推理经济的最终受益者，不是拥有最强芯片的人，而是拥有最多 Token 消耗场景的人，这对中国是个好消息。

Token 经济卖的每一个 Token，都是一次推理调用。不是训练，不是微调——是推理。

4 月 8 日，阿里成立集团技术委员会，三个 CTO 级别的角色分管模型、基础设施和推理平台，推理平台的负责人吴泽明同时担任召集人——日常调度权在他手上。三周前，阿里刚刚组建了 Alibaba Token Hub 事业群，要求所有关联业务围绕 Token 进行商业化。两件事放在一起看，指向同一个判断：在 Token 经济的链条上，推理是最紧迫的瓶颈。

这个判断的经济学很简单。训练是资本开支——花几亿美元跑几个月，产出一组权重参数，完事。推理是运营成本——每一个用户的每一次提问、每一个 Agent 的每一步执行，都要消耗推理算力。训练像修路，推理像收费站。路修一次，收费站永远开着。

阿里不是唯一得出这个结论的人。黄仁勋在 GTC 2026 上提出"Token 工厂经济学"，称 Token 将成为新的大宗商品，数据中心是生产 Token 的工厂，每瓦吞吐量决定商业竞争力。他甚至说，未来工程师的薪酬将包含 Token 配额。

一家中国互联网公司用组织架构来回应"推理优先"，NVIDIA 用产品路线图来回应"推理优先"。两个完全不同的物种，得出了同一个结论。这已经超出了技术迭代的范畴——AI 产业链的利润分配方式正在被重写。

推理成本在暴跌。a16z 的研究给这个趋势取了个名字叫 LLMflation：同等性能的模型，推理成本每年下降约 10 倍。GPT-3 水平的推理，2021 年每百万 Token 要 60 美元，到 2024 年降到了 0.06 美元——三年降了 1000 倍。Epoch AI 的数据更细致：不同任务的推理价格下降速度从每年 9 倍到 900 倍不等，取决于任务难度和模型更新节奏。

NVIDIA 的产品路线图直接映射了这个趋势。Blackwell 平台把推理成本比上一代 Hopper 降了约 10 倍。2026 年下半年量产的 Vera Rubin 平台承诺再降 10 倍——核心卖点不再是峰值算力，而是每 Token 成本。当全球最大的 AI 芯片公司把定价叙事从"算力密度"转向"Token 成本"，竞争维度已经换了坐标系。

但这里有一个反直觉的悖论：单位 Token 价格暴跌，企业 AI 总支出反而在飙升。原因是 Agent。传统 chatbot 一轮对话消耗几百个 Token，一个 Agent 工作流可能要消耗几万甚至几十万个 Token——它需要多步推理、工具调用、上下文维护、错误重试。OpenClaw 引爆的 Agent 浪潮让 Token 消耗量以数量级上升。OpenRouter 平台的数据显示，2026 年初 Agent 类应用的周度 Token 调用量出现了翻倍级增长，贡献了平台绝大部分增量。

Token 价格降了三个数量级，Token 消耗量升了三个数量级，两条曲线对冲之后，企业的 AI 总账单反而在变厚。推理已经从成本项变成了核心基础设施开支——就像电力之于工厂，你不会因为电价下降就减少用电量，你会用更多电来跑更多机器。

推理产能因此成了整个行业的命门。关键问题不再是谁的模型最聪明，而是谁能以最低成本、最高效率、最稳定地供应推理算力。AWS 推 Inferentia 和 Trainium，Google 把 TPU v6e 做到让 Midjourney 的月支出从 210 万美元降到 70 万美元，所有云厂商都在自研推理芯片——因为推理是持续的运营成本，谁能压低这个成本，谁就在 Token 经济里占据优势位。

这个趋势在中国有完全不同的含义。

美国对中国 AI 芯片的出口管制，打在了训练上，没有完全打在推理上。

这不是偶然的。训练大模型需要最先进制程的芯片、最高的算力密度、最大的显存带宽，需要成千上万张卡通过高速互联组成集群一起跑。制裁的每一条限制——算力上限、互联带宽限制、先进制程封锁——都精准卡住了训练场景的关键瓶颈。

推理不一样。推理对峰值算力的要求远低于训练，对成本效率和能效比的要求更高。一张训练卡要跑几个月，一张推理卡可能同时服务几千个用户的请求。推理场景更看重吞吐量、延迟、每瓦性能——这些维度上的差距，比峰值算力的差距要小得多。

推理，是国产芯片替代最可能跑通的赛道。

本文仅供会员阅读

后续内容包括：

国产芯片的非对称竞争策略

推理经济重构 AI 产业利润分配

中国的优势在哪里

欢迎来我的知识星球

周二到周四，我将每天提供一份互联网/科技/消费等行业的观察，可能是独家消息，可能是趋势分析，也可能是不方便在其他渠道公开的内容。

星球初建，前 20 名成员将享受系统可能设定的最低价 50/年，之后随着内容增多，价格也会提高。