型这条路上，反观服务企业这条路，由于收入起量慢，少有人走。但是在海外，服务企业才是主流趋势，这是国内Token行业最大的认知偏差。
第三层，Token服务向上游芯片延伸，方向是对的，但当下不是好时机，投入产出比低。未来，如果模型大厂率先跑通自研芯片加Token服务的闭环，第三方服务商入局芯片的机会将进一步收窄。
本报告后续内容分三部分展开：第二章研究海外Token市场的格局，剖析MaaS和芯片两条路线如何分化与演进；第三章分析Token服务商未来的毛利率变化趋势；第四章回答芯片路线是否适合中国的Token服务商。
2. 海外Token市场
全球Token市场规模今年迎来了爆炸式增长。爱分析测算，包含模型原厂提供的Token服务在内，全球Token市场规模从2025年的240亿美元迅速攀升到2026年的1350亿美元，增速超过460%。此前，Gartner曾预测2030年GenAI Models的市场规模为1390亿美元，未曾想这个数字2026年就已经实现。
图1：全球Token市场规模
伴随市场爆发，第三方Token服务商在海外也已经跑出了领先的第一梯队。这个梯队玩家的发展逻辑并不相同，逐步分化成了MaaS和芯片两条路线，彼此的技术壁垒与商业模式也差别很大。
2.1 MaaS路线
第一条是MaaS路线，代表厂商是Fireworks。这类厂商多出自于模型厂商的AI Infra团队，擅长在英伟达GPU上做模型推理的调度与优化。比如，Fireworks创始团队来自Meta PyTorch的整建制班底，在GPU优化和高并发架构方面拥有极深的积淀。
MaaS路线厂商的核心工作是两件事，把开源模型的推理成本压下来，以及把弹性算力调度做稳。这条路线上，海外已经跑出了多家规模化公司，ARR在从10亿美元向20亿美元冲刺。
表1：海外Token市场MaaS路线代表厂商
上述四家Token服务商里面，OpenRouter知名度固然最高，但模式上最轻，不碰算力、不碰推理加速，只做路由和计费，从Token分发中抽佣5-5.5%。相比之下，另外三家代表厂商真实承担GPU成本，更代表这条路线的未来发展趋势。
Fireworks目前处于阶段性领先地位，其最核心的优势在于自研推理引擎FireAttention。根据公开评测，FireAttention在FP8精度下的Token吞吐比开源方案vLLM高出5.6倍，连续批处理情境下，可以将GPU利用率从40%拉到85%。
除了技术能力，Fireworks业务模式同样具有独特之处。
第一，它使用多云算力调度，而且不买卡、不建Token工厂。Fireworks算力池连接了AWS、Azure在内8家以上算力供应商，并且与NVIDIA、AMD等芯片厂商认证的AI原生推理云深度合作，直接获取最新的算力资源。
第二，它的Token量构成特殊，绝大部分来自企业客户专用的定制模型，而非开源模型的旗舰版本或者Flash版本。根据公开披露的数据，Fireworks今年7月份每日处理Token量超过40万亿，其中95%来自定制模型。定制模型的推理加速需要额外研发适配成本，因此企业客户替换Fireworks的成本高，长期客户黏性强。
第三，它提供的生产级系统工程，包含多租户调度、稳定性、合规等企业级要求，都是开源模型及生态无法提供的，这进一步加强了客户粘性。
基于上述分析可以看到，MaaS路线的竞争在于推理加速技术，但并非仅仅针对全尺寸的开源模型做推理加速。由于开源社区技术迭代速度快，自研推理引擎的优化效果会随着时间拉伸被开源生态追平。但如果是基于客户专用的定制模型推理加速，需要深度绑定客户模型，这才是真正的壁垒所在。
MaaS路线里的另外两家，Baseten和Together AI，做的事情与Fireworks大同小异，侧重点稍有差异。Baseten更偏向为企业AI应用做模型部署和弹性伸缩，通过将GPU池化成一个弹性池，为超100家企业客户提供波峰波谷不同时段的弹性算力服务。Together AI业务模式和国内的Token工厂更为接近，基于覆盖推理、训练的GPU集群，聚合200多个开源模型，并且正在从租赁GPU走向自建AIDC。
这三家毛利率总体处在50%左右，自建算力的Together AI稍低5个百分点。自建算力的GPU利用率在早期比较低，预计这是影响当前Together AI毛利率的主要原因。
2.2 芯片路线
另一类公司为了极致优化推理效果，选择了自研芯片的路线。同时，自研芯片可以改善成本结构，进而重塑Token服务的财务模型。这条路线上有三家代表公司，Groq、SambaNova和Cerebras。
表2：海外Token市场芯片路线代表厂商
三家创业公司都完成了芯片从零开始的研发与生产，这说明推理芯片的研发门槛确实下降了，但三家厂商目前的发展情况差异很大。
Groq的芯片业务于2025年12月被英伟达以200亿美元收购，包括芯片的技术授权和团队收编，其LPU芯片已经进入英伟达新一代Vera Rubin平台，成为生态里的一个组件。
SambaNova则绑定了英特尔，2026年7月完成10亿美元融资，年收入规模维持在亿美元级别，尚未快速起量。
Cerebras是三家里唯一走到IPO的，2026年5月在纳斯达克上市，IPO发行价185美元，目前价格略高于发行价，市值在500亿美元附近徘徊。
鉴于Cerebras是唯一未被芯片大厂锁定的独立厂商，爱分析选择其作为芯片路线的标杆进行研究。
Cerebras的芯片是晶圆级引擎（WSE，Wafer-Scale Engine），就是将整片晶圆做成一颗芯片。传统芯片制造过程，是将一片晶圆切割成上百个独立的小芯片，再通过电路板把它们连接起来。而WSE不进行切割，把完整晶圆作为一个超级大芯片来设计和使用。
如此设计的优势有三点。第一，海量核心，单一芯片可以集成几十万个专门用于AI计算的核心。第二，超高带宽，拥有超大容量的片上存储，数据读写速度极快。第三，延迟降低，所有计算核心都在同一片硅片上通信，省去了不同芯片之间传输数据的延迟，大幅提升了AI的训练与推理速度。
基于上述三点，模型推理的速度得到极致增强。根据公开数据披露，同样参数的模型，Cerebras的推理速度是英伟达10x以上。
在商业模式上，Cerebras也有两个特点。第一，它既卖硬件芯片，也卖自建算力的MaaS云服务，目前收入中硬件收入约占七成，MaaS服务约占三成。卖芯片收入起量快，在上一节的MaaS路线厂商还在讲ARR破10亿美元时，Cerebras今年的营业收入就有望突破10亿美元。
第二，Cerebras锁定了超大客户，从而保证其长期能够独立生存。2025年收入中，Cerebras前两大客户贡献占比86%。今年1月，OpenAI与Cerebras签署了超过200亿美元的长期协议，同时还提供10亿美元贷款，并且还拿到了行权后持股接近10%的认股权证，所以OpenAI同时是Cerebras的客户、债主和潜在股东。
这也是Cerebras发展比另外两家强的地方。在IPO之前，软银控股的ARM也曾计划收购Cerebras，但正是由于OpenAI等超级大客户的充分认可与支持，Cerebras得以独立发展。如果没有这些客户支持，Cerebras也难免步Groq和SambaNova后尘，被芯片巨头收编。
2.3 两条路线对比
把MaaS和芯片这两条路线放在一起，最直观的差异在于毛利率。
MaaS路线厂商毛利率在45-50%之间，芯片路线Cerebras却只有39%，不仅只有英伟达一半的毛利率，更是低于不碰芯片的Token服务商。
细拆来看，Cerebras芯片部分毛利率可提升空间并不大。2025年至今，芯片业务毛利率始终维持在40%出头的水平，与收入规模增长的关联度不高。目前，Cerebras的毛利率和英特尔处于同一水平线，长期看也很难追平AMD的50%+毛利率水平。
表3：Cerebras毛利率变化情况
但是，Cerebras MaaS服务毛利率非常值得期待。其毛利率在2026年发生质变，Q1达到53%，相比2025年几乎翻番。Q2下滑至41%，也是由于为了交付OpenAI的推理算力，不得不向已售客户溢价回租了算力资源，导致毛利率短期回落。
将芯片路线厂商的MaaS毛利率，与MaaS路线代表厂商进行对比可以发现，自研芯片的财务结构确实更为出色。Cerebras官方预期其长期毛利率将超过60%，因此Cerebras虽然起家于推理芯片，但未来更值得期待的无疑是MaaS服务。
3. Token服务毛利率
海外Token服务商毛利率可以做到50%以上，那么这套模式搬到中国后，国内Token服务商能拿到多少毛利呢？
基于爱分析调研，国内的第三方Token服务商毛利率普遍在20%以下，甚至由于价格战、算力价格波动等影响，出现负毛利率现象。这个反差背后，主要原因在于中美Token服务商的服务对象不同，导致定价权差异极大。
3.1 定价权差异
根据爱分析研究，海外MaaS毛利率高，主要是因为服务企业客户，手握Token定价权。
首先，海外MaaS路线服务的核心客户是AI原生应用以及大型SaaS应用，模型厂商并不是它们的核心客户。
以Fireworks为例，其AI原生应用大客户包括Cursor、Perplexity；SaaS大客户如Notion、Shopify等。Baseten的大客户同样包括Cursor、Notion，此外还有医疗垂直领域的AI应用Abridge、OpenEvidence等。
其次，海外Token服务商将推理服务的定价标准，牢牢掌握在自身手中。
海外企业客户选择开源或者专属模型的主要原因，是闭源模型价格太贵，以及担心数据被闭源模型用于训练。
针对价格部分，由于开源模型与闭源模型能力差距并不大，只要不是高度复杂场景，两者效果近似。因此，Token服务商的收费只要比闭源模型便宜，就对于企业客户极具吸引力。
针对数据主权部分，企业客户采购模型原厂提供的Token服务，会担心其数据被用于训练。而第三方Token服务商不自训模型，这是企业客户优选中立服务商，而非模型原厂的原因。
基于上述两点，海外Token服务商定价并不是锚定开源模型的刊例价，而是只要比闭源模型低即可。正是由于手握定价权，海外第一梯队Token服务商的毛利率基本都处于50%的级别。
国内的定价权机制则刚好相反。国内Token服务商的第一大客户往往是模型厂商，而非企业客户。模型厂商作为Token集采方，一般以刊例价3-5折的价格采购Token产能，再以7-9折批发或零售。而Token服务商的生产成本往往是刊例价的4折左右，因此毛利率极低，甚至出现倒挂现象。
在这种机制下，定价权握在模型厂商手中，Token服务商没有自主定价的空间。根据爱分析调研，国内服务模型厂商集采的Token工厂，毛利率普遍只有5-6%，是海外的1/10。
通过对比国内外情况，可以看到Token定价权在终端企业和模型厂商之间滑动，Token服务商能留下多少，取决于离哪一端更近。越靠近终端企业，定价权越强，毛利率越高。
3.2 国内Token服务商的选择
选择服务模型厂商的Token工厂模式，不但毛利率很低，而且要自持算力，那国内Token服务商为何不选择服务企业客户呢？
爱分析认为，核心原因是当前国内企业客户的需求尚未进入成熟期，需求尚未真正起量。
首先，国内推理算力供给不足，导致Token服务商和企业客户手中的算力规模并不大。
根据调研，这两类群体硬件资本开支并不高，头部的代表企业每年CapEx至多是十亿级别。企业客户如莲花味精，2023年斥资7亿元采购英伟达GPU服务器。Token服务商如并行科技，今年通过借款、与政府合资成立公司等形式购置GPU服务器，整体规模在10-20亿之间。
相比之下，为购入GPU，字节跳动举债296亿美元、阿里募资800亿港元、智谱再融资50亿美元，其获取的算力规模远远超过其他类型企业。
算力资源分配的多寡不均，导致Token服务商如果选择服务企业客户，这几年注定默默无闻，收入增速远低于行业平均增速。
以上是针对新购置的算力资源，而国内早期地方政府建设的AIDC确实有闲置的存量算力资源，但这些算力卡质量不佳，把资源批量卖给模型厂商是地方政府最顺手的变现方式。
因此，企业客户手中算力不大，Token服务商手中算力也很紧缺，导致Token服务商不得不倒向服务模型厂商。
其次，企业客户专属模型尚未起量，对于Token服务商需求不强。
海外企业客户更多会追求自身专属模型，一般是基于开源模型做微调，或者为了降低Token消耗训练契合自身业务使用的小模型。
但是国内企业客户使用模型呈现两个极端，要么追求旗舰模型，要上就必须是满血版DeepSeek；要么追求极致低算力要求，只上27B或者35B的Qwen小尺寸模型。针对前者，无论哪家Token服务商提供DeepSeek服务，都是赔本赚吆喝，毛利率极低；针对后者，其本身算力水平就很低，Token推理毫无用武之地。
当然，我们也看到，国内如LibTV等AI原生应用，已经开始训练自身使用的模型。待这些客户逐步成熟，Token服务商的需求将会迎来第二次爆发。
当前，国内还是有一批Token服务商专注于服务企业客户，典型如传统私有云厂商青云科技，Token工厂硅基流动未来也可能会更加倾向于服务私有化的企业客户。
这类Token服务商，手中缺少算力，收入体量都不大，但由于只提供推理加速服务、不提供算力，毛利率都较高。比如，硅基流动2025年本地化部署解决方案收入仅略超2600万元，毛利率超过80%。青云科技旗下青云智算2026年上半年收入约1879万元，与去年同期持平，并未进入高速增长期。
3.3 海外毛利率的未来
展望未来，海外Token服务商50%的毛利也不是稳态，正在被模型厂商从两端挤压，毛利率将进入下行区间。
一方面，闭源模型降价的趋势不可避免，海外Token服务商的定价也将随之下调，从而压低毛利率。OpenAI通过GPT-5.6 Luna将价格砍掉8成，Anthropic通过Claude Opus 5将旗舰模价格砍掉一半。Token服务商在和企业客户议价时，将面临这些低价闭源模型的强力竞争。
另一方面，开源模型厂商将逐步开始向海外Token服务商分层收费，进一步对毛利率造成影响。从Kimi K3开始，向MaaS服务商收费已成为一种趋势。公开协议中Kimi要求分成30%，根据爱分析调研，目前实际分成在10%级别，但未来分成比例只会越来越高。
海外也有一些实测数据，显示Together AI的批处理推理价格已经贴近成本价，毛利率接近为0。
综合上述分析，无论是海外还是中国，Token服务商的毛利率都处于承压状态，预计当前50%的毛利率将是整个行业天花板，长期难以维持。
4. Token服务的芯片路线
海外Token服务商做芯片这条路线已经有多年实践，并且跑出了三家创业公司。国内，无问芯穹从2024年开始就在研发端侧模型的专用推理处理器LPU。那么，国内Token服务商是否应当涉足芯片领域呢？
我们认为，这个问题可以继续拆解为：推理芯片是否有技术壁垒？推理芯片的财务模型如何？应当何时介入芯片领域？
4.1 技术壁垒
无论是海外的三家创业公司，还是国内的GPU芯片厂商，都造出了芯片，这件事充分说明GPU推理芯片没有不可逾越的技术门槛。
因此，对于Token服务商而言，如果把GPU芯片看作长期的技术护城河，将是严重误判。更合理的判断是，自研芯片对于改善Token服务的财务模型效果显著。
首先，国内芯片业务本身的毛利率就很可观，超过海外平均水平。前文分析海外市场可以看到，海外芯片市场毛利率分为3个明显的梯队。第一梯队，英伟达毛利率超过70%；第二梯队，AMD毛利率介于50-60%之间；第三梯队英特尔、Cerebras等毛利率介于40-50%之间。
而国内市场，芯片厂商毛利率普遍集中于50-60%之间，和AMD处于同一水平，相比国内MaaS不及20%的毛利率，芯片厂商这个毛利率水平更显得尤为可观。
其次，芯片业务对MaaS业务的毛利率也有改善效果。
在海外，Cerebras的MaaS毛利率已经超过50%，高于Fireworks等厂商。可以看到，自研芯片确实能够提高MaaS毛利率。因此，国内Token服务商若自研芯片，MaaS毛利率可以超过20%的天花板。
4.2 竞争格局
那么，当前是Token服务商介入自研芯片的好时机吗？爱分析认为，无论当前还是未来，第三方Token服务商都很难在自研芯片的竞争中获得一席之地。
国产推理芯片目前确实正处于高速增长的阶段，阿里平头哥出货量2026年保守预计超过100万片，较2025年增长3倍以上。
但是，目前芯片增长背后驱动力是出口管制、替代英伟达的需求，芯片厂商的能否量产出货，比拼的并非是性能，而是谁能拿到更多中芯国际产能。因此，Token服务商此时介入推理芯片研发与制造，毫无优势可言。
参考海外市场，芯片制造并不是产业瓶颈，只要能设计出高性能芯片，就能找到代工生产。因此，当国内突破芯片制造产能的限制，Token服务商就可以开始考虑自研推理芯片的设计研发。
但届时，国内芯片这条路线将面临更大的竞争对手，即阿里、字节等大厂。大厂将是真正跑通芯片加Token服务闭环的先行者，这将导致第三方Token服务商自研芯片难度倍增。
阿里的真武PPU是典型样本。它先在阿里云内部消化产能，支撑Qwen的训练和推理。随着Qwen调用量增长，迅速完成Token服务的全闭环。当前，真武PPU尚处于万卡集群，而2027年末真武PPU将实现50万卡的算力集群，相当于1GW。在如此规模的算力集群之上，Token推理成本将大幅下降，届时第三方Token服务商追赶难度极大。
除了阿里，字节也在争夺Token调用量第一的座次，其自研推理芯片SeedChip也已排上日程，计划2027年进入量产阶段。百度昆仑芯的出货量，在2025年就已经追平寒武纪，达到国产前三的水平。昆仑芯拳头产品M100已经进入小规模出货阶段，将大幅提高2026年业绩。
这三家的共同点，是先有了确定性的内部负载做基础，在摊薄芯片研发和生产成本的同时，也大幅降低了Token推理成本。
相比之下，第三方Token服务商没有这个基础负载提供底仓支撑，自研芯片将面临严重的销售难题。一旦产能利用率上不去，反而会对原有的MaaS业务造成现金流挤压。
因此，对第三方Token服务商来说是，向上游芯片延伸的方向是对的，但这条路道阻且长，投入产出比不高，还会遭遇大厂自研芯片的强烈竞争。
5. 结语
回到开篇的两个问题。
首先，中国第三方Token服务的毛利率未来会走向分化，服务终端企业的服务商能把毛利率维持在相对健康的水平，服务模型厂商的服务商则会被集采长期压在低位。
其次，Token服务商做芯片，方向是对的，自研芯片确实能改善财务模型。但对第三方Token服务商而言，很难找到好的切入时机，短期没有能力获取芯片制造产能，长期缺乏与大厂PK的Token服务闭环的能力。
对中国的Token服务商来说，方向的选择比当下的努力更重要。服务模型厂商虽然能快速起量，但手中没有定价权，收入增长质量低、毛利率低。爱分析的建议是，把重心逐步转向服务终端企业，那里有自主定价的空间，有更轻的资产结构和更稳的现金流。
长期壁垒的最终落点，回到服务什么客户这个原点。谁能更早看清这一点，谁就能在这轮格局重排里先站稳脚跟、走得更远。