腾讯云李强：卖Token不是好生意，与阿里ATH的战略分野

Wed, 15 Apr 2026 02:00:00 +0800

引子

2026年4月，中国AI产业出现了一个耐人寻味的分化。

一边是阿里巴巴成立 Alibaba Token Hub（ATH）事业群，CEO吴泳铭亲自挂帅，把Token上升为与电商、云智能并列的集团级战略。另一边是腾讯云副总裁李强公开表态：“无论现在Token涨价有多快，卖Token都不是一门好生意。”

同一个市场，两套完全相反的顶层设计。这到底是理念冲突，还是各取所需的理性分野？

先把结论放前面：这不是谁对谁错的问题，而是两家公司基于不同基因、不同竞争位置，选择了不同的利润池。

一、李强到底在说什么？

李强的核心论断，用了一个非常精准的比喻：

Token = 油耗，大模型 = 引擎。

他的逻辑链条是这样的：

单纯卖Token没有黏性——客户今天用你，明天友商降价就跑了，替代成本极低。
过度补贴只会培养羊毛党——一旦停止补贴，客户流失率极高。
真正的壁垒在"引擎"和"整车"——也就是大模型本身的智能水平，以及应用层的闭环能力。

换句话说，李强并不是在否定Token的价值，而是否定卖Token作为一种独立商业模式的可持续性。这个判断，与NVIDIA黄仁勋把Token定义为"新的大宗商品"，本质上并不矛盾——黄仁勋是从需求侧描述趋势，李强是从供给侧警告同质化风险。

二、阿里为什么要全力推进ATH？

理解阿里的选择，必须先理解阿里的处境。

维度	阿里的现实	战略动机
云的市场地位	阿里云是中国第一大公有云，但华为云、腾讯云紧追不舍	必须用"AI基础设施"（算力+Token）巩固B端客户黏性
模型生态	通义千问（Qwen）开源生态不错，但C端声量不如元宝/豆包	把Token作为企业入口，绑定客户使用阿里云的推理服务
商业基因	交易平台+基础设施平台	习惯先控货（Token），再在平台上做交易（应用/服务）
竞争焦虑	DeepSeek已经把Token价格打到地板价	必须规模化生产Token，用规模效应压低成本

阿里做ATH的本质，是把Token当成水电煤来卖。水电煤本身利润率不高，但只要你控制了管道和分发网络（阿里云 + 百炼平台），就能锁定大量B端和中小企业的AI入口。

三、两种战略的底层差异

	腾讯（李强路线）	阿里（ATH路线）
核心判断	Token是"油耗"，低黏性、高替代成本	Token是"新的大宗商品"，要用规模锁定入口
竞争优势	微信生态、游戏/社交场景、C端触达	阿里云、电商数据、B端企业服务能力
打法	做"整车厂"：混元+QClaw+WorkBuddy+Lighthouse	做"加油站+炼油厂"：通义+ATH+阿里云
风险偏好	厌恶低毛利、转手贸易型收入	愿意在基础设施上长期投入，换取入口控制权

这个对比揭示了一个关键事实：两家公司对"护城河在哪里"的答案是不同的。

腾讯认为护城河在应用层和用户黏性；阿里认为护城河在规模化的基础设施和平台控制力。

四、谁更对？

短期来看，两条路都能走通，但各自的风险点非常清晰。

阿里的风险：同质化陷阱

如果Token真的沦为完全同质化的大宗商品（就像李强警告的"油耗"），ATH可能陷入价格战泥潭。DeepSeek已经把百万Token价格打到地板价，阿里必须证明ATH不只是"更便宜的API入口"，而是能带来额外价值的智能体操作系统。

腾讯的风险：知行差距

李强的"引擎"论很对，但混元大模型目前的市场声量和性能表现，与GPT、Claude、甚至DeepSeek相比，还有明显差距。“引擎"做得不够好，整车再漂亮也跑不过别人。姚顺雨（前OpenAI研究员）加入腾讯主导混元开发，说明腾讯自己也意识到了这个短板，正在补课。

长期终局

纯卖Token的利润率会被持续压缩。 这一点，李强和黄仁勋的判断其实是一致的。

区别在于：

阿里选择在利润被压缩之前，先用规模和控制力占领市场。
腾讯选择直接跳过红海，做高毛利的应用和模型差异化。

最理想的战略，当然是两者的结合：强大的模型引擎 + 规模化的Token基础设施 + 不可替代的应用场景。 但现实中，很少有公司能同时把三件事都做到极致。

Token经济学：AI时代的"千瓦时"正在重塑产业链

Fri, 10 Apr 2026 00:00:00 +0000

中国日均Token调用量突破140万亿，两年增长1400倍。Token单价降了99.9%，但全球AI总支出反涨3倍。从黄仁勋的"五层蛋糕"到智能体自主消费，一文读懂AI产业的算账单位正在发生什么。

英伟达Groq 3 LPU：当Token经济学向低延迟倾斜

Mon, 30 Mar 2026 09:00:00 +0800

原文来源：未尽研究
本文基于未尽研究文章整理，分析英伟达Groq 3 LPU对token经济学的重塑及中国开源生态面临的挑战

一、Token经济学的价值曲线

推理的token经济学，是一条**吞吐量（Throughput）与交互性（Interactivity）**之间展开的价值曲线。

在GTC 2026上，黄仁勋拿起最新的Groq 3 LPU，把低延迟从性能指标，转化为能够直接重塑单位token价值的变量。在他的演示中：

指标	传统方案	Groq 3 LPU
交互速度	~50 TPS	800+ TPS
单位token价值	几美元	150美元

英伟达当代算力平台GB NVL72，是模型经济性测评InferenceX的"推理之王"，但仍然止步于400 TPS。

二、Groq 3 LPU：英伟达的"第七块芯片"

收购背景

去年年底，英伟达向Groq支付200亿美元，获得其推理技术非排他性许可。Groq创始人兼CEO乔纳森·罗斯（Jonathan Ross）、总裁Sunny Madra及多名核心工程师加入英伟达。

3个月后，英伟达的Rubin平台迎来了第7款芯片——Groq 3 LPU（语言处理单元），已进入批量生产阶段，由三星代工。

技术特点

参数	Groq 3 LPU	Rubin GPU	对比
算力性能	Rubin的1/25	基准	算力有限
SRAM缓存	500 MB	-	超大片上缓存
带宽	150 TB/秒	22 TB/秒	6.8倍
定位	低延迟、长上下文	通用计算	场景专用

基于Groq 3 LPU，英伟达打造了Groq 3 LPX机架，拥有256个LPU芯片，专为低延迟、长上下文的智能体系统设计，将于今年下半年推出。

Agent已疯，中国版Token经济学如何持续？

Sat, 28 Mar 2026 12:30:00 +0800

中关村论坛圆桌对话精华：杨植麟、张鹏、罗福莉、夏立雪、黄超五位大咖探讨Agent时代的基础设施、模型演进与Token经济学。

Token经济学 on Tars的技术观察