2 需求起点

2.1 变现困局

2025 年整个中国大模型行业没有找到能规模化的收费方式，这是理解 2026 年的前提。在 token 工厂出现之前，行业试过三种卖法，三种都撞墙。

第一种是卖一体机：把模型预装进一台服务器卖给政企客户。硬件毛利薄，更致命的是买回去没有应用可跑。录音里一位从业者说得很直白，去年卖了很多一体机，机器上面没有应用，没有一家 agent 厂商能在本地部署环境里跑通。录原因是技术性的：agent 厂商习惯在云端开发，本地部署要限制并发、限制上下文长度，做不到。

第二种是卖闭源模型授权。一套千亿参数级模型加部署服务卖数千万元。这条路被开源模型直接终结：客户实测发现，付费买的闭源模型不如免费下载的开源模型。录一旦这个对比发生，模型本身作为资产的定价就崩了。

第三种是卖 agent 定制。单笔金额上得去，但每个客户都是半定制，要投很多人、收款周期长，一群高薪工程师围着一个甲方的需求转。做得再好也就一两千万营收，再往上就得新开行业、新开客户，难以在短期内规模化。

2.2 编程拐点

让 token 需求开始起量的是 AI 编程，不是聊天。录音里的判断是：2026 年春节后，开源模型在编程能力上跨过可用线，token 的经济学才成立，这个行业满打满算只有四个月。录

为什么是编程而不是别的场景，要看单次交互的 token 消耗量级。一次普通对话大约消耗几百到几千 token。一次 AI 编程任务要读代码库、生成补丁、跑测试、读报错、再改，一个任务轻松消耗几十万 token，而且是自动循环，人不在环里。同样一个用户，从聊天转向编程，token 消耗上升两到三个数量级。

这个转变有个副作用，对供给侧极其重要：编程类流量的上下文很长。读一个代码库动辄几万到几十万 token 的输入。长上下文意味着显存里要存的中间状态暴涨，这直接决定了为什么这门生意必须用最新、显存最大的卡，第 10 章会拆这个机制。

2.3 需求曲线

公开数据能验证需求爆发的规模和方向。以 OpenRouter 这个中立的模型路由市场为例，它是观察真实开发者选择的少数干净信号之一。

这张图给出后文的经济学起点：token 工厂把成本较低的开放权重模型做成稳定服务，收入来自它与高价闭源调用之间的可替代空间。

2.4 开源前提

如果没有高质量的开放权重模型，这门生意根本不存在。逻辑链很短：闭源模型的权重拿不到，任何第三方都不可能自建产能去服务它；只有权重公开可下载，独立运营方才能买卡、部署、对外卖 token。

2026 年 7 月的公开事实：Moonshot 发布 Kimi K3，2.8 万亿总参数、每次前向从 896 个专家中激活约 1040 亿参数、100 万 token 上下文，7 月 16 日开放 API、7 月 27 日放出全部权重，采用修改版 MIT 许可。核同期阿里预告 2.4 万亿参数的开放权重模型。核这是开放权重第一次把差距缩小到可直接比较。