Token在暴增，利潤為何「困」在英偉達？

大廠的 Token 儀表板上，數字正以前所未有的速度跳動。光是豆包一家大模型，日均 Token 調用量就已突破 180 萬億；國家數據局統計顯示，今年 3 月全國日均調用量超過 140 萬億。無論從哪個口徑衡量，這都是一條兩年內從「近乎為零」飆漲超過千倍的曲線。AI 程式碼生成、Agent 工作流程、多模態內容生成——越來越多場景被捲入這條消耗曲線，Token 經濟正在以前所未有的速度膨脹。然而，最先兌現這場繁榮的，並非模型廠商或 AI 應用。共績科技聯合創始人黃力昂直言：「幾乎所有人都在虧錢，而所有的利潤都流向了英偉達——或者說，流向了上游硬體。」一句話，為這場喧囂的數字盛宴潑了一盆冷水。

就在這個季度，英偉達交出了一份讓整條產業鏈相形見絀的財報。2027 財年第一季（即 2026 年 2 月至 4 月），公司營收達 816 億美元，年增 85%，GAAP 毛利率高達 74.9%。與此同時，幾乎同一時期，OpenAI 第一季的經營虧損高達 93 億美元，調整後營業利潤率約為 -122%，相當於每收入 1 美元，就要倒貼超過 1 美元。兩張成績單，鮮明對比出 Token 經濟的獲利分布。從雲端到終端，從訓練到推理，每一筆 Token 消耗背後都離不開算力硬體的支持。

英偉達的 GPU 幾乎壟斷了 AI 訓練與推理市場，無論是大型語言模型的多輪對話，還是即時多模態分析，每一次運算都需要仰賴其晶片。而模型廠商雖然創造了龐大的 Token 流量，卻必須向英偉達支付高昂的算力成本，導致利潤空間被嚴重擠壓。黃力昂的觀察，精準點出產業鏈的結構性矛盾。Token 調用量的暴增，表面上是 AI 應用普及的鐵證，但更深層的邏輯是：下游應用越火熱，上游硬體越賺錢。AI 程式碼輔助開發、自動化工作流程、影像生成等場景，每一個都讓 GPU 使用率居高不下，進一步推升了英偉達的議價能力。國家數據局的統計數據，也凸顯了 Token 消耗的驚人增速。

從兩年前幾乎為零，到如今日均百萬億級別，這條曲線的斜率幾乎垂直。但若將視線拉長到獲利層面，便會發現，絕大多數的錢並未留在模型開發者手中。許多 AI 新創公司仍處於燒錢買流量的階段，毛利率極低，甚至持續虧損。英偉達的毛利率高達 74.9%，代表每賣出一塊晶片，就有超過七成是利潤。相較之下，OpenAI 的營運利潤率為負，等於每賺 1 美元就要賠 1 美元以上。這種「硬體吃肉、軟體喝湯」的格局，讓整個 AI 生態系的長期可持續性備受質疑。更值得關注的是，Token 的成本結構並非固定不變。隨著模型規模擴大、應用場景拓寬，單位 Token 的算力需求仍在攀升。

即使技術進步讓單一晶片運算效率提升，整體的消耗總量卻因使用者基數暴增而持續膨脹。這使得英偉達的營收曲線與 Token 消耗曲線高度重疊，形成一種「繁榮共生」的現象。然而，黃力昂的評論也暗示，這樣的利潤分配並非均衡。模型廠商承擔了研發、部署、營運與使用者獲取的全部成本，卻只能賺取極低的邊際利潤。反觀英偉達，憑藉技術壁壘與生態主導權，幾乎獨占了 AI 產業的硬體利潤。這種不對稱，讓許多投資人開始反思 AI 產業的商業模式。從另一個角度看，Token 暴增的背後，也代表 AI 應用的滲透率正在快速提高。

企業端導入 AI 程式碼助手、客服機器人、自動化流程，個人使用者大量使用生成式工具，這些都讓 Token 消耗成為一種基礎設施級別的指標。但當基礎設施的擁有者賺走大部分利潤，上游的硬體供應商就成了真正的「淘金熱賣鏟子的人」。英偉達的財報數字，正是這股趨勢的縮影。816 億美元的季營收，已超越許多傳統科技巨頭，74.9% 的毛利率更讓其他硬體公司望塵莫及。而 OpenAI 的虧損，則揭示了軟體層在當前算力成本結構下的困境。除非模型廠商能大幅降低每 Token 的運算成本，或找到新的變現模式，否則利潤仍將持續流向英偉達。這場 Token 經濟的盛宴，短期內可能還看不到改變的跡象。

英偉達的 GPU 依然是 AI 訓練與推理的剛需，而下游應用的 Token 消耗只會繼續成長。但黃力昂的提醒，或許值得整個產業深思：當利潤全部「困」在硬體供應商手中，模型廠商與 AI 應用該如何突圍？答案可能取決於技術路線的演進、晶片市場的競爭，以及算力成本結構的調整。在這些變數尚未明朗之前，英偉達的獲利神話，恐怕還會持續很長一段時間。