2026-05-21 16:10:23
AI时代的驱动力，已经从模型变成了Token
在过去两年，AI行业上半场的叙事逻辑主要围绕着各家大厂开启的“大模型战争”。参数量从千亿迈向万亿，训练成本从几千万美元上升到数亿美元，GPU集群从几千张卡扩展到几万张卡。所有人都在讨论谁的模型更强，谁更接近AGI，仿佛AI竞争的终点是从大模型本身的性能所呈现的。
而时间来到2026年，AI行业的驱动逻辑已经变了。JPMorgan最新的报告认为，未来真正驱动AI基础设施持续扩张的，不再是模型训练，而是海量的 AI 推理(Inference)需求。未来消耗算力最多的，不再只是训练大模型，而是遍布全球的AI Agen。每一次调用、每一次交互、每一次任务执行，本质上都在消耗Token。AI产业正在从“模型时代”，进入“Token工业时代”。
因为未来真正驱动AI世界运转的，不只是模型本身，而是围绕Token所形成的生产、分发、调度与消费体系。尤其在AI Agent开始大规模出现后，Token如何被实时生成、跨区域分发、动态调度与高效消费，将成为整个AI产业最核心的新问题。
正如黄仁勋近期所提出的，AI并不是一个简单的软件行业，而是一套像电力与互联网一样的基础设施体系。在他的“五层蛋糕”架构中，AI产业被划分为：能源、芯片、基础设施、模型与应用五层结构。而随着AI产业从“训练时代”逐渐进入“推理时代”，GoodVision AI更倾向于将整个AI经济产业链理解为一个围绕Token运转的“七层蛋糕结构”：
● 第一层：电力 —— AI时代的能源基础
● 第二层：AIDC —— Token工厂
● 第三层：GPU —— Token的生产设备
● 第四层：LLM —— Token的生产引擎
● 第五层：Token分发 —— AI时代的“电网”
● 第六层：Token优化与智能调度 —— AI时代的大脑
● 第七层：AI Agent —— Token消费终端
从能源、GPU，到AIDC、边缘节点，再到模型推理与智能调度，AI产业正在形成一套前所未有的“Token工业体系”。
但现阶段，这套体系仍远未成熟。
有人拥有最先进的GPU，却受限于能源;有人建起庞大的AIDC，却缺乏高效调度;有人开发出强大的AI Agent，却面临高昂的推理成本与延迟;有人掌握边缘节点，却无法形成统一协同的网络。整个产业链虽然高速发展，但各层之间仍存在大量割裂、冗余与效率瓶颈。
而只有当这七层基础设施真正被打通、协同并连接在一起时，AI产业才会从今天的“工具时代”，真正迈向属于智能世界的“大规模采用时代”。
第一层蛋糕：电力——AI时代的能源
工业革命争夺的是煤炭与石油，互联网时代争夺的是流量与服务器，而AI时代，最底层的战争正在重新回到能源。
因为AI最终消耗的是电。一个大型AI数据中心的耗电量，已经接近一座中型城市。全球各地的新建AIDC(AI数据中心)，正在面临同一个问题：GPU可以买，土地可以建，但电力供给跟不上，电网调度也跟不上。
这也是为什么，越来越多AI公司开始重新关注能源基础设施。在GTC 2026上，黄仁勋甚至将未来的数据中心定义为“Token工厂”。 其工厂的最上游将催生出一个超级能源产业。
在中国市场，长江电力、中国核电、中国广核、三峡能源、龙源电力、华电新能源等公司，分别代表水电、核电、风电与光伏等核心能源方向。其中，核电与水电凭借稳定供电能力，正成为AIDC最重要的基础能源;而风电与光伏则受益于AI行业对绿电与ESG需求提升。随着“东数西算”和大型AI数据中心建设推进，新能源基地与算力中心的协同关系正在快速加强。
在美国市场，NextEra Energy、Dominion Energy、Duke Energy、Southern Co.、Exelon等传统能源巨头，也正受益于AI数据中心扩张。其中，NextEra是北美绿电龙头;Dominion掌握北弗吉尼亚“数据中心走廊”核心输电资源;Exelon则凭借核电稳定供电能力，成为AI时代“全天候高稳定电力”需求的重要受益者。整体来看，全球电力行业正在从传统公用事业，逐渐升级为AI基础设施时代的核心资源层。
整体来看，这一层的竞争格局正在从传统能源公司的“电价竞争”，变成下游的AI数据中心、云厂商和能源公司之间的“电力锁定权竞争”。谁能够锁定长期、稳定、低成本的能源，谁就掌握了Token生产的第一颗龙珠。
第二层蛋糕：AIDC——Token原料工厂
单颗GPU没有意义，真正重要的是规模化集群。于是就出现了AIDC。
它像工业时代的炼钢厂、电厂和流水线工厂，把成千上万张GPU集中起来，形成稳定的Token生产能力。但工厂的问题也开始出现：传统AIDC建设周期往往长达18到36个月，电网扩容甚至需要更久。 当AI需求以指数级增长时，旧时代IDC的建设速度，已经无法满足新的Token经济。
在美股市场，Equinix是全球最领先的数据中心运营商之一，在30多个国家拥有超过240个数据中心。其核心优势并不仅仅是机房数量，而是全球互联能力和低延迟网络资源，因此成为AI算力部署的重要基础设施节点。
Digital Realty则通过 PlatformDIGITAL 平台切入AI基础设施，服务对象包括大型云服务商与金融机构。
在中国市场，润泽科技是A股最典型的AIDC运营商之一。其主营业务已经从传统IDC逐渐向AI算力中心升级，核心竞争力在于大规模机房、电力资源与AIDC运维能力。奥飞数据、首都在线等企业，则分别在区域数据中心、云基础设施与AI算力托管方向持续扩张。中科曙光在AIDC业务中偏向于政企与科研领域开展合作。
而另一类玩家则来自“矿场转型”。CoreWeave、IREN、Applied Digital、Cipher Mining等公司，原本很多都与加密货币挖矿相关，但随着AI GPU需求暴涨，它们迅速转向AI算力基础设施。IREN主打“绿电+AI算力”模式，通过可再生能源建设高密度GPU数据中心。Applied Digital和Cipher Mining也都在从传统矿场向AI高性能计算基础设施转型。
此外，边缘化、小型化、模块化AI Factory开始成为新的趋势。就像互联网时代从大型机走向云计算一样，AI算力需要从超大型中心节点，逐渐向区域化边缘节点扩散。
因此，GoodVision AI选择了另一条路径：构建更加轻量化、模块化、可快速复制的AI Factory。相比传统大型AIDC，GoodVision AI更强调区域化部署能力、高密度GPU集群效率，以及能源与算力的一体化协同。
其核心逻辑并不是建设单一超大型数据中心，而是在全球的高密度人口区域快速部署AI Factory节点，通常来说是2-4MW的小型推理算力机房。这种模式不仅能够更快接入当地能源资源，也更适合未来AI推理需求向边缘侧扩散的趋势。
如果说传统AIDC更像工业时代的大型炼钢厂，那么GoodVision AI所构建的，则更像AI时代的“区域化Token工厂”——更轻、更灵活、更接近用户，也更适合未来全球分布式推理网络的发展方向。
第三层蛋糕：GPU —— Token的生产设备
如果说电力是能源，那么GPU就是生产设备。在AI爆发的最初几年，GPU主要服务于训练;但未来，更大的需求来自推理。因为训练只属于少数头部公司，而推理会渗透到每一个应用、每一台设备、每一个终端。机器人需要推理，自动驾驶需要推理，AI眼镜需要推理，甚至未来每一个AI Agent之间的协作，也都在实时消耗Token。
NVIDIA目前仍然是全球AI芯片产业的绝对核心。其H100、B200、Blackwell等GPU产品，几乎定义了当前全球AI训练与推理标准。更重要的是，NVIDIA不仅卖芯片，还通过CUDA、TensorRT、DGX、HGX等软硬件体系构建了完整生态，因此其竞争对手不仅需要挑战GPU性能，更需要挑战整个AI软件生态。
AMD是目前最主要的GPU挑战者，核心产品包括MI300X等AI GPU。相比NVIDIA，AMD更强调开放生态和ROCm软件平台，希望通过更开放的方式吸引AI开发者与企业客户。
Broadcom和Marvell则代表另一条路线——ASIC与高速互联。随着AI推理场景越来越复杂，越来越多企业开始尝试定制ASIC芯片，以获得更高能效比和更低成本。
Intel则通过服务器CPU与Gaudi AI加速卡切入AI市场，希望利用自身CPU生态重新参与AI基础设施竞争。
在中国市场，寒武纪是国产AI芯片最具代表性的企业之一，主推思元系列AI芯片，并构建了自研AI框架Neuware。海光信息则拥有AMD Zen架构授权，重点布局DCU与AI推理市场。
摩尔线程、燧原科技、沐曦股份、壁仞科技等国产GPU公司，则代表中国AI芯片“国产替代”方向。它们普遍强调兼容CUDA生态，并尝试构建国产GPU集群。
从CUDA生态到HBM内存，再到Tensor Core，整个AI产业的核心，其实是在不断提升“单位时间内生成Token的效率”。与此同时，GPU及其背后的服务器、光模块、液冷、交换机等基础设施，也与Token生产效率密切相关。
这些东西不像英伟达、OpenAI，AI应用的公司那样耀眼，但它们决定了整个AI世界是否能够真正运转。好比工业革命不仅需要蒸汽机，也需要铁路、电网与港口。AI革命，也不会只是一个软件革命。它是一次覆盖能源、芯片、网络、云计算与基础设施的全球产业链升级。
Vertiv是全球数据中心UPS与电力管理龙头，提供数据中心供电、机柜配电与精密空调系统。
英维克则是A股液冷和温控系统龙头，客户包括BAT等大型互联网公司。随着GPU功率越来越高，液冷正在成为AIDC的重要标配。
中恒电气、科华数据、科士达等公司，则在UPS、电源系统与IDC供电领域具备重要地位。
在网络与光模块方向，中际旭创、新易盛、天孚通信等公司，受益于AI集群内部高速通信需求暴涨。
而在服务器整机方向，Dell、HPE、超微、联想、浪潮信息等公司，则承担着AI服务器的大规模组装与交付。
这一层虽然不直接面对最终用户，却决定了AI基础设施是否能够真正稳定运行。液冷、UPS、光模块、交换机、储能与服务器整机，就像工业时代的铁路、电网与港口一样，正在成为AI世界真正的“卖铲人”生意。
第四层蛋糕：LLM —— Token的生产引擎
LLM(大语言模型)则决定了Token如何被理解、生成与组织。过去两年，OpenAI、Anthropic、Google、Meta、xAI、DeepSeek等公司掀起了全球“大模型竞赛”。参数量从千亿迈向万亿，模型能力也从文本生成，逐渐扩展到多模态、推理、代码、Agent协作与长期记忆。
但随着行业逐渐发展，市场也开始意识到：未来真正重要的，不再只是“谁拥有最大的模型”，而是谁能够以更低成本、更高效率地持续运行模型。因为模型本身并不直接创造价值，真正创造价值的，是模型被不断调用后的推理过程。
这也意味着，LLM正在从过去的“展示模型能力”，逐渐演化成AI世界中的“Token生产引擎”。
OpenAI、Anthropic、Google Gemini、Meta Llama等闭源与开源模型，正在争夺未来AI生态入口;而DeepSeek等新兴玩家，则通过更低成本、更高推理效率的方式，开始重塑行业竞争格局。现在LLM层的竞争，也逐渐不再单纯的追求参数量的竞争，评判标准逐渐转向多个维度的对比：
● Token成本
● 推理效率
● Context能力
● 多Agent协同
● 长期记忆
● 模型与基础设施协同能力
因为AI时代真正重要的，一单单只是看大模型有“聪明”，而是模型能否在全球范围内被持续、大规模、低成本地运行。GoodVision AI在这一层也有自己的优化方案：通过与大模型厂商合作，将大模型部署在AI Factory机房，实现从传统算力租赁业务到直接提供Token服务;不仅能提升业务毛利，用户的使用体验也更近友好。
第五层蛋糕：Token分发 —— AI时代的“电网”
当AIDC建成之后，下一个问题出现了：这些算力，如何被全世界使用?
于是，算力租赁平台开始出现。它们像AI时代的“电网系统”，把原本集中式的GPU资源拆分、分发，再按需出租给开发者、企业与AI应用。
AWS、Azure、Google Cloud、阿里云、腾讯云仍然是这一层最强大的玩家。它们拥有全球最大的云计算基础设施，并正在将AI GPU资源逐渐纳入自身IaaS体系。
但与此同时，一批“AI原生云”开始快速崛起。CoreWeave、Nebius、Nscale等公司，专门围绕AI训练和推理需求构建GPU云平台。相比传统云厂商，它们更加灵活、更聚焦AI任务，也更擅长GPU集群优化。
CoreWeave是目前NeoCloud最具代表性的公司之一。其最初专注于以太坊挖矿，之后全面转向AI GPU云服务，目前已成为NVIDIA重点支持的AI基础设施公司。
DigitalOcean、Vultr等轻量型云平台，则面向中小开发者与创业公司，强调快速部署与低成本GPU服务。
在中国市场，除去巨头们，优刻得、金山云、首都在线等公司，均是GPU云和AI算力租赁市场的主力供应商。这一层的竞争格局非常像早期电网：如何把分散的算力高效分发出去。
第六层蛋糕：Token优化与智能调度——AI时代的大脑
这或许是最容易被低估但也最关键的一层“蛋糕”。随着AI Agent使用量爆发后，大家发现，不是所有任务，都值得调用最贵的大模型。很多简单任务，本地模型就能完成;很多实时任务，更适合边缘推理;很多隐私任务，甚至不能上传云端。在“有没有算力”这个问题之后，又多了一个问题，即“如何更聪明地使用算力”。
随着对Token需求的指数级增长，“让合适的模型，在合适的算力上，处理合适的任务。”是让Token被合理，高效使用的关键。这正是GoodVision AI除了布局AI Token工厂之外正在努力的方向之一。
就像今天的电力系统一样：有些需求来自大型电网;有些需求来自屋顶太阳能。而真正重要的，是中间那层“智能调度系统”。
未来的AI，也会是同样的结构：简单任务由本地小模型完成，复杂任务调用云端大模型，高隐私任务在边缘侧处理，高并发任务，通过混合云动态调度。
除了Goodvision AI之外，青云科技、Lambda、OpenRouter、Fireworks AI等公司，也是Token优化与智能调度的佼佼者。
而这层“蛋糕”与前两层“蛋糕”——AIDC和算力租赁之间，存在高度重叠的玩家。当GPU资源、区域节点与推理任务规模不断扩大后，单纯“拥有算力”已经不足以建立长期壁垒。越来越多AIDC运营商与GPU云平台开始意识到，未来真正决定效率与利润率的，不只是GPU数量，而是如何动态调度模型、算力与Token流量。
因此，许多原本布局AIDC与GPU云的平台，也开始向“智能调度层”延伸。例如中国市场中的优刻得、首都在线、中科曙光等公司，都正在尝试将自身GPU云设施、多云资源与推理调度能力结合，逐渐从“卖算力”，走向“优化算力”。
第七层蛋糕：模型与Agent——Token消耗者
这一层虽然最靠近用户，也最容易获得流量，但竞争同样最激烈。在GTC 2026上，黄仁勋提出了这样一个观点：未来每一家公司都将成为“Token生产者与Token消费者”。
一个AI Agent，可能会同时调用多个模型、多个工具、多个API，并持续进行推理、规划和执行。这意味着，未来AI消耗的Token量，将远远超过今天人类与AI对话的规模。现在的一些的AI重度用户，自己搭建多Agent并发与互相调用的系统，每天消耗10亿Token完全不在话下/
未来不是10亿人在使用AI，而是100亿，乃至1000亿个AI Agent同时工作，彼此调用。而真正的瓶颈，也将从“模型能力”，转向“Token调度效率”。
科技巨头自然不必多说，Microsoft、Google、Meta、Amazon等正在通过办公系统、搜索、社交网络与云服务，把AI能力逐渐嵌入所有产品之中。
Adobe、Salesforce、ServiceNow、Palantir等企业软件公司，则在企业级AI Agent和自动化工作流方向快速推进。与此同时，Hugging Face正在成为AI时代的“Github”。它不仅是模型社区，更是全球AI开发生态的重要基础设施。
在中国市场，科大讯飞、昆仑万维、三六零、金山办公、商汤科技等公司，正在围绕AI助手、AI办公与AI Agent展开布局。
当“七层蛋糕”真正成型之后，AI世界才会真正开始
今天的AI产业，其实仍处于一套尚未完全成熟的基础设施体系之中。
有人拥有最先进的GPU，却受限于能源;有人建起庞大的AIDC，却缺乏高效调度;有人开发出强大的模型与Agent，却面临高昂的推理成本与延迟;有人掌握边缘节点，却无法形成统一协同的网络。
从电力、AIDC、GPU，到LLM、Token分发、智能调度与AI Agent，整个AI产业链虽然正在高速发展，但各层之间仍存在大量割裂、冗余与效率瓶颈。
而只有当这套“七层蛋糕”真正被构建完整，并开始高效协同运转时，AI产业才会从今天的“工具时代”，真正进入属于智能世界的“大规模采用时代”。
未来的AI世界，将不再只是少数科技巨头训练大模型，而是数十亿个AI Agent持续在线、持续协作、持续调用算力与Token。每一次对话、每一次推理、每一次工具调用、每一次自动执行任务，背后都对应着能源、GPU、网络、调度系统与推理节点的协同运转。
而这也意味着，AI行业正在从过去的“软件逻辑”，逐渐演化成一个覆盖能源、芯片、云计算、边缘网络与智能调度的超级工业体系。
就像工业革命不仅需要蒸汽机，还需要铁路、电网与港口;互联网革命不仅需要PC，还需要光纤、数据中心与云计算。AI革命真正成熟的标志，也不会只是某一个爆款应用，而是全球范围内，一个能够持续生产、分发、调度与消费Token的“智能基础设施网络”开始形成。
而当这七层基础设施最终真正连接在一起时，AI行业的竞争逻辑也将被彻底重构。未来最重要的公司，或许不再只是拥有最大模型的公司，而是那些能够连接能源、算力、网络、模型与Token流动的公司。
