Token：锚定价值单元，推理需求提升带动市场空间增长。Token（词元）作为大模型处理信息的最小单元，其核心价值在于实现了智能服务的可计量、可定价、可交易。Token消耗贯穿训练与推理两端：训练阶段Token消耗主要用于确立模型能力上限，属于资本性投入；而推理阶段则是商业变现的主战场，其中输出Token的定价通常显著高于输入Token，因其涉及复杂的前向推理运算与模型溢价。当前主流的计费模式已呈现多元化趋势，从面向C端的订阅制、B端的按量计费，逐步将进化到针对智能体的按任务流或按结果付费的新型模式，AI产业正从单纯的算力消耗向深度的价值创造转型。

本土国产算力底座生态系统逐步完善，推理主导结构转型迎市场新空间。我国在Token供给端已构建起极具韧性的本土化生态体系，形成了从国产算力底座到模型厂商再到云网分发的完整闭环。这一供给体系的核心驱动力正在发生结构性转变，即从以模型训练为主导的资本密集型模式，转向以应用推理为主导的流量密集型模式。随着多模态交互与智能体技术的普及，推理侧对算力的实时性、并发能力及长上下文处理提出了更高要求。国产算力芯片凭借对本土应用场景的深度适配，在内存带宽利用与实际推理吞吐效率上展现出较高的性价比优势，或将逐步支撑起国内日益增长的AI应用需求。

AI资本开支投入逐步加码，基础设施效能优化驱动供给产业升级提估值。Token供给能力的扩张逻辑本质上是资本开支在算力基础设施上的分配效率与技术迭代速度的博弈。供给端的增长不再单纯依赖硬件采购规模的线性外推，而是随着底层硬件在单位能耗下生成Token的效率提升，高效率推理集群需求持续增长。当前，云厂商与运营商的资本开支正从通用基础设施向AI算力设施迁移。这种迁移的驱动力并非简单的算力囤积，而是为了构建能够支撑高并发、低延迟推理服务的技术护城河。因此，Token供给的增长潜力更多地取决于算力利用率的提升与推理效率的优化，而非单纯的硬件堆叠。

国际形势不确定性的风险，算力行业竞争加剧的风险，AI应用发展不及预期的风险等。