從“賣鏟子”到“開工廠”，英偉達躍向“詞元時代”

當詞元成為統一計量單位，誰能以更低成本生產更多詞元，誰就掌握新的定價權。

文｜胡嘉琦

ID | BMR2004

在2026年的英偉達年度開發者大會（GTC）上，CEO黃仁勛拋出一個判斷：AI競爭的本質是詞元（Token）生產效率的競爭。在GTC大會上，英偉達將詞元定義為現代AI的基本單位，是支撐科學探索、虛擬世界以及物理世界機器運行的基石。

如今，這家靠GPU稱霸AI時代的芯片巨頭，正在將戰場從“訓練”轉向“推理”，從“堆算力”轉向“降成本”。

盡管GPU依然稀缺、依然重要，但“擁有算力”本身，正在讓位于“如何使用算力”。綜合科技媒體TechRadar發布的報告數據，當前部分企業場景算力利用率甚至不足10%，這意味著，AI產業的價值正在從“賣算力”向“用算力”轉移。AWS、Microsoft Azure等云廠商，已開始從調度和計費方式入手爭奪定價權。

這迫使英偉達調整戰略，黃仁勛公開表示，英偉達不再只是賣GPU，而是構建“AI工廠”。《商學院》記者從英偉達方面獲悉，英偉達正通過全棧架構，將數據中心重新定義為詞元生產系統，使詞元從技術單位逐漸變為產業計價單位。

01

詞元經濟時代來臨

行業開始用“每美元詞元產出”和“每瓦詞元產出”來衡量能力，詞元不再只是模型內部變量，更成為AI經濟中的基礎單位。

衡量AI公司的標尺正在發生根本變化：計算的基本單位開始從GPU轉向詞元。

英偉達加速計算產品總監Dave Salvator認為，系統效率則取決于詞元處理速度與單位成本。

《商學院》記者從英偉達方面獲悉，其加速計算團隊長期跟蹤超大規模計算與AI數據中心演進，并判斷AI正在進入以詞元為核心計量單位的新階段。在這一體系中，詞元不再只是模型內部的中間變量，正在成為AI經濟的基礎單位。

中國社會科學院研究生院特聘導師柏文喜認為，詞元經濟下，商業天花板在“量”上被放大，但在“利潤率”上開始承壓。詞元經濟將算力的計量方式，從“賣硬件”轉向“賣結果”，直接擴展了市場規模。當詞元消耗從萬億級走向百萬億級，需求呈指數級增長。

這對英偉達而言，是典型的雙刃劍：一方面，增量空間被顯著打開，推理算力的需求規模正在向訓練算力的百倍量級演進，疊加智能體帶來的毫秒級高并發與長鏈路任務，底層算力基礎設施必須重構，這為整個行業創造了新的增長曲線。

另一方面，利潤結構正在被壓縮。當前行業算力利用率普遍在30%—60%，大量GPU處于低效或閑置狀態。當客戶開始按詞元付費，本質上只為“有效產出”買單，利用率壓力將向上游傳導。對英偉達來說，這意味著商業邏輯必須轉變，不再是盡可能多地賣出GPU，而是讓每一張卡產生更多詞元。這也正是黃仁勛推動“AI工廠”的底層邏輯，把算力從靜態資產變成持續運轉的生產系統。

這一拐點的本質，是GPU廠商定價權的遷移，從過去依賴供給稀缺形成的“稀缺性溢價”，轉向由系統效率決定的“效率溢價”。當詞元成為統一計量單位，誰能以更低成本生產更多詞元，誰就掌握新的定價權。

如今，行業開始用“每美元詞元產出”和“每瓦詞元產出”來衡量能力，詞元不再只是模型內部變量，更成為AI經濟中的基礎單位。其直接結果是，競爭焦點從模型能力轉向詞元成本，在相同硬件條件下，不同系統的詞元效率差異，足以拉開數量級的商業回報差距，AI產業由此進入“詞元經濟”階段。

02

從賣算力到賣效率：英偉達的新命題

英偉達做的所有動作，本質上都是在嵌入生產過程本身，讓自己不只是賣GPU，而是參與定義詞元如何被生產出來。

英偉達并不直接賣詞元，但它通過控制生成路徑來參與定義詞元。在“AI工廠”框架下，英偉達正祭出一套“組合拳”：

Dynamo這類開源推理系統，解決“詞元怎么更高效地產生”。

很多能力也在被軟件化并開源，英偉達TensorRT-LLM接入各種框架，優化緩存和數據流動，本質都是在壓低單位詞元的浪費。

英偉達還在用一款面向“AI工廠”的邏輯仿真平臺DSX Air做仿真，在硬件進數據中心之前就先跑一遍系統，對計算、網絡、存儲、編排與安全進行全棧模擬與驗證，把可能的瓶頸提前暴露出來。這讓優化不再發生在上線之后，而是提前在設計階段完成。

由此，“AI工廠”的構建邏輯，從“上線后調優”，變為“建設前定型”。

據英偉達方面披露，這一機制帶來三項直接變化：部署周期從數月縮短至數天；首個詞元生成時間從數周壓縮至數天甚至數小時；系統集成與故障排查被前移至仿真階段完成。

匯生國際資本總裁黃立沖認為，如今，硬件已經從“賣卡”進入“被結果檢驗”的階段。英偉達、云廠商、模型公司、Agent OS、算力優化平臺都在同一條鏈上，但每一層利潤點不同。AI產業不是單中心替代，而是多層護城河重估。英偉達做的所有動作，不管是開源軟件還是系統化設計，本質上都是在嵌入生產過程本身，讓自己不只是賣GPU，而是參與定義詞元如何被生產出來。

英偉達2026財年第四季度收入達到681億美元，同比增長約73%；數據中心收入623億美元，同比增長約75%，仍然保持高速增長，需求主要來自Agentic AI和AI Factory（“AI工廠”）帶來的持續計算負載。

但長期來看，黃立沖認為，一旦客戶開始按詞元、按任務、按結果來衡量成本，GPU就不再是“越多越好”的線性擴張，而要進入單位經濟的比較框架。客戶會直接問三個問題：同樣100萬詞元，誰的成本更低；同樣一個客服或投研Agent，誰的延遲更低、成功率更高；以及整個系統的賬單是否足夠透明。競爭從“供給多少算力”，轉向“單位算力的經濟效率”。

黃立沖表示，第一，采購語言的變化。企業是否從“買多少卡”轉向“買多少詞元產能、多少任務吞吐”。一旦發生這種變化，說明算力已經被產品化為服務能力，而不是硬件規模。第二，計量體系的變化。收入與成本指標是否從FLOPS轉向cost per token、tokens per watt、tokens per dollar。第三，系統優化的外溢效應。包括軟件調度、緩存機制、路由策略、小模型分流以及專用芯片設計，是否持續把同樣任務的GPU消耗壓低。如果單位任務越來越“省卡”，說明價值正在從硬件規模轉向系統效率。

因此，黃立沖認為，英偉達的天花板并不是單向變化的，英偉達在AI總需求爆發階段被放大，但在詞元經濟成為主導之后，又被重新拉回到單位效率約束之中。如果它只是一個GPU廠商，天花板會被壓縮；但如果它把GPU、網絡、軟件、機柜與推理優化整合為“AI工廠”，那么它面對的就不再是芯片市場，而是整個AI生產系統的規模。

黃立沖說：“詞元經濟不是在削弱GPU，而是在淘汰低效GPU。最終決定定價權的，不是誰擁有更多算力，而是誰能讓詞元更便宜、更穩定、更可控。這個邏輯與AI經營系統是一致的：資本市場不會一直獎勵我有AI項目，而會獎勵可規模復制、可審計歸因、可治理回滾的經營系統能力。”

03

英偉達的護城河

“AI工廠”戰略本質上是將競爭維度從單一芯片性能上移至系統效率層面。

詞元經濟并沒有消解英偉達的護城河，但改變了其形態。過去，護城河建立在GPU性能與供給稀缺之上；而現在，則轉向系統整合能力與成本控制能力。

英偉達并不直接銷售詞元，也不參與API定價，但通過GPU架構、NVLink互聯、整機系統以及CUDA生態（英偉達的一套讓開發者高效調用硬件算力的通用語言與工具包），深度影響詞元的生成路徑與成本函數。

因此，CUDA不只是工具，而是貫穿訓練到推理的一整套體系，又通過GeForce連接開發者，再通過CUDA-X進入汽車、金融、醫療、工業等行業。英偉達做的事情其實很簡單：盡量讓不同產業運行在同一套計算框架里。黃仁勛在 GTC 2026 上提到一個例子：Fireworks AI 和 Lynn 兩家公司在沒有更換任何硬件的情況下，僅通過英偉達更新軟件棧和推理算法，就把詞元生成速度從每秒約 700 個提升到接近 5000 個。這說明，不增加硬件投入，僅靠調度和推理優化，也能把“產出效率”明顯抬上去。

這種提升并不只來自芯片本身，更依賴軟件體系的持續打磨。《商學院》記者從英偉達獲悉，CUDA 平臺目前已有約 600 萬開發者。人越多，生態越豐富；生態一旦形成，后來者切換的難度也就跟著上來了。

這種“難”，不只是換個工具那么簡單。主流框架對 CUDA 綁定很深，切換平臺往往要重寫代碼，同時，開發、調試、優化的一整套流程也要跟著重來。更重要的是，工程師多年積累的調優經驗，很難直接遷移。再加上圍繞CUDA沉淀下來的開源項目和社區支持，一旦離開，效率和資源會大量流失。

在GitHub 上，與CUDA相關的項目已達數萬，英偉達的工具鏈也逐漸成為AI研究中的通用選擇。相比硬件，這套由開發者、工具和項目構成與成本函數的體系更難被替代。時間積累下來的使用習慣和安裝基礎，才是CUDA真正的護城河。

奧優國際董事長張玥更關注詞元經濟帶來的商業變化。她提到一個很直接的轉折：客戶不再只是買GPU，而是開始直接買結果。算力從資產，變成服務，而且是持續消耗的那種。AI應用越多，這種消耗就越明顯。在這個過程中，英偉達一邊用CUDA穩住生態，一邊用DGX往上走，慢慢把“賣芯片”變成“交付整套能力”。

知名財經作家、眺遠影響力研究院院長高承遠認為：客戶一旦把算力、數據和開發環境都放進來，就很難再遷出去，收入形態也隨之改變，更接近持續收費而不是一次性交易。價格怎么定，也不再完全跟著硬件周期走，而是看資源和效率情況。

護城河的變化也在這里得以體現。CUDA、TensorRT這些軟件和GPU深度綁定，性能不再是單點突破，而是整套系統一起發揮作用，這讓替代變得更難。與此同時，另一層競爭開始出現，比如調度能力、異構算力利用率、Agent的組織方式。人工智能基礎設施及智算云提供商九章云極則選擇把GPU用得更“滿”，直接沖擊按卡計費的模式。不過短期看，這類變化更多還是影響云廠商和邊際需求，還沒有真正動到最底層。

柏文喜認為，英偉達正從“賣GPU”走向“賣系統”，這既是其既有優勢的延續，也是對產業競爭格局變化的主動重構。“AI工廠”戰略本質上是將競爭維度從單一芯片性能上移至系統效率層面，即把AI基礎設施從“存儲與處理數據”的數據中心，重塑為“生產智能”的工廠，其核心指標也由硬件性能轉向單位能耗對應的產出能力。

如今，行業開始出現分層。英偉達在高端訓練上的優勢仍然穩，但在推理和規模化應用這一側，云廠商的話語權在變強。價格也不再由單一一方決定，而是分散在不同環節。

在這樣的背景下，“AI工廠”成為黃仁勛重新定義數據中心的關鍵，它更像一個生產系統，而不是設備集合。DGX這類產品，本質上是把硬件、軟件和運行環境一起交付，客戶買到的，不再是一塊GPU，而是一種持續產出能力。走到這一步，英偉達的位置也發生了變化，更接近基礎設施本身，而不只是芯片供應商。