2026 年，AI 基础设施的投资逻辑出现了一道标志性的分水岭：全球花在"运行模型"（推理）上的钱，第一次超过了花在"训练模型"上的钱。Gartner 的最新预测显示，2026 年全球推理支出将达 233 亿美元，首次越过 190 亿美元的训练支出，占到 AI IaaS（基础设施即服务）总支出的 55%；按同一口径，这个比例在 2027 年还会升到 59%。而中国信通院《词元（Token）经济发展研究报告（2026 年）》给出的判断更激进：2026 年推理算力将占 AI 算力总负载的 70.5%。
一、先钉口径：两个"七成五成"分别是谁说的、算的是什么
这轮讨论涉及两家机构、三个不同口径的数字，混着读很容易失真，先把它们拆开：
| 数字 | 出处与统计对象 | 时间窗 |
|---|---|---|
| 推理支出 233 亿美元 > 训练支出 190 亿美元（占 AI IaaS 总支出 55%，2027 年 59%） | Gartner 预测口径，统计的是花钱采购推理/训练用的云基础设施服务（IaaS 层支出） | 2026 全年预测值 |
| 推理算力占 AI 算力总负载 70.5% | 中国信通院《词元经济发展研究报告（2026 年）》，统计的是算力负载（工作量占比），不是金额 | 2026 预计 |
| 中国日均词元调用量：2024 年初约 1000 亿 → 2026 年 6 月约 500 万亿 | 同一份信通院报告，统计的是调用量（Token 数），两年半约 5000 倍 | 2024-01 至 2026-06 |
三点提醒。第一，55% 和 70.5% 不是矛盾，而是两把不同的尺：前者按"钱"算（采购 IaaS 的支出结构），后者按"活"算（算力承载的工作负载结构），单位和分母都不同，不能互相验证更不能平均。第二，Gartner 的 233 亿是预测值不是决算值，IaaS 支出的统计边界也不包含企业自建数据中心的折旧——这部分恰恰是巨头们的大头。第三，"5000 倍"这种量级暴涨要警惕基数效应：起点是 2024 年初那个极小的日均 1000 亿，任何早期渗透曲线都能算出惊人的倍数。
二、为什么偏偏是现在反转：Agent 把"一问一答"变成了"一连串行动"
Gartner 把这次重心迁移归因于一句话：代理式 AI 在提升计算强度。背后的机制值得展开，因为它是理解整场转身的钥匙。
传统聊天式的用法是"一问一答"：用户输入一段提示，模型输出一段文字，一次前向传播，消耗有限。而 Agent 的用法是"规划—调用工具—观察结果—再规划"的循环：一个看似简单的任务（比如"帮我把这批发票录入并生成月度汇总"），可能被拆成几十次模型调用、多次外部系统读写、失败后的重试和反思。同一个业务动作，推理消耗从"一条回答"膨胀为"一整段执行轨迹"。站内此前分析过 Uber 的 GDPR 第 22 条罚单（ID 1657）和 New Relic 揭示的 AI 编程验收断裂（ID 1662），它们讲的是 Agent 上生产的治理与质量课题；而从这里看，每一个真正跑在生产里的 Agent，同时也是推理消耗的放大器——采用率和计算强度是同一枚硬币的两面。
需求侧的证据也在积累。信通院报告显示，截至 2026 年 6 月底，中国智能算力总规模达 2185 EFLOPS（FP16 口径），2025 年全国累计建成 42 个万卡级智算集群——这些重资产投下去，承载的越来越多是推理负载而非训练任务。一线从业者的体感更直接：GoodVision AI CEO David Wang 的判断是，2025 至 2026 年是分水岭，"过去企业做 AI 以试验、POC 为主，2026 年大量业务进入常态化运行，编程、生物数据处理、游戏 AI 角色、视频生成成为高消耗场景。"
三、Token 不等于钱：价值密度相差十万倍的两端
推理支出暴涨的第一反应，往往是"卖 Token 的要发财了"。但信通院那份报告里最有价值的一张表，恰恰给这种冲动泼了冷水：不同应用场景的词元价值密度差异巨大。
消费级场景是"流量消耗型"：闲聊、娱乐问答这类应用，只需要基础交互能力，价格约 0.01 美元/百万词元。产业级场景则是另一极：药物研发、金融量化、精密代码生成这类任务，词元价值可达 1000 美元/百万词元——两端相差十万倍。David Wang 举的一个生物医药客户案例很能说明问题：过去 1 到 2 名研究员花 7 天处理实验数据，引入 Agent 后压缩到 10 分钟，而 Token 消耗只有个位数美元。他说得很直白："客户买的不是 Token 数量，是业务任务完成结果。"通过路由优化减少无效调用和重试，Token 消耗反而下降，任务价值却在提升——如果按"消耗量=收入"的逻辑，这单生意是"萎缩"的；可按结果计价，这是典型的增值。
这个反差对企业采购方的含义很实际：考核 AI 用量时，别把 token 消耗当 KPI。调用量高可能说明流程设计糟糕（反复重试、上下文塞爆），调用量低可能说明任务被一次性做对了。更该盯的是单位任务的完成成本与完成质量——这也是为什么"每成功任务成本"（cost per successful task）正在取代"每百万 token 单价"成为新的度量衡（本站 ID 1644 实测过按 token 单价选模型的隐藏陷阱，两者正好呼应）。
四、流量幻觉：OpenRouter 榜单、HF 下载量与"出海成绩"的距离
推理时代还制造了一种新型数据繁荣：调用量榜单。OpenRouter 数据显示，9 月 21 日至 27 日全球 AI 大模型总调用量 146 万亿 Token，环比增长 13.18%；中国大模型周调用量连续二十二周超过美国。这些数字提振人心，但多位受访从业者提醒，市场普遍把 Hugging Face 权重下载量和 OpenRouter 调用量混同为商业成绩，而两者的含金量天差地别。
西南证券首席分析师苟宇睿的界定最清晰："Token 首先是工作负载指标，不是财务指标。"OpenRouter 统计的只是经由其 API 路由的那部分流量，不包括模型厂商自有 API、其他云市场、企业私有化部署，以及开发者下载权重后本地运行的量。换句话说，你在这张榜单上看到的热度，只是真实世界的一角，而且恰好是最容易虚增的一角（免费额度、批量测试、路由商自身的促销都会灌入水分）。PPIO 的谢晋则点破了另一层混淆：Hugging Face 的高下载量更像"品牌曝光量"而非收入——它说明关注度，从关注度到真金白银之间隔着完整的转化链路。
由此他区分了两件常被混谈的事："模型出海"卖的是配方（权重开源，建立技术影响力，本身不直接产生收入）；"Token 出海"卖的是服务（海外用户通过 API 调用部署好的推理服务，按消耗付费，背后是一整套算力、推理优化、稳定性保障与合规架构）。后者才与实际收入挂钩，但也需要持续承担 GPU 折旧、带宽、海外节点运维、渠道分成和合规成本。
五、Token 工厂：谁在把裸金属变成可计费的推理能力
围绕"推理服务化"，一批被称为"Token 工厂"的玩家正在成型。它们的共同逻辑是：不只卖算力，而是把裸金属变成可交付、可计费的模型推理能力。格局大致分三层。
公有云巨头拿走了大头。IDC 数据显示，2025 年中国公有云上大模型调用量达 1944 万亿 Tokens，同比增长 16 倍；其中火山引擎以 49.5% 的市场占比位居第一，阿里云、百度智能云分别拿 28% 和 10%——三家合计接近九成。独立 MaaS 推理服务商在夹缝中融资扩张。硅基流动 9 月宣布完成 B+ 轮二期和 C轮融资，2026 年累计股权融资接近 29 亿元人民币；按营收排名第一的 Fireworks AI 传出考虑新一轮融资，目标估值 300 亿美元，较 7 月几乎翻倍。连运营商和传统 IDC 玩家都在集体转向"Token 经营"：中国电信天翼云推出星辰 TokenHub，中国移动 MoMA 引擎升级到 2.0，中国联通"星罗"算力调度平台实现 2000 公里四地三芯跨域混训；优刻得已在全球 28 个地区部署 36 个可用区。
需要给这些份额数字加个注脚：IDC 统计的是"公有云上的大模型调用量"份额，反映的是流量分布而非营收分布——火山的 49.5% 里有多少是低价冲量、多少是高价值产业调用，公开口径看不出来。判断一个玩家的真实位置，还得回到价值密度那张表上去看：它接住的调用，落在 0.01 美元那一端，还是 1000 美元那一端。
六、终局拷问：卖水电煤的模式，能撑起多深的护城河
把上面的链条推演到最后，会撞上一个商业模式的本命问题。谢晋的判断相当清醒：当前 Token 出海的主要收入来源还是 API 调用，这是一种"卖水电煤"的模式——单价持续下降，收入增长完全依赖调用量的指数级增长；一旦调用量增速放缓或价格战加剧，整个商业模式的利润空间会被严重挤压。这与本站此前分析的大模型价格战（ID 1612：token 降价 90% 之后账单反而涨了）形成有趣的对照：对买方，总量上涨让账单没减；对卖方，单价下跌让毛利变薄——两头感受相反，这正是水电煤生意的典型特征。
那么中长期靠什么？刘华列了五个方向：模型 API 与统一推理平台、推理基础设施与成本优化、面向重点行业的 AI 服务、全球网络与本地化部署、安全与合规服务。他特别强调，通用模型能力需要进一步与电商、游戏、金融、制造、安防等行业流程结合，"才能形成持续付费"。而短期最硬的门槛其实是合规与延迟：欧盟 GDPR、中东数据本地化、各国跨境传输规定都要求用户数据留在本地，违规罚款最高可达全球营收的 4%；C 端应用端到端延迟要压进 5 秒以内，跨大洲 API 单程网络延迟就可能超 200 毫秒——这两道墙决定了"多区域本地化部署"不是加分项而是入场券。
对中国厂商而言，机会与约束同样具体：电力成本、基础设施建设与推理工程优化构成结构性成本优势，但 GPU 折旧、带宽、海外运维与渠道分成会吃掉一部分——最终比拼的仍是单位任务的交付成本与可靠性，而不是机房里堆了多少卡。
七、FAQ
Q1：推理支出首超训练，是不是意味着训练（造新模型）不重要了？
不是。这个交叉点说的是"支出结构"的迁移，不是"技术重要性"的降格。前沿模型的训练仍在继续，且单笔规模更大；只是全行业算力的用途分布变了——越来越多的存量算力被用来"服务用户"而不是"培育模型"。对采购方来说，实际影响是预算科目要换：以前关心"哪家的模型强"，现在要开始算"每次调用多少钱、千万 Token 能产出什么"，这正是 Gartner 把口径定为 IaaS 支出的原因。
Q2：中国日均词元调用量两年半涨 5000 倍，这个数字可信吗？
方向可信，但要会读。这是信通院对全国总量的统计，起点极低（2024 年初日均约 1000 亿），早期渗透阶段的高倍数有基数效应成分；且"调用量"是负载指标，不等于付费收入——免费试用、内部测试、批量跑批都会计入。更有意义的读法是把它和 IDC 的"2025 年中国公有云大模型调用量 1944 万亿 Tokens、同比增 16 倍"放在一起看量级趋势，而不是纠结单一倍数。
Q3：对企业客户来说，推理时代最该改变的一个采购习惯是什么？
停止按"每百万 Token 单价"比价，改按"每个成功任务的完整成本"核算。理由有三：其一，词元价值密度横跨五个数量级，同样的 Token 数在不同场景下创造的价值可以差十万倍；其二，Agent 类应用里重试、反思、长上下文的隐性消耗会让名义单价彻底失真（本站 ID 1644 实测过这一点）；其三，供应商的降价竞赛会持续，你今天按单价锁定的合同，明年可能就高于市场价——真正锁死成本的是任务结构与流程嵌入方式，而不是报价单上的数字。
参考来源：
· Gartner — 2026 年 AI IaaS 支出预测（2026 年全球推理支出 233 亿美元首超训练支出 190 亿美元，占比 55%，2027 年 59%；转引自《科创板日报》2026-10-04 报道，记者王耐）
· 中国信通院 — 《词元（Token）经济发展研究报告（2026 年）》（推理算力占 AI 算力总负载 70.5%；日均词元调用量 2024 年初约 1000 亿→2026 年 6 月约 500 万亿；词元价值密度 0.01~1000 美元/百万词元区间）
· IDC — 2025 年中国公有云大模型调用量 1944 万亿 Tokens、同比增 16 倍；火山引擎 49.5%、阿里云 28%、百度智能云 10% 份额（同上科创板日报引述）
· OpenRouter — 2026-09-21 至 09-27 全球大模型周调用量 146 万亿 Token、环比 +13.18%，中国连续 22 周超过美国（榜单口径仅含经其路由的流量，系工作负载指标而非财务指标）
· 站内交叉阅读：每百万 Token 单价的隐藏陷阱（ID 1644）、token 降价 90% 账单反涨的价格战分析（ID 1612）、Uber 人工监督红线（ID 1657）——不同机构口径仅作方向对照，不可相加平均。
