Token工厂，非Token工厂

引言

随着Token的兴起，Token工厂越来越成为大家关注的热点。但不同团队对Token工厂的理解却不尽相同，甚至大相径庭。就以Token工厂的投入门槛来说，有的观点认为投入门槛是10亿，有的观点认为投入门槛是100万。哪个合理？哪个不合理？今天这篇文章，我们试图从多个角度进行分析、思考和论证Token工厂，也希望和更多的朋友一起深度讨论。

1 Token工厂做什么？

顾名思义，Token工厂，是生产Token的工厂。Token工厂，以模型为生产线，以算力为原材料，最终生产出来的产品是Token。

当然，仅生产Token的Token工厂是极简模式，我们还可以为Token工厂，增加上游和下游环节，使其更加的丰富完整：下游环节，Token聚合销售。

类似前店后厂模式，“前店”给客户提供各类模型Token服务，“后厂”可以自己生产部分或全部开源模型Token。上游环节，智算中心。智算中心，是在IDC机房机架基础上，增加了服务器设备和组网等能力，对外提供算力租赁。

2 高门槛重模式 vs 低门槛轻模式

如果涉及上游的Token原材料环节，也就是智算中心环节，那么就是高门槛且非常重资产投入的模式。而如果没有上游原材料环节，仅有Token生产环节，或者Token生产+Token销售环节，均为相对低门槛的轻资产模式。

因此，可以给出一个Token工厂低门槛启动并逐步演进发展的三个阶段：

第一阶段，Token聚合平台（低门槛轻模式，投入10-20万）。给客户呈现的已经是完整的Token服务了。通过聚合外部Token资源，可以为客户提供非常全面丰富的Token资源。聚合平台主要是完成批发转零售，后台没有自己的算力和Token。

第二阶段，Token聚合平台+Token工厂（Token生产平台，模型推理+性能调优）（低门槛轻模式，投入100万左右）。随着客户需求扩张，逐步的把一些开源的热点的模型自己生产。这一阶段，重心在于大量自己生产的Token的批发。

第三阶段，Token聚合平台+Token工厂+自建算力（自建智算中心机房机柜，以及上架设备和组网等）（高门槛重模式，投入资金十亿级甚至以上）。这一阶段，涉及到重资产的投入，最好是在第二阶段发展已经非常成熟，营收规模已经非常巨大的情况下再实施第三阶段工作。

3 从供给到需求 vs 从需求到供给

站在上游算力基础设施的视角，从IDC机房机柜到智算中心算力（增加了设备和组网），再进一步到模型Token（增加了模型和调优），是自然而然的事情：不断的往下游拓展，不断的实现价值增值。

从供给到需求，Token工厂，是在算力集群的基础上，叠加了模型和调优的能力，对外提供Token产品。从供给到需求的Token工厂模式，聚焦价值增值。

站在下游需求和服务的视角，模型Token是AI价值的核心，所以需要构建Token服务，需要接入算力资源：首先有一个虚拟的“Token工厂”平台，源源不断的接入一个或多个智算中心集群算力，整合成统一对外的Token服务；Token工厂平台，具有资源统筹、调度和整合的能力。

从需求到供给的Token工厂模式，本质是云，聚焦为业务场景提供（云）Token产品和服务。

4 Token的三大特征

Token，即公有云化的、超大规模部署的、单位价格极度低廉的AI模型推理服务。Token，不仅仅是AI的计费单位，更是一种商业模式。Token的业务形态，使得AI可以像石油、矿产等资源一样，在全球范围内进行流转。站在使用者的角度：Token就是AI，AI就是Token。相对于智算，Token业务具有三大特征：

Token极度简单标准。Token相关产品的开发工作量仅有智算云产品的5%左右。

Token的规模占比极大。Token占智算云市场规模90%以上。Token的市场规模极大。随着AI的爆发，预计到2030年，Token国内数万亿、全球十多万亿。

5 智算中心到Token工厂 vs 智算云到Token工厂

从智算中心到Token工厂，是产业链从上游往下游的延伸，价值不断增值的过程。产业链的每个环节都有各自的门槛和能力要求，不是想往下游拓展，就可以往下游拓展的。Token是一个重要的机会。

Token业务的三大特征，使得上游的智算中心玩家有意愿投入，来构建一个Token工厂，并且可以相对轻松的驾驭。基于Token业务的拓展，这些上游玩家，可以逐渐的从一个基础设施资源提供商，转型成智算云Token服务提供商。

从智算云到Token工厂，也是很多AI-Infra或智算云玩家的机会。Token的三大特征，使得这些玩家业务更加聚焦，把Token相关的云产品服务从智算云MaaS服务中提取出来，并进一步扩充增强。在Token方面大量资源的投入，可以获得更强的产品和服务竞争力，进而获得更大的营收和利润。

6 Token工厂的核心竞争力：极致的成本优化

Token是标准品，并且上万亿的市场规模，整个市场必然会极卷。Token的成本优化，必然是精益求精，持续不断的全方位无死角的极致优化。

6.1 优化一，技术

技术侧的成本优化分为两个方面：（1）性能调优，降低单位Token成本；（2）通过各种模式创新和成本摊销手段，降低研发的营收占比。

6.1.1 性能优化

性能优化，通常分为三层：

芯片

大模型

6.1.2 研发成本优化

相比智算云，Token产品非常单一，仅有模型推理服务。但要进一步的优化Token的性能效率和单位成本，精益求精，则需要巨大的研发投入。如何优化研发在营收的占比，则成为一个很重要的问题，亟待解决。Token工厂面临两难选择：要么投入巨大，营收规模没有起来的情况下，研发投入比整个Token营收都高，严重亏损；要么投入较少，单位Token价格没有市场竞争力。既能够实现先进的技术，确保Token单位成本具有竞争力；又能够实现较低甚至极低的研发成本。如何确保既要又要？是全行业都在思考的重要问题。在性能优化同等水平情况下，研发投入的营收占比决定了Token工厂的成败：

200-300%，研发成本极高，严重亏损；50-80%，研发成本较高，没有竞争力；20-30%，研发成本中等，主流行业水平；10-15%，研发成本较低，具有价格竞争力；5%及以内，研发成本极低，具有显著价格竞争力。

6.2 优化二，原材料

如何从上游获取有价格竞争力的算力资源？在起始阶段，不建议自建智算中心，而是灵活租赁市场上的算力，确保Token工厂的发展灵活性。在规模起来之后，逐步开始自建智算中心，才是合理的选择。因为Token的标准化和价格敏感，面向Token的智算中心，也需要极致的优化成本。将智算中心可靠性降低3%，可能单位算力成本可以降低30%。相当于智算云，Token业务对可靠性的要求较低，3%可靠性提升 or 30%成本降低，肯定选择后者。

6.3 优化三，规模

规模，是宏观的成本；成本，是微观的规模。对Token工厂来说，规模和成本，是永恒的话题。Token工厂，需要极度重视规模。尽快把规模做上去，才能摊销研发和运营成本，才能从上游拿到更好价格的算力，才能给下游提供更有价格竞争力的Token。

6.4 优化四，销售

关于Token销售，抛砖引玉，建议如下：

积极对接各类销售渠道，保持长期稳定合作关系。这是营收的大头。有能力的话，可以构建专属的经销商网络。需要有零售平台。零售平台，不一定是销售的主力，但使得Token工厂能够触达客户的业务场景，保持对业务场景的理解和敏感度，从而有针对性的调整和优化Token的生产。积极对接智能体大厂，实现和智能体厂家的技术对接和业务合作，进一步增强业务和客户的粘性。

（正文完）

矩向科技，聚焦AI产业链技术服务，重点关注Token的生产和销售，在国内外有诸多合作的AI工厂和AI店铺项目落地。欢迎关注Token业务的朋友，交流讨论，共探商机。