Comscore：2026年 Q1人工智能重塑消费者旅程与商业决策研究报告（英文版）（43页）.pdf

核心结论速览： Token正成为AI时代的新型“数字生产力单位” ：中国日均AI词元调用量已从2024年初的约1000亿飙升至2026年3月的超过140万亿，两年增长超千倍。 算力≠生产力：国内大量智算中心的机柜平均利用率仅徘徊在20%-30%，部分企业级中心甚至低于10%。拥有算力不等于拥有生产力，正成为悬在行业头顶的警报。 Token工厂模式跑通商业闭环：润建股份五象云谷智算中心每小时产出约2000亿Token，客户无需租用机架、无需运维集群，接入API按Token付费——像用水电一样即开即用。这是全国首个实现商业化运营的词元工厂。 Token服务三层架构成为行业共识：底层生产层（算力→Token）、中层中转层（资源整合与分发）、顶层调度层（智能路由与价值最大化）——三层协同才能释放AI产业全部潜力。 算力需求重心正从训练转向推理：东吴证券研究报告指出，企业级智能体完成一次复杂任务往往需要数十万至数百万Token，直接带动Token调用量高速增长。 AI Agent正从技术探索走向规模化商用：2026年，Agentic AI加速从技术探索走向规模化商用。企业竞争的关键已不再是单纯拥有更强的模型，而是如何将AI能力深度融入业务流程。垂直主题的现状与路径——Token经济与AI落地。AI产业正在经历从“GPU数量竞争”向“Token生产效率竞争”的根本转变。需求侧：中国日均AI词元调用量从2024年初的约1000亿飙升至2026年3月的超过140万亿，两年增长超千倍。据全球最大API聚合平台OpenRouter，2026年7月初的一周，中国AI大模型调用量达23.45万亿Token，连续十周位居全球首位。供给侧：国内大量智算中心的机柜平均利用率仅徘徊在20%-30%，部分企业级中心甚至低于10%。一边是算力租赁价格因芯片紧缺居高不下，另一边是昂贵的GPU在机房里空转。这一矛盾的实质是：算力资源虽然充沛，但缺乏有效的组织方式将其转化为生产力。对于企业而言，传统模式下采购固定硬件单元的结果是：高峰期算力不够用、低谷期大量闲置，而模型部署、性能调优、能耗管控等最耗成本的工作并不随租赁合同转移。对中小企业而言，自建算力等于把本该投入研发的资金锁死在固定资产上。Token工厂的出现彻底改变了交易的核心标的——客户不再采购GPU、租用机柜，而是直接购买AI模型处理信息后产出的最终Token结果。就像企业不用自己建发电厂、不用维护输电网络，只需根据实际用电量付费。垂直主题的核心模式——Token工厂与三层架构。Token工厂模式。Token工厂的本质是把算力封装成标准化产品，按Token付费。当前Token服务的市场参与者涵盖云厂商、AI infra平台与运营商。润建股份五象云谷智算中心是Token工厂模式的标杆案例。其核心特征包括：安全：达标Uptime Tier III与CQC A级认证，通过电力、暖通、网络三重容错设计，基础设施整体可靠性高达99.999%。快速：集群算力利用率约57%（行业平均普遍低于30%），首Token响应提升30%以上。好用：整合十余款主流模型，客户接入API即可按Token付费。五象云谷通过220KV专用变电站、SST800V高压直流供电从源头减少输配损耗；散热侧采用微通道间接式液冷配合AI调频动态调节冷量。在运营层，自研能源中枢对市电、储能、液冷全链路实时感知，将GPU集群池化为统一调度的弹性资源池。Token服务三层架构。Token服务三层架构是行业发展的必然形态：底层生产层：AI产能的核心环节，负责将物理算力资源转化为Token产出能力。竞争焦点在集群规模、服务稳定性、能耗控制及模型适配效率。中层中转层：资源枢纽与连接器，整合分散的算力与模型资源，对外提供统一的Token接入通道。目前该环节以资源整合、流量分发为主，技术门槛相对较低，行业内卷现象突出。顶层调度层：AI基础设施的智能核心，技术壁垒最高。依托专业评测能力与智能路由算法实现Token价值最大化。竞争核心在于评测精度、路由调度效率及跨基础设施的适配能力。三层架构各司其职、环环相扣，理想的产业形态需要三层协同发力。服务商生态的“断层”与机会。断层一：算力利用率与Token需求之间的鸿沟。国内智算中心平均利用率仅20%-30%，部分低于10%。与此同时，Token需求两年增长超千倍。这一断层意味着：大量算力资源未被有效利用，而企业对Token的需求仍在爆发式增长。机会在于算力池化与精细化运营——通过技术手段将闲置算力转化为可调用的Token产能。断层二：从“租GPU”到“买Token”的商业模式转型。传统算力租赁模式下，用户采购固定硬件单元。Token工厂模式下，客户直接购买Token结果。这一转型的核心机会在于构建“电-算-网-调度-模型”五层拧成一条生产线的系统能力。谁能率先稳定地跑通电力转化算力、算力生成Token的完整链路，谁就拿到了下一个AI时代的入场券。断层三：企业AI落地的“最后一公里”。70%的企业AI项目折戟。大模型应用服务平台正成为连接基础大模型与企业业务场景的关键中间层。机会在于提供从模型到业务的端到端工程化能力，帮助企业跨越从POC到生产环境的鸿沟。标杆案例深度解析。案例一：润建股份五象云谷智算中心——Token工厂的先行者。企业：润建股份（A股上市公司）。背景：横跨通信网×能源网×算力网的基础设施企业。技术方案：从电力一端打通，将电、算、网收进同一套体系。关键投入：220KV专用变电站、SST800V高压直流供电、微通道间接式液冷、自研RunDo能源中枢与润道星算平台。产出：每小时产出约2000亿Token，集群算力利用率约57%（行业平均<30%），首Token响应提升30%以上。商业模式：客户无需租用机架、无需运维集群，接入API按Token付费。启示：AI基础设施的竞争正在从“谁堆的卡多”转向“谁能把算力最稳、最省、最持续地变成生产力”。案例二：PPIO——独立Token工厂的领跑者。企业：PPIO（派想未来集团）。背景：国内头部独立AI云计算服务商。技术方案：直接向用户提供标准化的模型API服务，覆盖多模态主流开源模型。成效：日均Token消耗量从2025年12月的2710亿飙升至2026年4月的1.03万亿，4个月增长近4倍；AI云计算收入从2024年的1038.7万元跃升至2025年的1.192亿元，同比增长超10倍。商业模式：按使用量收费，与客户实际业务规模精准匹配，避免算力闲置。启示：独立第三方服务商保持平台中立定位，支持多厂商、多架构的开源模型统一接入与灵活切换。案例三：清程极智AI Ping平台——顶层调度层的探索。企业：清程极智。背景：针对Token服务模型选型难、服务调度难、运维难等痛点。技术方案：一站式Token服务平台，精准布局顶层调度层，以全域信息汇总、科学评测、智能路由串联整个Token服务链路。特色：联合清华大学发布开源模型Token服务性能评测排行榜。启示：顶层调度层是串联整个产业的核心枢纽，不止是评测工具与调用入口。垂直主题的创业/行动指南。第一步：评估AI落地的场景适配性。不是所有业务问题都适合用大模型解决。好的落地场景具备三个特征：任务输入输出清晰、成功标准可量化、现有数据质量可控。第二步：选择合适的Token获取模式。| 模式 | 适用场景 | 优势 | 挑战 ||||||| 自建算力 | 超大规模、对数据安全要求极高 | 完全可控 | 投入大、周期长、利用率低 || 算力租赁 | 中等规模、有一定技术团队 | 灵活性较高 | 隐性成本高、绑定风险 || Token按量付费 | 中小规模、快速启动 | 零固定资产、按需使用 | 依赖服务商 |第三步：建立Token治理体系。企业需要建立可管理、可度量、可优化的AI使用体系。核心能力包括：统一接入、统一统计、统一审计与统一治理。第四步：从POC到生产环境。2026年，企业竞争的关键已不再是单纯拥有更强的模型，而是如何将AI能力深度融入业务流程。建议从单一场景切入，验证ROI后再逐步扩展。延伸阅读。以上为报告核心趋势分析，如需获取完整报告详细数据及全部案例，请访问下载页下载完整PDF报告。FAQ。Q1：什么是Token？为什么它很重要？Token是AI模型处理信息的基本单元，正成为AI时代的新型“数字生产力单位”。中国日均Token调用量已从2024年初的约1000亿飙升至2026年3月的超过140万亿。Q2：Token工厂模式解决了什么问题？传统模式下企业采购固定硬件单元，导致利用率低、成本高。Token工厂让客户直接购买Token结果，按需取用、按量计费，无需自建算力。Q3：Token服务三层架构是什么？底层生产层将算力转化为Token产能；中层中转层整合分散资源提供统一接入；顶层调度层通过智能路由实现Token价值最大化。Q4：企业如何开始AI落地？建议从场景评估开始——选择输入输出清晰、成功标准可量化、数据质量可控的业务场景。然后选择合适的Token获取模式，逐步从POC扩展到生产环境。Q5：中小企业如何低门槛使用AI？中小企业无需自建算力，可通过Token按量付费模式接入，将资本投入转化为运营成本。Token工厂模式让企业像用水电一样使用AI能力。数据来源说明。本报告数据来源于Comscore专有面板数据及公开行业数据。Comscore是全球领先的消费者行为测量与分析机构。