算力产业正在从单纯“租服务器”进入更复杂的变现阶段。一边是高端训练需求继续扩大，国产开源模型参数量和能力快速提升，头部模型公司融资、资本开支和训练迭代都在加速；另一边，推理市场开始真正收费，Token 工厂模式逐步出现，算力资产不再只按小时出租，而是开始按模型能力和 Token 输出参与分成。

这条主线背后有三个关键判断：网宿科技这类 CDN 出身的边缘网络公司，正在被 Cloudflare 的商业路径重新映射；算力租赁公司在中报期持续兑现业绩，估值获得支撑；Token 工厂的兴起，意味着模型开始具备真实经济产出，推理收费正在从补贴和免费转向商业化。

一、网宿科技的重估逻辑：对标 Cloudflare

网宿科技的中报给出了一个重要信号：如果还原部分财务处理和并表口径，公司收入与利润仍保持较快增长。更重要的是，它在业务形态上和 Cloudflare 有非常强的可比性。两家公司都是从 CDN 起步，拥有全球分布式节点、网络加速、安全服务和边缘计算能力。

Cloudflare 已经从 CDN 延伸到推理服务、AI 访问加速、安全防护和边缘网络服务，并在付费推理基础上抽取服务分成。北美付费推理启动更早，Cloudflare 已经充分受益，股价不断创历史新高。中国市场的付费推理启动相对更晚，去年大多数推理请求还处在免费或补贴状态，今年才开始真正进入收费阶段。

这意味着网宿科技未必缺少方向，更多是时间差。国内推理收费、AI 应用访问、模型调用和边缘加速需求起来以后，网宿完全有机会沿着类似路径切入。它的全球节点接近 2800 个，天然具备网络基础设施属性。

二、同样是网络基础设施，估值差距很大

Cloudflare 今年对应 PS 估值已经在 30 倍以上，而网宿科技不到 8 倍 PS。两家公司收入增速差距并不夸张，甚至 Cloudflare 仍处于亏损状态，网宿科技已经盈利。这个估值差，并不完全由业务差异解释，更像是市场对美国 AI 网络基础设施和中国同类资产定价体系的差异。

如果国内推理收费逐渐成形，AI 应用访问和模型调用增长，网宿的业务想象空间会从传统 CDN 扩展到 AI 网络服务。估值修复并不是简单复制 Cloudflare，而是市场重新理解“CDN + 全球节点 + AI 推理加速 + 安全服务”的组合价值。

这类资产的关键，不只是当前利润，而是能不能把网络节点变成 AI 推理时代的分发、加速和计费入口。只要入口价值成立，传统 CDN 公司就可能摆脱低估值网络服务商的标签。

三、国产模型竞赛重新拉动训练算力

算力租赁板块经过 7 月接近一个月调整后，近两周迎来明显反弹。第一条原因来自国产开源模型突破。旗舰模型参数量从去年千亿级快速跃升到万亿级，4 月发布的 1.6 万亿参数级模型、7 月中旬发布的 Kimi K3 等，都说明先进算力和训练数据需求正在快速加大。

当 Kimi K3 一度在海外权威编程榜单上取得亮眼表现，DeepSeek 新版本、智谱 GLM 5.3 等模型又持续迭代，市场开始意识到中美大模型进入你追我赶阶段。模型能力必须保持前沿，三四个月迭代一个版本时不能掉队，否则融资、应用生态和企业客户都会受到影响。

模型公司融到的钱，相当一部分会继续流向算力。一级市场、二级市场和产业资本对 AI 的乐观预期，本质上都建立在一个假设上：模型能力继续提升，训练需求继续放大，先进算力仍然稀缺。

四、海外 NeoCloud 财报验证高景气

第二条原因来自海外 NeoCloud 厂商的财报验证。CoreWeave 和 Nebius 的季度财报都超出市场预期，说明海外高端算力需求仍然强劲。

CoreWeave 收入同比增长超过 100%，达到约 26 亿美元，调整后 EBITDA 约 15.1 亿美元，对应利润率接近 59%，剩余订单超过千亿美元，同比增长约 246%，并上调全年收入、利润和资本开支指引。股价随后大涨，反映市场对后续几个季度高增长可见性的认可。

Nebius 季度收入约 5.8 亿美元，同比增长约 450%，调整后 EBITDA 约 2.36 亿美元，对应利润率约 41%。公司预计年末 ARR 有望达到 70 亿到 90 亿美元，按这个增速，明年百亿美元收入已经可以被纳入期待。

五、算力仍是卖方市场，预付款改善现金流

北美 IDC 建设进度偏慢，客户越来越青睐既有卡、又有机房、又有电力的合同。这和国内情况类似，本质上都是供需错配下的卖方市场。Nebius 2025 年新签合同中，相当比例包含客户预付款，预付款可以覆盖相关资本开支 50% 到 60%；去年预付款通常只能覆盖 20% 到 30% 的硬件支出。

更重要的是，部分合同对应硬件回收期可能只有一年十个月，甚至不到两年，明显短于国内三年多的回收期。预付款比例提升、回收期缩短、订单可见性增强，会显著改善算力资产的风险收益比。

海外数据给国内市场提供了参照：只要高端算力紧缺、模型需求持续、客户愿意签长约，算力租赁并不是简单的重资产低回报生意，而是可以在供需错配阶段获得较高利润率和较快资产回收。

六、国内高端服务器供给仍然紧张

国内从 5 月以来，高端服务器供给明显下降，渠道情况非常紧张。最高端 B300 服务器的散单价格从 400 多万元涨到 1400 多万元，这个价格更多反映极端供需错配下的小批量散单市场，不能简单作为所有客户采购价值的锚点，但它足以说明高端硬件短缺程度。

此前已经把服务器交付给客户的算力服务公司，正在通过中报兑现业绩。协创数据、利通电子、弘信电子等公司已经发布或即将发布业绩，部分利润接近预告上限，部分上半年净利同比增长非常快。智慧云、云赛智联等公司也给出过较强预告。

进入 8 月中下旬，中报期会让头部算力公司的业绩兑现继续被验证。业绩稳健且亮眼，是头部公司近期表现较强的重要原因，因为它们的明年估值相对其他公司反而更便宜。

七、Token 工厂为什么会兴起

算力租赁按每台服务器使用时间收费，Token 工厂则根据模型能力和 Token 输出量计费或分成。它的出现，根本原因是大模型开始真正商业化，Token 开始产生经济效益。

视频生成模型、AI 短剧、漫画生成、编程模型等场景正在变现。可灵 3.0、3.5 等视频模型让内容生产有了收费基础；智谱 GLM 5.2 以后，编程能力快速提升，逐步成为国内好用且合规的 Coding 模型，为程序员和企业带来实际经济价值。DeepSeek 新版本发布后，也开始进行峰谷定价，整体价格较此前有明显上调。

过去几个月，国内外 Token 价格差距很大，国内模型价格战对 Token 定价形成压制。现在 Token 价格回到与模型能力匹配的合理水平，更有利于产业长期发展。模型能赚钱，模型厂商才能自我造血；云厂商和算力厂商看到 ROI 改善，才会持续投入。

八、海外云厂商已经从小时收费转向 Token 收费

亚马逊和 Anthropic 重新谈判并达成新协议，是一个典型案例。计费方式从按小时收费转为按 Token 收费，背后逻辑很清楚：Anthropic 的模型能力强，Token 卖得出量，利润也更丰厚。

亚马逊云上一季度 EBIT 利润率环比提升 200 多个基点，并拉开与微软云、谷歌云的差距，背后就有从 IaaS 向 Token Service 转变的因素。卖服务器小时数，和参与模型输出价值分成，是两种完全不同的商业模式。

同样逻辑放到国内，如果模型价格逐步提升、调用量增长，云厂商和算力持有方也会更容易赚钱。反过来，如果算力资源持有方和一个 Token 价格很低、又卖不出量的模型厂合作，就会承担很高风险。因为 Token 分成模式下，算力方承担绝大多数硬件成本，模型厂前置投入较少，只有卖出 Token 后再进行分成。

九、混合计费会成为过渡形态

在极端情况下，如果某个模型一周没有卖出任何 Token，算力厂商的硬件就白白沉没。因此，国内很多 Token 分成模式并不会完全脱离租赁，而是和算力租赁结合：模型厂先支付一部分硬件租赁费用，剩余部分再按照 Token 分成结算。

这种混合结构更符合产业早期现实。它既保护算力方的底线现金流，又让模型厂在商业化放量时分享弹性。随着国内开源模型能力提升、Token 调用量增长、Token 价格修复，Token 工厂模式才会真正落地。

从训练市场到推理市场，算力需求的性质不同。训练更多是模型厂为了保持领先的战略投入，往往呈现脉冲式资本开支；推理和 Token 输出则跟商业化调用持续增长相关，更接近可连续计费的收入模型。

十、Token 工厂产业链：生产方与分发方

Token 工厂产业链可以分为生产方和分发方。生产方最核心的是大模型公司、云厂商和算力租赁厂商，它们拥有模型能力、算力资源和推理效率。最大的资源工厂仍然是大模型公司，很多模型公司会联合算力租赁厂商成为 Token 生产方。

分发方负责 Token 的聚合、路由和分发，让客户可以更方便地选择不同模型。例如客户一段时间想用智谱，另一段时间想用 Kimi，但不想分别开多个月费或年费会员，聚合分发平台的价值就会出现。OpenRouter 可以从 Token 费用中抽取一定比例佣金，同时保持轻资产运营，不承担主要硬件成本。

国内也会出现类似聚合和分发平台。分发方的价值在于客户触达、API 统一、计费和运维体验；生产方的价值在于模型能力、算力运营效率和 Token 输出效率。

十一、利润更可能向生产方集中

长期看，Token 工厂更大的利润空间会向生产方靠拢。原因很简单：生产方要比拼模型能力、算力资源和推理效率，这些更容易形成壁垒。谁的模型更强，谁的推理成本更低，谁的资源调度更好，谁就能获得更高毛利。

分发方如果只是把不同模型 API 聚合起来，竞争会更激烈，也更容易进入红海。它可以赚流量和路由的钱，但真正高壁垒仍在模型与算力的结合处。

因此，Token 工厂最值得研究的方向仍然是大模型公司、云厂商和算力租赁厂商。大模型公司负责能力，云厂商负责基础设施和客户入口，算力租赁厂商负责硬件资源与运营效率。

十二、毛利率差异来自卡、模型和计费结构

Token 工厂的毛利率和净利率会有很大差异。部分公司声称毛利率可达 50%、净利率超过 40%，也有公司净利率可能只有 10%。这种分化符合产业早期特征。

第一，算力资源不同。B300 仍是性价比较好的卡，H200 等不同卡型的 Token 输出能力、能耗和成本都不同。第二，模型本身定价不同。A 模型贵，B 模型便宜，流向硬件方的利润自然不同。第三，合同结构不同。纯分成、混合租赁、长约、预付款和客户信用质量都会影响最终利润率。

随着 Token 量价同步爆发，行业整体盈利水平仍有提升空间。但在早期，不能简单把某一家公司的高毛利率套到全行业，也不能因为部分项目利润低就否定整个模式。关键在于资源质量、模型质量和商业化能力。

十三、Token 工厂要同时算三层账

第一层是硬件账。卡的采购成本、折旧周期、电力成本、机房成本、运维成本和融资成本，决定了算力方的底线。没有足够利用率和价格，硬件资产就会变成沉重负担。

第二层是模型账。模型能力越强，单位 Token 越有定价权；模型推理效率越高，同样硬件能够输出更多有效 Token。只买卡不懂模型，很难把 Token 工厂做成高利润业务。

第三层是客户账。真正付钱的是客户，而不是参数量本身。编程、内容生成、企业知识库、客服、营销和数据分析等场景，只有带来可衡量的效率提升或收入增量，Token 价格才有持续上行空间。

这三层账必须同时成立。硬件便宜但模型弱，卖不出量；模型强但客户少，利用率不足；客户多但硬件和调度效率低，利润会被成本吃掉。Token 工厂的壁垒，正是在硬件、模型和客户之间做连续优化。

十四、产业映射：三类公司最直接受益

第一类是已经上市或即将上市的大模型公司，例如智谱、MiniMax、阶跃星辰等。它们有机会成为 Token 生产方主力，也可能在资本市场形成新的行业映射。

第二类是云厂商，包括阿里云、腾讯云，也包括优刻得、金山云等中立云厂商。云厂商既有客户入口，也有算力资源和模型合作关系，是 Token 工厂落地的重要承载方。

第三类是手里有硬件资源的算力租赁厂商，包括协创数据、弘信电子、利通电子、行云科技等传统算力公司，也包括尊湃股份、网宿科技这类正在逐步转型的公司。对这些公司来说，从租赁走向 Token 工厂，意味着同样的算力资产可能获得更高商业化弹性。

十五、还需要警惕三类风险

第一是硬件供给恢复后的价格风险。如果高端卡供应明显缓解，散单溢价回落，算力租赁的超额收益会下降，行业会从卖方市场回到更正常的资产回报框架。

第二是模型价格战重启的风险。如果头部模型重新通过低价甚至免费争夺份额，Token 价格修复会被打断，Token 工厂的利润弹性也会被削弱。模型能力提升固然重要，但价格体系能否稳定同样关键。

第三是客户需求兑现风险。很多企业仍在试用 AI，真正愿意为大规模推理持续付费的场景还需要验证。只有调用量、付费率和留存同时改善，Token 工厂才会从概念变成稳定利润池。

这三类风险决定了行业不会线性上行。算力资产的重估需要硬件稀缺、模型能力、价格体系和客户需求共同配合，任意一环变弱，都会改变利润分配和估值弹性。

十六、结论：模型能赚钱，算力资产才会被重新定价

从网宿科技到 Cloudflare，从 CoreWeave、Nebius 到国内算力租赁公司，再到 Token 工厂模式，本质上都指向同一个问题：AI 模型能不能持续产生可收费的经济价值。只要模型调用量增长、Token 价格修复、推理收费成形，算力就不只是硬件租赁，而会变成参与模型商业化分配的资产。

训练需求决定算力租赁的 Beta，推理收费决定 Token 工厂的 Alpha。前者来自模型竞赛和资本开支，后者来自真实应用、真实客户和真实收入。两条线如果同时成立，算力产业的估值体系会从“服务器租赁”升级到“AI 基础设施 + 模型输出分成”。

短期要看中报兑现、高端服务器供给、模型厂融资和海外 NeoCloud 指引；中期要看 Token 价格、调用量、推理毛利率和云厂商计费模式变化。真正的拐点不是概念出现，而是模型开始赚钱，算力资产开始分享模型赚钱。