新Token经济学：从所有权到使用权的深刻变革

来源：公号Akashabot

从所有权到使用权：黄仁勋的公式如何重构整个AI产业

他穿着皮夹克走上台。

身后的屏幕上，是一个公式。

Revenue = Tokens per Watt × Available Gigawatts。

台下掌声。

我盯着等号两边，感到某种东西在移动

不是芯片，不是产品，不是市场。

是坐标系本身。

一个新文明，刚刚选择了它的计量单位。

开场：三个时代的交易

三十年前，Bill Gates卖给你一张光盘。

你把它带回家，放在书架上。永远是你的——如果微软明天倒闭，你的Windows照样能跑。所有权意味着主权。资产在你手里，别人拿不走。

十五年前，Marc Benioff告诉你另一件事。不需要拥有，他说。按月付就好。软件在云端，用的时候访问，不用的时候关掉。更简单，更灵活，前期投入更低。

Benioff没有说出口的是：你永远不会付完。仪表一直在转。所有权被一份伪装成便利的永久负债取代了。你用资产换了一个每月扣款的账单。

上周，黄仁勋说了另外一件事。

他没有卖给你软件。没有提供订阅。他站在圣何塞的舞台上，展示了一个公式：

Revenue = Tokens per Watt × Available Gigawatts

没有产品。没有License。没有席位数量。

只有一个生产方程。

效率乘以物理容量。产出是Token——AI计算的原子，机器生成智能的最小单位，推理被计量、被定价、被工业化生产的基本颗粒。

注意等号右边缺少了什么。

所有权。这个公式里没有"拥有"这个词。没有资产。没有积累。只有生产、消耗、流动。

这就是转变。不是从软件到AI，不是从本地部署到云端。是更深处的转变：从一个建立在"拥有"之上的经济，到一个建立在"使用"之上的经济。

二十世纪建立在所有权之上。Token经济终结了它。

而这会改变一切以旧单位定价的东西——目前几乎是所有东西。

第一部分：所有权经济学的死亡

一、三根支柱，逐一坍塌

所有权经济学建立在三个前提之上，每一个都如此自然，如此久远，以至于我们早就停止注意到它们是前提了。

第一根支柱：你拥有你的工具。

软件是资本资产。你买一个License，按三年折旧，拥有它所代表的生产能力。企业软件是护城河——不只是因为迁移成本，而是因为所有权本身就是一种永久性声明。"我们有SAP"意味着某种东西：投入、承诺、比任何一个员工活得都长的基础设施。

在Token经济里，这根支柱不是弯曲，是折断。

你不买一个AI Agent。你调用它。你消耗Token来启动它的推理，完成任务，接收输出。任务结束，关系结束。你的资产负债表上没有任何资产，只有一条消耗记录。上个季度为你完成了一万个任务的Agent，在会计意义上与你从未使用过的Agent完全相同。你停止付费的那一刻，能力消失。不是因为合同到期——是因为没有什么东西是你的。

工具不属于你。从来不属于。你按Token租用了一种能力，用完即散。

第二根支柱：你拥有你的数据。

"数据是新石油"是2010年代的定义性隐喻。公司花费数十亿积累专有数据集，训练自己的模型，建造竞争对手需要数年才能复制的数据护城河。逻辑无懈可击：积累原材料，你就控制生产。

但推理时代改变了存量数据的价值方程，以一种几乎没有人在清晰讨论的方式。

训练时代，历史数据就是一切。数据集的数量和质量决定了模型能力的上限。拥有数据是拥有智能的直接代理。

推理时代——黄仁勋宣布已经决定性到来的时代——价值计算发生了转移。对新鲜上下文的实时推理，往往优于对陈旧历史数据的模式匹配。一个能够实时搜索、综合、推理的Agent，常常胜过在去年专有数据库上训练的模型。积累优势在侵蚀。推理效率优势在主导。

这不意味着数据变得一文不值。它意味着"拥有"数据与"拥有"智能之间的关系，不再是线性的。你可以有千万亿字节的专有数据，仍然输给一个Token/Watt效率更高、推理栈更精准的竞争对手。

护城河不是数据。护城河是数据积累不可逆的假设。那个假设，现在正在被质疑。

第三根支柱：你拥有你的模型。

在某几年里，训练一个前沿模型是所有权经济学应用于AI的终极表达。花数亿美元，组建世界级研究团队，收集专有数据，在数千GPU上跑训练——最终，你拥有一个别人没有的东西。一个资产。一件竞争武器。你的。

这根支柱的坍塌方式，比其他两根更微妙，也是大多数分析师不够精准的地方。

论断不是模型不重要。前沿模型——Claude、GPT-4、Gemini Ultra、顶级推理系统——仍然代表着真实的能力差异，仍然能支撑真实的定价权。当你需要一个能在20万Token上下文中推理、在多小时Agent工作流中保持逻辑连贯、生成高级分析师愿意署名的输出的系统时，前沿模型不是商品。你付溢价，因为失败的代价太高，而前沿模型失败更少。

论断更具体：

中间层模型，正在死亡。

不是前沿模型。不是开源小模型。是中间层。

有足够能力感觉像一个真正产品、但没有足够能力支撑前沿定价的模型。运行成本太高，无法做大量商品推理；能力太弱，无法签前沿合同。被两端同时压缩。

使用权时代，够用不能创造Tokens/Watt优势。它只能制造一场从两个方向同时来袭的定价挤压。

模型能力已经从护城河变成了入场券。中间层交了入场费，发现场馆里没有他们的座位。

二、公式真正在说什么

回到黄仁勋的方程，因为它值得比媒体给予它的更仔细的阅读。

Revenue = Tokens per Watt × Available Gigawatts

财经媒体把它读作需求预测，没有错——这是Nvidia的论点：随着全球电力容量扩张，AI工厂建成，收入与Token生产效率成比例增长。更多吉瓦，更多Token，更多收入。干净的工业逻辑。

但这个公式包含了一个几乎未被检视的哲学声明。

黄仁勋选择以Token计量产出。不是模型调用次数，不是API请求数，不是"AI交互"——是Token，生成智能的原子单位。他选择以瓦特计量效率。不是每次查询的成本，不是延迟——是瓦特，消耗的原始能量。

隐含的主张：智能是一种制造业商品。它的生产方式，与电力的生产方式相同，与钢铁的生产方式相同。原料（能量）进入，产出（Token）出来。两者之间的比值——Tokens per Watt——是竞争优势的根本衡量。

这是软件时代信念的死亡证明：智能主要是一个信息问题。它不是。它是一个制造业问题。问题不是"谁有最好的算法？"问题是"谁能以最少的焦耳生产最多的推理？"

但这个公式没有说的——这个遗漏很重要——是：谁的意图在被服务？

Token被生产。Token被消耗。收入被创造。方程平衡了。但它在任何一个地方都没有问：用户真正想要什么？Token消耗背后的意图是否清晰？输出是否值得那些电力？推理链那一端的人，是否得到了他们来寻找的东西？

这个公式以非凡的精度描述了智能经济的供给侧。它完全没有描述需求侧。

这是空隙。而空隙，是这篇文章真正的论点所在。

我们将回到这里。

第二部分：使用权经济学的新规则

三、三条取代旧逻辑的规则

使用权经济学不只是一种新的定价模型。它是一套不同的竞争规则——偏向于所有权经济学不同的能力、不同的护城河、不同的组织结构。

规则一：为流量付费，而非为所有权付费。

在所有权经济学中，买卖双方的关系根本上是关于转让的。钱流向一个方向，资产流向另一个方向。交易完成，关系原则上就结束了。你拥有那个东西。卖家得到了报酬。结束。

在使用权经济学中，关系永远不结束。每个消耗的Token都是一次交易。仪表持续运转。你用得越多，付得越多——你提取的价值越多，提供者捕获的价值越多。这不是买卖，是永续交换。

这对公司构建自身的方式有深刻影响。SaaS时代，企业软件公司是"转让机器"——把License从自己的库存移到客户的资产负债表上。Token时代，它们变成"流量机器"——需要维持和扩大Token消耗的速率。收入不是客户数量的函数，是这些客户消耗多少Token的函数。

增长，在这个模型里，不像签新合同。它像加深现有账户的使用深度。问题从"我们如何拿下这单？"变成"我们如何增加流量？"

规则二：效率是新护城河。

所有权时代，最可防御的竞争地位建立在积累上：积累数据，积累客户关系，积累迁移成本。待得越久，离开越难。网络效应强化所有权优势。富者愈富，因为他们有更多东西。

使用权经济学中，最可防御的竞争地位是效率：以更低的延迟、更高的可靠性，每瓦特生产更多Token的能力。这是Nvidia整个赌注的全部。能以最少焦耳生产最多智能的公司，将能以最高利润率提供最低价格——或者视市场细分，以具有竞争力的利润率提供最高价格。

Tokens/Watt不是住在数据中心运营电子表格里的工程指标。它是商业模式指标。它决定谁能有利润地服务大量、低利润的Token商品市场，同时也服务小量、高利润的前沿推理市场。它决定当Token价格下降——它必然会下降——时谁被挤出，谁存活下来。

护城河不再是你积累了什么。护城河是你把能量转化为智能的效率。

规则三：调度能力替代积累能力。

或许是最深层的规则变化。所有权经济学里，战略优势积累给能积累最多东西的人——最多数据、最多人才、最多算力、最多客户。积累是游戏本身。

使用权经济学里，战略优势积累给能最有效地调度资源的人。问题不是"你有多少？"而是"你能多智能地部署现有的资源？"

这适用于每个层面。基础设施层面：谁能跨GPU类型、散热系统、网络拓扑调度异构算力，最大化Tokens/Watt？软件层面：谁能调度推理作业，在最小化延迟的同时最大化吞吐量？个人层面：谁能以足够清晰的意图引导AI Agent，从Token预算中提取最大价值？

"调度"这个词值得强调。乐团不拥有音乐。它不制造乐器。它做的——它不可替代地做的——是将作曲家的意图转化为协调的声音。指挥者的价值不在于他们有什么，而在于他们能让什么发生。

这就是新的竞争格局。它选择的，是与旧格局截然不同的能力。

四、竞争轴的根本转换

所有权时代	使用权时代
你拥有什么模型	你能以多低成本生产多少Token
你的数据护城河有多深	你的实时上下文有多新鲜、多相关
你授权了多少席位	你的用户消耗多少Token
你的迁移成本是多少	你的Tokens/Watt效率是多少
谁有最好的算法	谁有最好的调度层
积累资产	优化流量

左列描述了大多数大型科技公司二十年来一直在玩的游戏。他们非常擅长。他们建造了为此优化的组织、激励结构、收购策略和工程文化。

右列描述了几乎没有大型科技公司玩过的游戏。所需的技能不同。指标不同。获胜的组织结构不同。

这就是为什么Token经济是真正颠覆性的——不是因为它让现有产品过时（尽管它会），而是因为它让现有的组织能力过时。在积累上世界级的公司，正在从零开始，带着他们所有积累的优势，而这些优势与新规则微妙地错位了。

这个过渡不是在十年后发生。它正在现在发生。

第三部分：赢家与输家

五、四类赢家

任何体制更迭中，第一个问题都是：谁制定了对自己有利的新规则？

赢家①：能源与散热基础设施

Token经济，在它的物理基础上，是一个能源经济。Token需要电力。更多Token需要更多电力。更好的Token——更低延迟，更高吞吐——不只需要更多电力，还需要更好的电力：更精准输送，更高效冷却，更可靠分配。

像Vertiv这样的公司，为高密度数据中心提供热管理和电力系统，正在经历一种软件时代没有类比的东西：它们是智能生产的关键投入。所有权经济学里，冷却系统是成本中心。Token经济里，它们是生产基础设施。这个区别对估值有意义。

随着AI工厂将机架密度推向150千瓦——相比传统数据中心的10-15千瓦——液冷系统成为不可谈判的条件。不是豪华功能，是运营前提。Vertiv超过150亿美元的积压订单不是销售成就，是Token经济物理基础设施需要多快扩张的量度。

这是整个AI价值链中结构上最安全的位置。Vertiv不在乎哪个AI模型获胜。不在乎哪个云服务商主导。它在乎AI工厂被建造并以越来越高的密度运营。这个趋势至少有十年的跑道。

赢家②：先进芯片制造垄断者

如果Tokens/Watt是Token经济的根本竞争指标，那么控制Tokens/Watt性能物理上限的实体就拥有非凡的结构性权力

这个上限由半导体物理决定——每平方毫米硅能塞入多少晶体管，这些晶体管能以多高效率切换。今天，这个上限由台积电控制，其2纳米制程代表了物理和制造精度允许的当前前沿。

台积电在最先进节点的产能，在字面意义上，就是全球智能经济的生产能力。它不能被快速复制。资本成本以数百亿计。工艺know-how需要几十年积累。供应商关系、设备、洁净室规格——每一项都代表着没有竞争对手能在规模上弥合的复合优势。

黄仁勋到2027年1万亿美元的需求预测，本质上是一个台积电产能约束问题。需求存在。问题是物理供应链能以多快速度扩张来满足它。台积电在这个动态中的位置，不是传统意义上的供应商，而是地球上增长最快的经济活动中最关键投入的自然垄断者。

赢家③：Token调度软件层

坐在物理基础设施和实际工作之间的那一层是调度层：决定推理作业如何排期、算力资源如何分配、延迟与吞吐权衡如何实时管理的软件。

Nvidia的Dynamo——专为AI工厂设计的操作系统——代表其拥有这一层的尝试。逻辑很直接：如果Nvidia不只控制硬件，还控制调度硬件的软件，它就在两个层面同时捕获价值。硬件收入来自芯片。软件收入来自调度层。两者复合：更好的调度软件让Nvidia硬件在Tokens/Watt指标上表现更好，让Nvidia硬件更有吸引力购买。

这与苹果在个人电脑和智能手机上应用的垂直整合逻辑相同。控制金属和软件栈。让"我们的系统"和"其他所有人的系统"之间的差距随每一代复合增大。

能构建有效调度层的公司——无论是Nvidia的Dynamo，还是专业的推理优化公司，还是开发专有调度系统的云服务商——将以纯硬件提供商无法做到的方式控制Token经济的利润结构。调度是智能生产效率转化为商业模式优势的地方。

赢家④：主权AI基础设施建造者

有第四类赢家没有得到它应得的分析关注：主权AI基础设施的建造者。

每个得出结论——无法依赖外国Token生产能力——的国家，都成为整套AI工厂栈的客户：芯片、冷却、网络、调度软件、基础模型，一切。这不是消费者市场。这是政府采购市场，带有政府采购意味的预算规模、政治优先级和时间轴稳定性。

需求是结构性的。它不依赖于季度业绩或消费者行为。它依赖于一旦做出就倾向于跨政治周期维持的地缘政治决策。

Token经济，在这个维度上，不只是一场商业革命。它正在成为一场地缘政治革命。每个想在本土生产Token的政府，都是能够建造和运营国家规模AI工厂的公司的长期客户。

六、四类输家

在体制更迭中，点名输家令人不舒服，但这是必要的分析。不舒服不是回避的理由。

输家①：传统SaaS定价模型

按用户按月订阅的席位模型——无论每个用户实际做了多少——在AI之前的时代很优雅。可预测。容易预算。让供应商激励与客户留存对齐。

在AI时代，它有一个内在矛盾，随着AI能力每次改善而变得更加尖锐。AI Agent越强大，单个用户能以更少的人工动作完成更多事情。随着AI接管更多工作流，"用户数量"和"提取的价值"之间的联系脱钩了。大量使用AI的公司可能从软件平台提取五倍的价值，同时只需要一半的席位，因为AI处理了另一半工作。

对客户来说，这是好事。对按席位定价的SaaS供应商来说，这是生存问题。交付的价值增加，定价机制没有捕获任何增加。

黄仁勋在GTC说："每家SaaS公司都将成为Agent-as-a-Service公司。"这不是预测，是关于生存的观察。搞清楚如何按Token消耗、按结果、按交付价值定价的供应商——而不是按占用的席位——会在过渡中存活。那些因为财务模型依赖于此就继续捍卫席位定价的，将经历一种缓慢的、结构性的收入渗漏，从内部看，像是客户成功问题。

过渡窗口不是无限的。已经转向基于使用量定价的公司有一个复合优势。还在争论是否要做出改变的，正在消耗他们的过渡窗口。

输家②：低Token效率的云服务商