我用一顿饭劝退了一个想开 Token 工厂的算力老板

六月底的一个饭局，坐我对面的是个囤卡的老板。

具体身份不方便说。几千张卡，H 系列和国产的都有，散在两三个城市的机房里，前些年做 IDC 攒下的家底，这两年一直在找出路。

酒过三巡，他把手机推过来，屏幕上是黄仁勋在 GTC 的照片。"你说实话，我这是不是坐在金矿上。"

他的账算得很顺：token 需求在爆炸，老黄说每个 token 都是收入。模型，DeepSeek 开源的，不要钱。推理引擎，vLLM、SGLang，开源的，也不要钱。卡，我有的是。三样拼在一起，我不就是一个 Token 工厂？躺着生产 token 卖钱。

他等我说"靠谱"。我们在推理这一层做了几年，他是把我当行内人问的。

我说：别开。

他愣了几秒："你们自己天天干的就是这个，劝我别进？"

正因为天天干这个。那顿饭从七点吃到十一点，我把这门生意从头到尾给他拆了一遍。这篇是那晚的完整版：为什么三块开源积木拼不成一座工厂，以及为什么需求最火爆的文生视频，我们碰都不碰。

先把"工厂"这个词讲对

Token 工厂不是我发明的词。"AI 工厂"是黄仁勋的原话，GTC 2025 上他说数据中心只有一件工作："生产这些不可思议的 token。"而"Token 工厂"这个更露骨的叫法，出自纳德拉。2025 年 10 月微软财报会上，他问自己团队的问题是："我们这座行星级的 token 工厂，效率到底怎么样？"到 2026 年 3 月，英伟达自己的技术博客也把 token factory 写进了标题。今年 6 月台北 GTC，黄仁勋的说法干脆变成："每一个 token 都是利润，每一个 token 都是收入。"

很多人听到"工厂"，把它理解成一门能源生意、算力生意：有电、有卡，就能开工。

这是对这个词最大的误解。有设备只是门槛，工厂的本质，是把一整条生产链的效率拧到极致。Token 工厂往下拆，是三层技术叠在一起，每一层都藏着数倍到数十倍的效率杠杆。

第一层，芯片。 代际之间是数量级的跳变。英伟达官方口径，GB200 NVL72 对 H100，大模型推理快 30 倍；跑 DeepSeek R1，Blackwell 对 H200 每 token 成本降到十分之一。今年 3 月发布的 Vera Rubin，对 Blackwell 每 token 成本又是十分之一，6 月已经全面量产。黄仁勋在 GTC 上说过一句到处被引用的话：Blackwell 量产之后，Hopper 白送都没人要。他管自己叫"首席收入摧毁官"。

第二层，模型。 模型决定这座工厂能产出的智能上限，这个好理解。容易被忽略的是另一半：模型结构本身就决定推理效率。稀疏化怎么做、attention 怎么设计、参数怎么分布，同样的智能水平，结构不同，生产成本差好几倍。设计模型越来越像设计工业品：性能和可制造性，要在图纸上一起定稿。

第三层，推理系统。 软件加硬件结合的一整套技术，也是行业里最被低估的一层。同样的硬件、同样的模型，推理系统能拉开数倍的差距。vLLM 刚出来时，对当时最强的推理系统是 2 到 4 倍的吞吐提升；SGLang 首发宣称最高 5 倍。最极端的例子是英伟达的 Dynamo：同一套 GB200 NVL72 跑 DeepSeek R1，开不开这套系统，官方给的数字是每张 GPU 的 token 产出差 30 倍。同一套硬件，同一个模型，30 倍。

推理系统的威力有一个更出名的注脚。DeepSeek 在 2025 年 3 月把自己推理系统的账本晒了出来：GPU 租赁成本一天约 8.7 万美元，理论日收入约 56 万美元，理论成本利润率 545%。他们自己声明实际收入远低于这个理论值，但数字一出还是把整个行业吓了一跳。卡还是那些卡，是推理系统把每一张都榨到了极限。

三层叠起来，才叫工厂。芯片选代、模型结构、推理系统，每一层都站在最优解上，和"三块开源积木拼一起"，中间隔着几十倍的生产效率。

我那位朋友的方案是什么？上一代的卡，默认参数的开源引擎，别人设计的模型。他不是要开工厂，是要在别人的工业区旁边支一个作坊。

标品市场，效率就是生死

作坊也能活，对吧？小餐馆不也活在连锁店旁边？

不行。因为 token 是标品。

我之前写过《Token 不是一种东西》，说 token 是智能档乘速率档的矩阵，不能混在一起算。但矩阵里的同一个格子——同一个模型、同一档 SLA——token 就是彻底的标品。你产的 DeepSeek V4 token 和我产的 DeepSeek V4 token，一个字都不差。买家只看两个数字：价格，速度。

标品生意的铁律，做过大宗商品的人都懂：卖价是市场定的，你能决定的只有成本。效率差距直接变成利润差距，没有品牌、体验、故事可以遮挡。

而且这个市场几乎是为充分竞争量身定做的。供给全球互联，没有地域保护，报价以天为单位在变。打开 OpenRouter 你现在就能看到，同一个开源模型，四五家供应商同时挂牌，输入价差出近 5 倍，速度也差出几倍，贵的快、便宜的慢，像极了大宗商品的盘口。今年 5 月，DeepSeek 干脆把 V4-Pro 降价 75% 的促销价改成了永久价。拉长看更吓人：同等能力的推理价格，a16z 在 2024 年底算的是每年降 10 倍，Epoch AI 最新的口径是一年约 40 倍。

在这样的市场里，假设你握着一个 50% 的效率优势，你有两个用法：价格不动，多出来的全是利润；或者降价，把别人的需求抢过来。利润厚了还能去上游锁更多的卡，把原材料也抢了。两头挤压，没有技术优势的玩家很快会发现：自己开工厂，不如把卡租给会开工厂的人。

这就是我劝他别开的核心理由。Token 工厂不会小而散，它会像所有标品产业一样走向高度集中。资本已经在给这个判断投票，就看过去这半年多：Fireworks 估值 175 亿美元，年收入破 10 亿、一天处理 40 万亿 token；Baseten 估到 130 亿；Together 83 亿；Cerebras 上市首日市值冲到 950 亿上下；英伟达干脆花约 200 亿美元把 Groq 的技术和核心团队收了。钱不会骗人，它们买的是同一样东西：把 token 生产效率做到极致的能力。

顺便说一句，这场集中在哪个领域跑得最快？AI 编程。OpenRouter 和 a16z 那份 100 万亿 token 的研究里，编程类消耗从 2025 年初的 11% 涨到年底的超过 50%。需求最标准、SLA 最清晰、买家最专业的地方，永远最先卷成工厂的形状。

1987 年，有人讲过一样的故事

饭吃到一半，他问了一个真正的好问题：模型公司自己就在卖 API，自己就是工厂，凭什么轮得到第三方？

我给他讲了台积电。

1987 年张忠谋创办台积电的时候，做了一个当时所有人都看不懂的决定：只做代工，不做设计，永远不和客户竞争。这句承诺后来几乎一字不差地写进了台积电每一年的年报。在那之前，芯片行业的常识是设计制造一体，英特尔那样才叫芯片公司。代工？那是苦活。

但正是"中立"这个承诺，凭空造出了一个新物种：fabless。设计公司从此不用砸几十亿美元建厂，画好图纸，产能找台积电。英伟达 1993 年成立的时候，一间厂房都没有，到今天也没有。

Token 的世界正在裂成同样的结构。

闭源巨头是苹果。OpenAI、Anthropic，模型不给你，推理技术自己磨，芯片跟供应商协同设计，从设计到零售全链条自营，利润空间自己定。这是一条自洽的路，前提是模型必须一直领先。

开源阵营是组团打仗。模型厂出设计，把权重开放出去，谁都可以生产。而三方 Token 工厂，就是这个阵营里的台积电。不做模型，不赌哪家赢，手里握着所有人都需要的东西：中立的、效率拉满的产能。

中立为什么值钱？想一个问题就明白了：A 模型公司的算力，能变成 B 模型公司的产能吗？不可能。这个月 B 家的模型突然登顶，A 家不可能把自己的集群腾出来帮死对头出货。模型公司的产能被自家模型锁死了：模型行，产能值钱；模型不行，产能陪葬。

三方工厂没有这个锁。谁的模型好，产能切给谁。切换速度快得超出直觉：去年 7 月 Kimi K2 发布，6 个小时内就有两家推理商挂牌上线；Groq 第三天上线，再过三天，实测速度干到月之暗面官方 API 的 40 倍。模型是别人的，产能是自己的，风口是大家的。

这个结构对模型公司同样是解药。现在做一个新模型公司，最重的负担是推理算力：训练咬咬牙还能租，推理得跟着用户涨，是个无底洞。但如果产能层是中立开放的，打法就完全变了：专心把模型训好，开源打开市场，然后回头去包产能。像苹果包下台积电 3nm 首发产能那样（据报道初期产能的九成归了苹果），像昇腾 950PR 全年 75 万颗被字节、阿里这些大厂们整整齐齐包圆那样。模型公司变成 fabless：轻资产，赌设计，产能交给中立工厂。新王者从出现到放量，可以压缩到几个月。

对工厂这边，中立还是唯一的抗风险姿势。模型公司的行情随代际怎么摆，最近 30 天就是教科书：6 月中旬智谱发 GLM-5.2，一周后股价盘中涨过 42%，市值破了万亿港币；就在昨天，月之暗面发布 Kimi K3，智谱盘中最深跌掉 30%，MiniMax 跟着跌 16%。同一家公司，一个月里天堂地狱各走一遭。把自己绑死在任何一家的生态里，都是在赌它每一代都赢。这种绑定有多脆，我在《顶尖智能，说断就断》里写过，连国家层面都会翻车。台积电从不赌哪家设计公司赢，它只赌一件事：世界永远需要芯片。Token 工厂赌的也只是：世界永远需要 token。

总会有下一条鲶鱼

听到这里他基本服了，但补了一个很尖的问题：这套逻辑全建立在模型开源上。哪天大家都不开了呢？

这个担心值得认真回答。我的判断是：回不去了。

复盘一下 2025 年那场多米诺。2024 年 12 月 26 日，DeepSeek V3 开源，训练刚收尾就把权重放了出来，效果贴着海外闭源旗舰，比国内所有闭源旗舰都好。这一下国内的闭源模型全尴尬了：最好的那个免费，你收费的凭什么？

多米诺倒得比所有人预期的都快。1 月 15 日，从没开源过旗舰的 MiniMax 抢先把 MiniMax-01 的完整权重放了出来——注意，这时候 R1 还没发布。1 月 20 日，R1 带着 MIT 协议炸场，按 AI 产品榜的统计，随后 7 天新增用户过亿，而 ChatGPT 当年破亿用了两个月。1 月 27 日，英伟达单日跌掉近 17%，5890 亿美元市值蒸发，创下当时美股史上最大单日市值蒸发纪录。然后是整个 2025 年：4 月智谱把 GLM 系列转成 MIT，6 月 MiniMax M1 用上 Apache 2.0，7 月 Kimi K2 挂着修改版 MIT、GLM-4.5 直接 MIT。一年之内，"旗舰必闭源"变成了"旗舰不开源都不好意思发布"。

驱动这一切的不是情怀，是一笔冷冰冰的营销账。你训出了一个好模型，怎么让全世界知道？买广告、办发布会，慢得要死，贵得离谱。把权重放出去，整个开源社区的传播机器立刻免费为你运转：下载、口碑、推理商抢着上架、benchmark 刷屏。7 天 1 亿用户，这个效果广告史上没有出现过，它只可能来自开源。

这场竞赛到今天也没有减速的意思。昨天把智谱砸跌 30% 的那颗炸弹，本身就是开源的最新一环：Kimi K3，2.8 万亿参数，直接开放权重，史上最大。

所以就算某天 DeepSeek 也不开了，一定会有下一个名不见经传的团队，在算力和牌桌位置都不如人的时候，把最好的东西直接开出来，因为这是落后者掀桌子最高效的方式。只要有一条鲶鱼这么干，所有人就都得跟着卷。何况当下的格局里，中国模型已经占全球开源模型下载量的 17.1%，反超美国的 15.8%，这个飞轮停不下来。

开源在，配方就在；配方在，生产环节就在；生产环节在，Token 工厂的地基就在。

为什么我们不碰文生视频

最后说一个我们自己的决定，也是那晚聊到最后的问题：文生视频火成这样，Seedance 的需求满天飞，Token 工厂为什么不顺手做视频？

答案很简单：做不了。不是难，是这门生意在结构上不存在。

工厂开工的前提，是你手里有配方。文本这边，配方是开放的，所以长出了整条产业链。视频完全相反，需求最大的那几个模型全部闭源：字节的 Seedance，Google 的 Veo 和 Gemini，快手的可灵。Seedance 都迭代到 2.5 了，一次权重都没放过。更能说明问题的是万相：它曾是这条赛道最大的开源例外，Wan 2.1、2.2 挂着 Apache 2.0，下载量超 3000 万；可从 2.5 开始，阿里也把它收了回去，只留 API。需求越涨，攥得越紧。视频这条赛道上，连唯一的例外都消失了。模型是厂商的命根子，人家闭源经营，吃闭源的利润，凭什么给你？

配方不给你，你还想参与，就只剩一个角色：出租算力。厂商拿你的卡，自己部署、自己经营、自己定价，推理优化也是人家做。你引以为傲的那些推理技术，在这条链上没有一寸落脚的地方。没有生产环节，就没有效率差，也就没有超额利润。这不是生意，是收租。

所以每次有人问我们要不要做视频推理，我都用同一个问题挡回去，这也是我们内部判断一切新方向的第一问：

配方在谁手里？

写在最后

那顿饭的最后，老板问我：那我这几千张卡，到底怎么办？

我说了实话：趁行情热，把卡租给会开工厂的人，把回款投到你真正有效率优势的地方去。他后来怎么决定的，我还不知道。但我把那晚最后说的话，也写给读到这里的你。

这个行业每天都在制造"拥有资源"的幻觉：有卡的觉得自己有算力，有钱的觉得自己有入场券。可资源是全行业贬值最快的东西，卡三个月降一档，模型三个月出一代，今天的稀缺，半年后就是库存。真正能穿越周期的只有一样：把同样的资源用出比别人高的效率的能力。台积电创办那年，代工被全行业当成不体面的苦活；三十几年后，最骄傲的设计公司都得排队等它的产能。

位置比力气重要。找一个所有人都需要你、而你不赌任何一家输赢的位置，然后把效率磨到别人追不上。风口会换，王座也会换。

效率永远有人买单。

参考资料

Token 工厂概念

芯片层

推理系统层

价格与市场

三方工厂：融资与产能切换

开源多米诺

代工模式与文生视频