词元经济下，大模型企业的“烧钱”变得更靠谱了？

词元经济概念，来了！

随着智谱和MiniMax的财报相继出炉，外界似乎正发出两种截然不同的声音：

一种是：牛！两家企业去年的总收入分别上升131.9%和158.9%，且毛利率分别达到41%和25.4%（智谱在前，MiniMax数据在后），显然对于成长型大模型企业来说，成长速度还在加快。去年，两家企业的基座模型跑分都有出彩之处，从今年一季度开始也吃到了“龙虾”API调用的词元收益。不可谓不风光。

另一种是：惨！加上研发费用等支出，两家企业的盈利依然“惨不忍睹”。去年智谱在研发投入上“烧掉”31.8亿元，相当于其总收入的4.4倍；MiniMax也不遑多让，去年投入的研发支出增加33.8%至2.53亿美元，相当于其去年总收入的约3.2倍.

围绕这两家国内顶尖大模型企业的争议，其实可以被看做大模型企业风险水平的一种尺度：

如果两家企业后续不断加强基座模型能力，通过API输出推理算力，并成功构建开发者生态，那么在智能体时代和“龙虾时代”，两家企业的词元经济也就可能会走得通透。

但如果后续这种商业模式没有走通，前期如此巨大的研发投入也可能会成为两家大模型企业的“紧箍咒”，大模型企业概念也可能会黯然失色于传统互联网巨头之前。别忘了不管是阿里或字节，还是腾讯、百度、京东……各家老牌巨头都在极力投入到AI大模型的研发中。

而像月之暗面、智谱、MiniMax、阶跃星辰这样的“纯粹”大模型“新贵”要论资金实力还是无法和老牌互联网巨头相比拟的。

这里的关键就是词元经济能否走通。

词元经济

“词元（Token）是新的大宗商品。”在英伟达2026年度开发者大会上，英伟达创始人兼CEO黄仁勋首次提出词元经济。

黄仁勋进一步提出一个公式：大模型企业的收入=每瓦词元数×可用千兆瓦数。其中，数据中心成为了全天候运转的“词元工厂”，输入电力和数据，输出词元。而一家大模型企业的收入就取决于词元生产的效率与规模的乘积。就如100年前的大型工厂一般。

简单来说，词元是大模型处理信息的基本单位。很多程序员一定对这个词相当熟悉，当用户向AI模型提问，模型先把用户的话切成词元，算完后再把结果的词元拼回成句子。

每生成一个词元，本质都在调用数据中心的GPU算力，并伴随着电力消耗。大模型企业的API按词元收费，在“龙虾”和智能体时代，这将成为大模型企业和算力基础设施企业，甚至电力企业快速变现的关键所在。

为何这么说呢？

以往各家大模型企业都将词元看做是成本概念，然而在AI大变局之下，各家大模型企业突然发现，词元可以被用来作为向用户收费的一个度量单位，用户调用模型越多就会越消耗词元，这样就把这个概念“商品化”和“单位化”了。

不过，前几年大模型企业最多的收入还是来自传统互联网企业的调用，也就是MaaS业务：为互联网大厂提供AI模型支持。

当前，随着龙虾（OpenClaw）在全球火爆，这种类智能体（Agent），且容易被普通人安装使用的工具，就需要较大量地消耗词元了。因为龙虾开始自动执行任务时候，往往会多轮调用API，消耗较大数量的词元。

本质上龙虾让大模型所能产生的效率从“聊聊天”升级到了“真干活”，文字交互类大模型虽然也能提供很多协助，但毕竟和真干活所需要消耗的词元不可同日而语。

中国国家数据局数据显示，到今年3月，中国日均词元调用量已超过140万亿，相比2024年初的1000亿增长了1000多倍。

这背后是大模型调用从一小部分的公司用户变成了更大范围的民间“作坊”或者个人用户，属于是销路打开了。

与此同时，近期大模型企业纷纷开展调价动作，都在借助这股子“春风”抓紧表现。

大模型行业的机遇

根据相关媒体消息，2026年3月，腾讯云等头部云厂商在三月上调AI算力服务及大模型产品价格。此次集体提价是龙虾及相关智能体应用爆发带来Token消耗指数级增长的必然结果。

此前，大模型行业的竞争焦点一直围绕模型性能参数和市场份额展开，这样情况下，各大企业纷纷以低价策略吸引用户，希望快速抢占市场份额。不过，这也导致国内大模型词元的整体价格呈现连续下降的趋势，说白了就是各家大模型企业在打价格战。

随着以龙虾为代表的新一代智能体应用爆火，市场对高质量、高稳定性的模型推理服务需求急剧增长，Token消耗量呈指数级上升。行业竞争的底层逻辑开始从成本竞争，转向价值竞争。

今年3月，智谱推出GLM-5-Turbo模型，同步上调API价格，较前代GLM-4.7的平均涨幅达到83%。随后，该模型发布24小时内即就获得了字节跳动TRAE、阿里巴巴Qoder、腾讯CodeBuddy等头部平台产品的官方接入。

智谱表示，当前公司已成为国内付费Token消耗量最高的厂商之一。中信建投研报显示，字节跳动词元消耗约每三个月翻一倍，国内大型云厂商日均消耗达60万亿词元时将面临明显算力缺口。因此预计国内各家大型云厂商在日均词元消耗达到30万亿词元时会感受到算力紧张，在达到60万亿词元时会开始出现一定算力缺口。

我国日均Token调用量的大幅增加，本质上表明我国AI产业的发展重心正在从“卷模型”转向“卷应用”，AI应用正在深度融入社会经济活动。长城证券认为，龙虾代表着AI的一个新的强劲加速点，词元燃烧速度会大幅拉升。这种模式下的词元消耗成倍甚至数十倍增长。

鸡蛋都在一个篮子里？

不过话说回来，如果说龙虾这样的类智能体“超级应用”正在极大拓宽大模型企业的盈利空间，是不是也意味着大模型企业后续的营收将太过于依赖龙虾或者某种新的智能体应用了呢？

这其实也是一种集中度风险。

《科技日报》前段时间有一篇文章就专门讨论了“养龙虾”需要面对的几个风险。其中门槛高、成本不低等都是可以克服的，对大模型企业来说也不是很难处理。

但安全风险这个关口，现在看来是真的非常重要，几乎可以说是会决定“龙虾之生死”。

此前，工业和信息化部网络安全威胁和漏洞信息共享平台、国家互联网应急中心等密集发文提示“养龙虾”可能带来的安全隐患。有用户反映被OpenClaw误删重要资料，还有人因OpenClaw权限过高泄露隐私。不法分子甚至会伪装“技能包”植入恶意插件，让“养虾”变成“引狼入室”。

业内专家分析，“龙虾”这类自主性智能体带来的最大风险，不在于代码错误，而在于赋予了AI过高的“系统代理权”。这可能导致微观行为失控、智能体间形成隐形通信、宏观防线面临全新冲击等风险。以智能体间形成隐形通信为例，它们能在公开平台上利用人类无法理解的指令进行交互，相当于在人类监管下构建了一个可以协调规避安全策略的潜在AI“暗网”。

风险的关键，说白了就藏在“高权限委托”里。权限的高度集中，可能会让AI智能体成为悬在个人信息和数据安全上的利剑。当前龙虾智能体技术迭代速度飞快，功能不断升级，但在安全架构搭建、权限的最小化节制，以及操作全流程的审计监管等方面，还处于相对早期的阶段，尚未形成完善的防护体系。

面对上述问题，如果大模型企业的投资者太过于乐观于词元经济、养龙虾所带来的丰厚潜在回报，可能就会掉入股价虚高的陷阱中，成为高位站岗放哨的那个人。

免责声明
（上下滑动查看全部）

任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，亦不对因使用本文内容所引发的直接或间接损失负任何责任。投资有风险，过往业绩不预示未来表现。财经下午茶力求文章所载内容及观点客观公正，但不保证其准确性、完整性、及时性等。本文仅代表作者本人观点。