中国智算行业正在同时经历两件矛盾的事：算力越来越贵，但 Token 越来越便宜。
一面是算力需求溢出，国内优质算力资源持续紧张，价格自今年春节前已涨超 50%，有渠道商反映，部分热门算力卡型号 " 不是贵的问题，是根本拿不到 "；国内外的智算中心疯狂堆算力，甚至要靠签远期合同锁定。
但另一面是 Token 价格崩塌，两年前每百万 token 要几十美元，现在不到一美元，主流大模型厂商为了争用户，几乎在做赔本的生意。行业内有观点认为，当前以超低价争夺用户的模式，长期来看可持续性存疑。
这说明大模型产业发展的早期，还没有找到多赢的方式，也注定是不可持续的商业模式。当芯片厂商拿走了 60% 以上的利润，做应用的几乎没有定价权，中间层的智算云，顶着上游的成本压力，也要面对下游客户不断压价。
训练侧的逻辑，撑不起推理侧的账
过去三年，智算行业卖出了一个共同的故事，谁有卡，谁就赢。
这个逻辑在训练侧是成立的，大模型竞赛本质是算力竞赛，一个 1 万卡集群和一个 10 万卡集群能训出来的模型根本不在同一天花板。
九章云集创始人方磊透露，九章云极目前收到的远期订单是自身可交付容量的 10 倍以上，锁定资源的定金比例最低只有 5%，但若同时锁定价格则需要 30% 到 40% 的定金。
但推理侧的生意，早就跑在了一条完全不同的轨道上。全球范围内，Token 单价持续降低，底层的算力成本却并没有同步下降，能耗、折旧、网络，每一笔都是真实支出。
问题还不止于此，智算中心的算力利用率普遍不高，根本原因在于网络传输本身成为了瓶颈。在大规模训练集群里，数万块加速卡需要频繁同步数据，任何网络延迟都会让大量算力陷入等待。
此前有业内人士指出，千卡级训练中通信时间占比可达 30% 以上，在超大规模场景下甚至高达 50% 至 70%，scale up（单机多卡）和 scale out（多机组网）之间的效率鸿沟，是从训练工厂移植过来、天然无法消除的技术债。
如上所述，产业链的利润分配结构也是问题，上游芯片厂商吃掉了整条链路 60% 以上的价值，中游云厂商在 CPU 时代的净利润率大约在 35%，但在 AI 时代，算力成本占到运营支出的七八成，毛利空间被双向挤压。
银河证券分析师吴砚靖称，Token 经济的定价权目前仍集中在上游，中游是效率放大器，下游暂时没有话语权。换而言之，中下游的景气度改善需要等待上游产能充分释放之后。
硬件供给侧同样受限，国产 AI 芯片产能不足，是当前最薄的那块木板。
国内方面，还多了一层算电协同的复杂性，业内人士提到，绿电直供有 60 到 80 公里的物理传输上限，一旦上高压就要缴纳 " 过路费 "，而且光伏夜间不发电，风电功率曲线波动剧烈，和智算中心希望的恒定功率曲线严重错位，储能配比超过 15% 就开始亏本。
当前算电协同还有待更多突破，包括绿电直供能否通过高压更远传输，水电和核电能否纳入绿电认定，甚至绿证价格本身也在持续上涨，今年以来已涨了近一倍。
现在谈 Token 工厂，时机上既不早也不晚，早了基础设施不成熟，晚了就错失机会窗口。
云计算行业已经很久没有新的挑战者，即便 AI 带来了全新的变量，但云计算所需要的规模和资金，依然是现实的护城河，一些企业极却给出了一个让人意外的答案。
" 九章非常重要的定位，是走出一条与互联网大厂云不同的路——做算力赛道的‘第三方选择。" 方磊所说的大云，是阿里云和火山引擎，阿里云和火山引擎背后是两家年收入数千亿的互联网巨头，九章云极至今仍是一家创业公司，这种反差，怎么看都有些错位。
他认为，大云有大云的结构性特点，那些在互联网时代成长起来的云厂商，底层架构是为带宽和存储优化的，AI 时代 90% 的成本是计算，100G 的老交换机和为 AI 专门设计的 400G 交换机之间，效率差距难以弥合。新的云计算平台跑同样一张英伟达 GPU，在特定场景下效率优势显著，这是历史包袱决定的。
事实上，行业内存在一种 " 算力贸易 " 模式——买一批服务器放进机房，租给客户，自己没有调度能力。
在方磊看来，现货倒卖，客户应该签远期订单才能拿到资源，资产是自己控制的——一些与互联网大厂存在竞争关系的企业，在选择算力平台时会优先考虑中立方案——这正是第三方云存在的理由。
训练工厂对应零到一的模型制造，目标是在未来 24 个月内形成 10 万 P 的训练算力，方磊判断，下一代前沿模型的突破，要靠 30 万卡甚至更大的集群才能跑出来，而这样的超大规模基础设施仍在建设过程中。
Token 工厂对应一到 N 的规模化交付，目标是每天 10 万亿 token，但这 10 万亿不是通用 token，而是面向专业场景的 " 专业级 " 和 " 前沿级 "。方磊将 token 市场分成三层：消费级（每百万 token 约 1 美元）、专业级（每百万 20 到 40 美元）、前沿级（每百万 150 美元以上）。
九章的战略锚定在后两层，帮助客户训练专业模型，再通过 Token 工厂低成本交付专业 token。他的逻辑是，千行百业里真正能让 AI 落地的，不是通用大模型，而是垂直专业模型，" 没有专业模型，所谓‘ AI+ 行业’就只是一句口号 "。
具体落地上，九章云极计划合作超过 1000 家专业模型厂商，资产端则复制了一种基础设施行业常见的轻资产模式：央国企出资持有资产，九章负责运营，按比例分成。
此外，九章云极已在东南亚、日本、中东及欧洲多地进行布局，将中国方案定位为 AI 基础设施的 " 第二选项 "。这背后的逻辑是：上一轮云计算，欧洲和日本几乎全面依赖美国技术栈，当前 AI 时代各国对 " 主权云 " 的诉求空前强烈，中国的模型能力、成本优势和不依附于美国供应链的属性，正好填上了这个缺口。（本文作者 | 张帅，编辑 | 杨林）
