500万亿Token之后，AI基建开始算利润：174亿Token工厂集采启动，真正稀缺的是高利用率

一、500万亿Token已经在跑，新增算力为什么还会闲着

　　每天500万亿Token听起来像无限需求。但对一座Token工厂来说，危险往往出在服务器先上架、折旧先计提，客户和调用量却还没填满产能。

　　工信部披露，截至2026年6月，我国日均Token调用量已经突破500万亿。同一时期，全国智能算力规模达到2185 EFLOPS（FP16），同比增长177%，万卡以上智算设施达到52个。把两组数字放在一起，最容易得到的直觉是：调用量这么快，算力当然越多越好。

　　但还有一个数字不能忽略：全国算力设施整体上架率为71.4%。它说明行业一边在扩容，一边仍有相当一部分已建资源没有被持续负载填满。需求增长是真的，供给扩张也是真的，难点在于把两者稳定匹配起来。

　　“缺算力”和“有闲置算力”并不矛盾。不同芯片、不同地域、不同模型、不同网络条件和不同客户场景之间不能无损互换。训练集群闲着，不代表它就能立刻承接低时延推理；西部低电价机房有卡，也不代表东部企业的实时Agent愿意承担网络时延。Token工厂要解决的，恰恰是把这些碎片化资源变成可被客户直接购买的标准产能。

（1）4万万亿和500万亿，为什么不能直接比较

　　IDC统计，2024年中国企业级MaaS市场Token调用量约为114万亿，2025年升至1944万亿，并预计2026年全年可能达到40000万亿。这与全国日均500万亿不是同一统计口径：前者是企业级MaaS市场的年度预测，后者是全国日均调用量，不能直接拿来做倍数换算。

　　但方向是一致的。IDC还预计，到2031年中国企业活跃智能体数量可能突破3.5亿。一个聊天机器人回答一次问题，可能只触发几轮模型调用；一个真正替人做事的Agent，要规划、检索、调用工具、读写数据库、执行代码、校验结果，再决定下一步。单次任务消耗的Token会从“一次回答”扩展成“一串执行”。

二、174亿元集采改了一个关键词：客户开始买“产量”，不再只买服务器

（1）从台数、型号和机柜，变成60个月的生成能力

　　中国电信宁夏2026年“Token工厂”生成能力服务集中采购项目，整体预估规模为164.51亿元不含税、174.3806亿元含税，共划分11个标包。已披露标包的服务期为订单下达后60个月，交付要求是订单下达后30日内提供标准Token生成能力。

　　这和传统服务器采购的差别，不在名字。买服务器时，采购方最先盯的是型号、数量、配置、交期和维保；买Token生成能力时，供应商要对持续可用的输出负责。硬件只是生产资料，Token才是合同里的产量。

　　这会把竞争从一次性硬件交付往后推一层：模型部署效率、异构算力调度、网络时延、故障恢复、能耗、并发、客户负载和长期运维都开始影响最终成本。以前卖完设备，收入确认的大头可能已经完成；现在设备交付只是开工，后面的60个月才决定这座工厂到底赚不赚钱。

（2）合同越靠近Token，越不能只看“中标金额”

　　这也是百亿级集采最容易被误读的地方。174.3806亿元是项目整体预估采购规模，不等于这些金额已经一次性变成任何一家上市公司的收入。实际确认仍要经过份额、订单下达、交付、验收和会计确认。

　　更重要的是，生成能力服务天然包含持续履约。报价高不代表毛利高，产能多不代表利用率高，中标份额也不代表最终利润贡献。当采购单位从“机器”变成“Token”，投资者也必须把观察单位从合同额切换到单位产量经济性。

三、单Token越来越便宜，为什么AI基建账单反而更大

（1）推理第一次在IaaS支出里压过训练

　　Gartner预计，2026年全球AI优化IaaS支出约422.76亿美元，同比增长96.4%；其中推理支出约233亿美元，训练约190亿美元，推理占比约55%，到2027年还可能升到59%。

　　训练仍然重要，但企业AI的新增负载正在转向持续运行的推理。训练像建厂和改造产线，往往集中发生；推理像开工，客户每发起一次搜索、生成、推荐、代码执行或Agent任务，后端都要继续消耗算力。只要应用在线，推理账单就不会在模型训练结束后停止。

（2）价格下降，反而可能把使用量放大得更快

　　Token单价下降看起来会压缩收入，但它也会把原来“舍不得调用”的场景变成可用。模型更便宜以后，企业敢把AI嵌进更多流程，Agent也敢多走几步、多查几轮、多调用几个工具。最终决定基础设施需求的，是“单个业务任务要消耗多少有效Token × 任务数量”。

　　所以AI基础设施接下来的核心指标会越来越像制造业：设备购置价仍然重要，单位产出成本、良率、设备开工率和订单密度的重要性正在继续上升。Token只是把这套工业经济学搬进了数据中心。

四、Token工厂真正难算的是折旧、利用率和毛利率

（1）中国电信的94%，说明高利用率本身就是竞争力

　　中国电信2026年上半年新增自有智能算力24.8 EFLOPS，自有智算能力达到70.8 EFLOPS，“自有+接入”智算总规模超过118.8 EFLOPS，智算利用率达到94%；同期智算收入同比增长95%，AIDC收入同比增长9.3%。

　　94%和行业整体71.4%的上架率统计口径不同，不能机械对比，但它们揭示的经营问题一致：算力建出来以后，谁能更快把负载填满，谁就更容易摊薄折旧、电费和运维成本。运营商手里同时有云、骨干网、政企客户、模型平台和计费入口，在提高资产周转效率上天然更有条件。

（2）润建股份的6.97%，把独立Token工厂最难的一面直接写进了报表

　　润建股份2026年上半年把“Token为核”写进经营战略，并明确Token工厂商业模式基本闭环、进入常态化运营。其算力网络业务收入约5.19亿元，同比增长50.31%，但毛利率只有6.97%，公司解释主要受固定资产投产期折旧较高影响。

　　这组数字比“Token工厂落地”更有价值。GPU、机房和电力一旦投入，折旧会从投产时开始；客户迁移、模型适配、调用量和订单却需要时间爬坡。产能爬得比需求快，利润率就先被折旧吃掉；需求爬得比产能快，利用率才会把固定成本摊薄。

　　因此一座Token工厂真正的盈亏公式，可以简单理解为：有效Token销量乘以单位价格，减去芯片折旧、电力、网络、机房、模型优化、运维和融资成本。行业故事可以讲量，利润表只认这个差额。

五、A股已经出现四种角色：离Token越近，财务验证方式越不一样

（1）华胜天成：合同最直接，但合同直接不等于利润已经成熟

　　华胜天成进入中国电信宁夏Token工厂标包一中标结果，前期公示份额为18%。它拿到的是Token生成能力服务，合同对象已经越过简单硬件供货，因此在主板公司里属于合同位置非常直接的一类。

　　但公司2026年上半年营业收入约25.01亿元，归母净利润约亏损2.45亿元。这说明“业务映射最纯”和“当前利润最好”不是一回事。Token合同提高了未来收入可见度，成本、减值、回款和实际订单释放仍要继续验证。

（2）神州数码：7.17亿元先落到超节点，赚的是设备交付的钱

　　神州数码全资子公司上海神州数码成为“国产智算Token工厂项目”第一中标候选人，投标报价7.17亿元，供货内容为超节点服务器及配套产品，要求合同生效后30日内完成交付。

　　它和华胜天成恰好构成两种现金流：一个更接近持续的Token生成能力服务，一个更接近Token工厂建设期的设备交付。设备订单确认更直接，但仍要看最终中标、交付、产品毛利和后续复购，不能把一次项目自动外推成长期运营收益。

（3）润建股份：最像“独立工厂”，也最先暴露重资产运营难题

　　润建股份已经把Token工厂做到常态化运营，收入也开始放大，因此它已经能提供一份更接近独立算力运营商的财务样本。5.19亿元收入增长与6.97%毛利率同时出现，直接说明这门生意能否盈利，要看客户负载爬坡速度能不能覆盖折旧。

（4）智微智能：利润弹性已经很高，但不能把半年报倒算成Token工厂利润

　　智微智能2026年上半年智算业务收入约10.30亿元，同比增长245.51%，占总营收33.76%；公司上半年归母净利润约3.88亿元，同比增长281.92%。这组数据说明其既有智算业务已经有很强的利润弹性。

　　但公司Token工厂是在7月WAIC期间对外发布，时间落在半年报之后。因此上半年的高增长不能直接归因于Token工厂。更有意义的观察，是下半年推理服务、Token计费和自有算力运营能否在后续报表里留下可单独识别的增量。

　　四种角色放在一起，A股的比较方法就变了：华胜天成看持续生成能力合同能否转成收入和利润；神州数码看设备订单兑现；润建股份看利用率能否把毛利率拉起来；智微智能看高利润智算业务能否继续向Token推理服务迁移。再往外的服务器、网络、液冷、供配电和IDC当然都会受益，但距离Token合同越远，越需要额外的订单和财务数据证明传导没有断。

六、算力仓库和Token工厂只差四张账：订单、利用率、单Token成本、现金流

（1）第一张账：先有真实外部订单，再谈扩产

　　一座工厂先看谁在付钱，再看P数。长期框架、实际订单、客户续费、API调用和行业场景，含金量都高于“规划产能”。

　　没有真实需求约束的扩容，最容易把算力中心变成高折旧仓库。

（2）第二张账：利用率能不能在新增产能之后继续站住

　　利用率是Token工厂的“开工率”。新机器越多，利用率越容易被稀释；如果扩容后仍能维持高负载，说明需求和调度能力都在同步增长。反过来，产能翻倍但调用量没有跟上，账面上的算力规模越大，利润压力反而越重。

（3）第三张账：客户买到的是便宜Token，还是更低的“任务成本”

　　Token/秒、首Token延迟、每百万Token价格都重要，但企业最终关心的是一个客服工单、一段代码、一次检索、一份报告或一次Agent任务总共花多少钱。模型路由、缓存、量化、批处理和推理优化如果能减少无效调用，这才算形成可持续的单位经济性。便宜但大量浪费的Token，并不比单价稍高但一次完成任务更有价值。

（4）第四张账：收入增长以后，现金流有没有跟上

　　Token工厂是典型的前置资本开支生意。设备采购、电力改造、机房建设和融资成本先发生，收入和回款后发生。如果收入增速很漂亮，经营现金流、应收账款、负债率和资本开支却持续恶化，增长可能只是把资金压力往后推。成熟的运营模式，最终要让增长自己产生现金。

七、AI基建的下一轮估值，不该再问“有多少P”，而要问“每P能赚多少钱”

　　两篇材料放在一起，Token工厂的研究价值，不在于又多了一个AI概念。它把过去难以统一比较的GPU、机柜、网络和模型服务，逐步压缩成一个可以计量、定价和交付的产出单位；同时也把过去被资本开支掩盖的问题暴露出来：一座算力中心到底有没有真实客户、开工率够不够高、单位产出成本能不能降、收入能不能覆盖折旧。

　　需求端并不弱。全国日均Token调用量已经超过500万亿，IDC仍在给出极高的企业级MaaS增长预测，Gartner也判断推理支出已经在2026年超过训练。问题已经从“AI会不会消耗更多算力”，转成“新增的每一块算力，能不能比折旧更快地产生现金流”。

　　这会改变AI基础设施的公司排序。前一个阶段，规模、芯片数量和扩产速度最容易获得注意；下一阶段，合同直接度、利用率、单位Token成本、毛利率、回款和可复制客户会越来越重要。稀缺性会落到那些能持续把Token生产成利润的工厂上。