token出海，是愿景，不是现实

本文来自微信公众号： 未尽研究 ，作者：未尽研究

年初，中国爆发过一阵“token出海”的叙事，它本质上是对“算电协同”的一种想象。市场敏锐地捕捉到了中国独有的双重优势：既有开源模型性价比带来的技术普惠，又有丰沛且廉价的电力资源作为能源底座。通过将海外推理请求，调度至国内数据中心，能够以更低成本完成AI任务。

从更底层的成本结构看，运输能源的成本，高于输送电力，更高于算力的直接调度，这也使得算力在理论上成为最具跨区域流动性的生产要素。而token，则是在这一过程中，将能源、算力与模型能力，统一为可计量、可定价的单位，从而具备被交易与流通的基础。

这种模式不再以模型、算力设备或电力资源的形式跨境流动，而是以内嵌于服务的形式，通过接口被远程调用与消费。

但是，对于“token出海”而言，更关键的不仅在于请求是否跨境调用，而更在于生产与价值的归属：即用于生成token的算力与能源成本，是否由位于中国的实体承担，并获得来自海外市场的收入。

在这个意义上，年初的“token出海”热潮，其实算不上真正意义上的“token出海”。它存在，但并非主流。事实上，直到今日，它更多地仍然以“模型出海”或“算力出海”的形式展现出来。当然，这仍然很好；但它脱离了“算电协同”的叙事框架。

最近一个月，在全球最大的API聚合平台OpenRouter上，中国模型提供了接近60%的token。它们来自小米、阿里巴巴、DeepSeek、阶跃星辰、MiniMax、智谱与Kimi。乍看之下，这似乎印证了“token出海”的说法，但事实并非如此。

对于那些表现突出的开源模型，全球云厂商往往采取“拿来主义”，第一时间将其部署到自身的云基础设施上。这意味着，token的生产成本与服务收入，未必与模型的原始开发者直接相关，而更多取决于模型的开源协议与部署方的商业化能力。

以DeepSeek V-3.2为例，在OpenRouter接入的服务提供商中，除了DeepSeek自身的API，还包括如DeepInfra在内的一系列美国新兴AI云厂商。这些厂商的算力资源主要位于美国，本地服务美国企业与开发者。因此，对应的大量token消耗，也是在美国完成生产与消费。

在年初“token出海”叙事最为热闹的阶段，现实情况更接近于这一模式。所谓“token出海”，在很大程度上只是开源模型驱动的“模型出海”，而token的生产与价值捕获，仍然在美国市场内部形成了闭环。

不过，情况正在发生变化。近期，OpenRouter上排名前二的模型，来自小米的MiMo-V2-Pro，与阿里巴巴的Qwen3.6 Plus（free），均未开源。以前者为例，其唯一的服务提供方即为小米本身，应该算“token出海”。

但问题仍然存在。以小米为例，其算力不仅部署在中国大陆（CN），也“出海”分布于新加坡（SG）与荷兰（NL）。因此，即便token由该公司提供，也难以简单判定，token的生产就一定发生在中国本土，充分利用了中国的电力优势。对于像阿里巴巴这样的全球云厂商而言，情况则更为复杂。

从这个角度看，“token出海”的边界开始变得模糊。仅凭OpenRouter的公开数据，已难以精确衡量其中真正属于“出海”的相对规模。而且，作为一个API聚合平台，它还无法覆盖海外企业直接调用中国厂商官方接口的情况，因此在一定程度上也可能低估“token出海”的绝对规模。

当然，我们不妨期待，随着token经济逐渐成为企业运营与宏观分析的重要指标，其跨区域分布与收入归属，或将像财报中的地域收入一样，被更细致地披露与统计。

截至目前，token的全球贸易仍然是相对自由的。MiniMax海外收入占比已超过70%，服务覆盖100多个国家和地区的21.4万家企业与开发者，说明token及其所承载的AI服务，已经可以在全球范围内流动与变现。当然，也有杂音，Anthropic就开始要求部分用户通过护照等方式进行身份验证。

从token经济的需求侧看，欧美市场仍然是中国“token出海”的主要目的地。其拥有全球最大的企业软件市场，同时白领劳动力成本长期高企，使得以AI替代人力的需求尤为强烈。

这一点也体现在OpenRouter的支出分布中：美国市场约占近50%，欧洲约占20%，构成了token消费的核心区域。在此背景下，海外开发者开始“熬夜抢购”智谱Coding Plan，也成为需求快速释放的一个缩影。

而从token经济的供给侧看，“一带一路”及中国周边地区，可能成为“token出海”的潜在承接区域。早在2024年，未尽研究在《AI改变能源：智算如何引领新型电力系统》中就提出，一些具备能源优势的地区，如新疆与云南，不仅可以向东部输送绿电，或在本地布局算力基础设施，还可以分别面向中亚、东南亚等地，建设智能碳的“一带一路”。

在这一框架下，电力、算力与AI服务，逐渐形成一体化结构。低碳、低成本的绿色能源，转化为算力，再进一步转化为可被调用与计量的token。这构成了一种潜在的区域性算力与AI服务输出模式。

但是，“token出海”更像是一种面向未来的长期布局，而非已经成型的规模化服务贸易模式。短期内，它确实可以在部分时延要求不高的小规模推理任务、开发者试用等场景中成立，但尚未形成稳定的跨境交易与收入结构。

一方面，尽管中国电力资源在存量与增量上都远超美国，但中国在算力硬件的供给上仍然逊于美国。按照EpochAI最新统计，如果按H100当量计算，中国的算力规模仅相当于甲骨文一家公司的水平，远不及谷歌、微软、亚马逊与Meta。

中国的AI应用正在蓬勃发展，AI智能体与视频生成激战正酣，科技巨头自己都不够用。字节跳动的视频生成，用户排队领号的时间越来越长；腾讯的策略则是“减少了对外出售，以保证自用算力充足”。

在这一背景下，部分中国模型在OpenRouter上的token调用量阶段性冲高，更接近于一种以价格补贴驱动的市场拓展行为。无论是年初的MiniMax，还是近期的阿里巴巴Qwen，其“优惠”甚至“免费”的API策略，本质上更类似于营销获客与生态培育成本，而非可持续的运营成本。在一定程度上，这类投入放大了市场关注与估值预期，成为“token出海”叙事的重要杠杆，但尚不足以代表真实的供给能力。

另一方面，AI产业链的最优配置，或许应当沿着成本最低的路径集中：能源、算力与模型能力，在不同环节实现跨国最优组合。

但现实并非如此。美国持续限制高端算力芯片与模型的出口，欧洲强化数据保护与本地存储要求，就连东南亚与中东等新兴市场，也开始强调“主权AI”。

在这一背景下，对中国而言，更可行的路径并非“token出海”，而是“算力出海”与“模型出海”：在海外建设数据中心，实现本地存储与本地推理。同时，“算电协同”也意味着新能源与储能体系的同步出海，本质上仍是一种围绕算力的本地化扩展。

在更极端的情境下，中国“token出海”甚至可能对全球服务外包格局产生冲击。过去由印度等国家承接的客服与内容服务，建立在低成本且具备语言与专业能力的人力之上；而在AI时代，这类服务正被快速抽象为按token计价的推理能力。

在这一意义上，这种转变对传统服务外包体系的冲击，或许不亚于制造业自动化对低端制造业的替代，甚至可能在未来引发围绕“token出海”的贸易摩擦与监管壁垒。