最近，A股股民們突然發現，財報增長幾乎停滯的中國電信（601728.SH），在5月剛剛過半時，股價竟然一度走出接近20%的歷史級半月漲幅。

人們為其突然爆發尋找原因時發現，圍繞電信行業十幾年以來的敘事邏輯，正在因AI時代的到來而發生徹頭徹尾的改變。

2026年，中國人工智慧行業正以過去網際網路時代從未有過的速度，從“免費模式”快速向“收費模式”過渡。

例如，國民級大語言模型“豆包”於今年5月初推出了付費訂閱服務，標誌著國內大模型“全免費”格局首次鬆動。

無獨有偶，包括中國電信在內的國內三大營運商，也分別推出了面向個人、家庭和開發者、企業客戶的試商用Token套餐，為AI算力進入“話費帳單時代”寫下了註腳。

此情此景，似乎印證了輝達CEO黃仁勳在今年年初關於AI貨幣化的預言。

3月，黃仁勳在開發者大會上公開提出了“Token是新的貨幣”的理念；不久後，在摩根士丹利TMT論壇上，他又嘗試給出了“算力即Token，Token即智能，智能即產值（output）”的中觀經濟框架。

弦外之音則是，黃仁勳認為，所有AI經濟參與者，都必須錨定AI作為未來的生產方式，並在其中尋找自己的經濟定位。

Token經濟學其實不是一個新詞。早在區塊鏈時代，Tokenomics（代幣經濟學）一詞就被用於描述某一種虛擬代幣在發行、分配、激勵規則下的微觀經濟形態。

然而，屬於人工智慧的“Tokenomics”，至少從目前的發展階段來看，其產業分工尚未完全明確。混沌之中，所有AI產業相關方仍在摸索它的規則與邊界。

與此同時，在百舸爭流的時代洪流下，所有的玩家又顯得極其焦慮。

當黃仁勳將未來的資料中心定義為“Token工廠”時，他想描繪的是一幅算力直接變現的圖景：固定的電力輸入，通過最高效的算電協同架構，轉化為源源不斷的Token產出。

誰是其中的勝利者？按照黃仁勳在摩根士丹利TMT大會上的提法：能將單位電力轉化為更多、更高效Token的雲廠商，有望拔得頭籌。

或許這是一個非常務實的、立足雲服務廠商自身定位和未來趨勢的判斷——但它卻忽略了玩家們發現新大陸之後，試圖加速“圈地”的衝動。

5月17日，上海電信、上海聯通等分別宣佈推出試商用多檔位Token套餐。同日，上海移動也加入戰局，喊出“1元40萬tokens”的價格。

需要稍作解釋的是，Token是基於訓練完畢模型的“推理代幣”。但三大營運商本身並未研發第一梯隊的人工智慧模型，因此他們售賣的是其他頭部模型公司基於其雲端運算叢集所產生的Token。

簡而言之，雲商的玩法，是與模型廠商的一種“競合”。

作為背景，國家資料局的統計資料顯示，自2024年以來，國內日均Token呼叫量從1000億躍升至2025年底的100兆，到2026年3月已突破140兆，兩年增長超千倍。

在需求大增的背景下，DeepSeek等開源模型的湧現，使得大模型能力足夠普惠，也讓AI能力先天不足的營運商得以“借力打力”。

近日，中國電信董事長柯瑞文公開表示，公司以Token經營為主線，在生產端打造高並行、低時延的Token規模化生產能力。中國電信的野心還不止於此，柯瑞文稱，中國電信在應用端服務3.7萬家行業客戶，已打造110余個行業大模型和350余個智能體，未來也將以解決方案供應商的模式，直接打通從雲算力到AI生產力的全套鏈路。

正如東吳證券分析，目前算力租賃廠商的業務模式正從單純的裸算力出租，升級為模型服務或Token分成模式，即從“賣算力”轉向“賣Token”。

而對於正在快速消耗巨大現金流的AI模型公司，服務貨幣化已是一個迫在眉睫的問題。

5月，字節跳動旗下“豆包”在蘋果App Store更新訂閱聲明，推出標準版（連續包月68元）、加強版（連續包月200元）、專業版（連續包月500元）三檔付費套餐。對此，豆包官方回應稱，基礎版仍完全免費，付費功能將主要聚焦於複雜任務和生產力場景，如PPT生成、影視指令碼製作、資料分析等。

面對目前貨幣化最順暢的程式碼/智能體需求，每家基礎模型公司都在針對性提供套餐。

例如，3月以來，MiniMax推出了全模態“TokenPlan”，階躍星辰上線了25元/月起的4檔“StepPlan”，智譜則推出了“CodingPlan”系列，月費最高達150元。這些套餐多聚焦於AI智能體開發、程式設計輔助等B端場景。

側重智能體開發和應用的套餐也被各大模型廠商重點推薦，比如騰訊的特色打法就是基於智能體開發的Workbuddy和智能體應用平台QClaw——這一打法的底層邏輯自然與智能體類產品“可以不知不覺消耗大量Token”的特性有關。

貨幣化策略除了“開源”，也要“節流”，而其帶來的使用者體驗滑坡顯而易見。

社交媒體上，大量使用者發現AI對話中斷機率突然增加。各大基模廠商動態限流的“公開操作”與“暗箱操作”層出不窮：公開層面如限制訪問次數、限制Token使用上限等；系統層面，利用各類技術手段阻斷複雜思考請求、限制輸出長度的做法也屢見不鮮。

黃仁勳在演講中指出，2026年以來，AI市場最核心的轉變是從“訓練”全面走向“推理”，他更預言在推理時代，所需的Token量和計算量相比訓練階段將增加約一萬倍。

同時，他還為基礎模型Token價格設定了其認為的五級模型：免費級、中等級、高層級、高速級和頂層級。每個等級自第二級開始，價格從每百萬Token 3美元，到頂層150美元不等。

這一言論，在隨後幾個月中影響了當前基礎模型市場的定價格局，比如Anthropic和OpenAI的頂級模型服務均已按約150美元/百萬Token的標準收費。

但是，Token的“度量衡”仍然極不統一——因其具備獨屬於特定模型的可程式設計特性，加上技術尚未收斂，各家Token能達到的效果和性價比仍然大相逕庭。

與如火如荼的雲端運算、大模型領域不同，“Token經濟學”的最下游，也就是智能體應用經濟，目前仍然處於一片混沌。

一個普遍認知是，當下AI的終端需求絕大部分來自程式碼相關需求。例如，根據OpenRouter 2025至2026年的追蹤資料，程式設計相關任務的Token消耗佔比從去年的11%飆升至50%以上。

這些Token消耗量，大部分被全球（含矽谷）開發者用於智能體程式設計、深層程式碼審查（decoding）等工具相關場景。這些任務的Token消耗，相比單純的“寫程式碼”要高出數個量級。

這有點像產業下游的互相消化，卻找不到終端客戶的樣子。

2025年初，我們一度認為找到了AI終端需求的突破口。來自中國的通用AI智能體Manus（蝴蝶效應）憑藉一段演示視訊一夜爆火，體驗碼一度被炒至數萬元人民幣，被業界視作“DeepSeek等級的現象級突破”。2025年12月，Manus高調宣佈將被Meta以約20億美元的價格收購。但不久之後，這場交易在次年4月被中國相關部門依法叫停，成為《外商投資安全審查辦法》實施後首個被公開叫停的AI領域外資收購案。

有意思的是，對於Manus交易被叫停，AI圈子裡的反應卻與許多圈外人的思考方式不同。

“祖克柏可能要感謝中國，既獲得了熱度，又不用真的花錢。”——AI圈子裡充斥著類似交易“貨不對板”的討論，認為Manus在大量實際使用中，雖展現較好的泛用性，但實用性和完成度遠遠不足。

部分市場人士甚至認為，Meta計畫耗資數十億美元，或許只是為了彌補公司在AI基模與AI應用端的缺位，更像是一場借題發揮。

另一個標誌性事件是“小龍蝦”OpenClaw的快速遇冷。

它曾被譽為“人類歷史上最受歡迎的開放原始碼專案”，被認為在幾周內就超越了Linux過去30年的成就。但是，當人們嘗試用自己的套餐接入該智能體時卻發現，大模型廠商們對其態度顯得極其“曖昧”。

例如，在OpenClaw大火之時，Anthropic立即切斷了第三方工具對其訂閱套餐的存取權。這迫使使用者轉向按量付費介面呼叫，導致OpenClaw使用成本暴漲10至50倍，大量使用者被勸退。

當然，OpenClaw遠沒有涼透，開源社區的程式碼仍在被不同使用者不斷上傳更新，但所有使用者都得小心翼翼地掐著自己的“Token水表”，防止突發的請求溢出導致天價帳單。

這其實引出了一個更根本的問題：在網際網路時代，我們見證了從淘寶、微信到抖音等各類殺手級應用的出現。

但在AI時代，什麼樣的應用，能成為消耗海量Token、並創造相應價值的“錨點”？

近期，阿里宣佈已將“通義千問”與淘寶深度打通。在阿里的構想中，通過千問打造的淘寶智能體，實現智能推薦、點單、購物，或許能增加電子貨架的消費頻次，或者提升商舖佣金的貨幣化潛力。

但是，至少從現在來看，人們無法完全信任智能推薦，無法相信AI會給自己找到最實惠的價格，甚至無法確認智能體是否用對了該用的優惠券。

更不用說，我們期待一個完全AI原生的智能體應用，能讓我們心甘情願地為之付出大量真金白銀。

而“Token經濟學”，至今仍缺失那個令人信服的“商業閉環”。（21深科技）

過去一年，AI行業最成功的賽道，非AI Coding莫屬。

從Cursor、GitHub Copilot，到Claude Code這類程式碼Agent，它們的價值非常直接：使用者每天都要寫程式碼，企業每天都要交付項目；只要AI能少寫幾行重複程式碼、少踩幾個bug、少花幾小時偵錯，價值就能被很快算出來。

但現在，另一個曾經被認為太燒錢、太炫技、太難賺錢的領域，也開始出現相同訊號。很可能是第二個有望跑通商業閉環的賽道。

最新的標誌性事件是可靈AI。據公開報導，快手正評估可靈AI的資產重組與外部融資方案，市場傳出的目標估值高達200億美元。快手隨後在港交所公告中確認，公司正在評估若干潛在交易方案，但也強調目前仍處於初步階段，尚未簽署最終協議。

資本市場開始用一家AI原生公司的邏輯，而不是一個短影片平台內部工具的邏輯，重估視訊模型。

更關鍵的是，視訊模型已經有了一批能算清楚帳的場景。

快手2025年財報裡披露，可靈AI在2025年第四季度持續進行多輪模型升級，方向包括模型能力、產品體驗和商業化。快手還披露，AIGC行銷素材在第四季度帶動線上行銷服務客戶總消耗達到40億元。

截至2025年12月，可靈AI服務全球超過6000萬創作者，生成視訊超過6億條，並與超過3萬家企業使用者建立合作；2025年12月月度經營收入超過2000萬美元，對應年化收入運行率達到2.4億美元。

視訊模型已經從秀Demo階段，轉變為了可計費的產品。

過去我們聊視訊模型，可能習慣看一致性、運鏡、時長、畫質等，但現在，收入指標必須加上——錢從那裡來，能不能持續來。這也是本文真正想回答的問題：AI Coding之後，視訊模型是否跑通了一條相似的商業閉環？

我們的判斷是：視訊模型已經完成了商業閉環，但還沒實現利潤閉環。

牌桌上的玩家：使用者願意付費比卷資料和打榜更重要

如果把AI視訊生成看成一張牌桌，那麼牌桌上的玩家名單是很容易被羅列出來的：可靈、Seedance、Veo、Runway、Vidu、海螺、通義萬相、小馬快跑、混元視訊、Sora……

按照目前的競爭格局，大廠靠資料和營收增長建立壁壘，創業公司則在夾縫中死磕迭代效率。

AI視訊玩家大致可以分成四類：

第一類，是短影片平台型玩家。代表是字節Seedance和快手可靈。

它們不只有模型，還有海量視訊資料、內容理解經驗、創作者生態、廣告投放系統和商業化入口。它們不需要從零教育市場，因為使用者本來就在平台上生產視訊、消費視訊、投放視訊。

可靈的優勢在於啟動早、產品化快、全球創作者心智更強。它已經從快手內部工具，變成面向創作者、企業和開發者的AI 視訊基礎設施。可靈如果進一步獨立，想像空間也會從快手 App內部，延伸到廣告、電商、短劇、遊戲、動畫、品牌行銷等更寬的內容生產鏈條。但挑戰也很現實：視訊推理成本比文字、圖片、程式碼都更高，真正難的是收入能不能覆蓋推理成本、研發投入和獲客成本。而這也是全行業面臨的難題。

Seedance 2.0則代表了另一種更激進的打法。它背靠字節的抖音、剪映、即夢、巨量引擎和海外內容生態，天然擁有內容生產、編輯、分發、投放的完整鏈條。字節本身就是最懂視訊流量和商業化的公司。今年2月，Seedance 2.0上線後即引爆市場，漫劇、短劇公司蜂擁而至，到3月底字節漫劇日消耗突破7000萬元，首次超過真人短劇。

Seedance內部人士告訴我們：目前使用者付費意願極高，呼叫Seedance 2.0生成視訊幾乎處於供不應求狀態；由於算力短缺，平台製訂了排隊規則，甚至有短劇客戶願意簽訂年度數千萬、乃至上億元等級的保底消費，以換取更高排隊優先順序。

這意味著AI視訊的商業化，正在從單純的ToC訂閱（類似大模型的“會員+積分消耗”機制），大舉進入ToB端。目前需求量最大的恰恰是短劇/漫劇/動畫等影視公司、廣告行銷和網際網路大廠，它們願意為穩定產能買單，收費模式也直接進化為大B客戶的“打包預付或後付（包含API/Token、積分呼叫）”。Seedance 2.0的爆火，正是平台能力、資料能力、工程能力和商業場景協同的結果。

第二類，是專業創作工具型玩家。代表是Runway、Vidu、海螺AI等。

Runway很早就把AI視訊包裝成專業創作者工具，強調可控性、鏡頭語言、角色一致性和工作流。對專業使用者來說，單條視訊驚豔並不夠，真正難的是同一個人物、物體、風格，能不能跨鏡頭持續成立。

Vidu的優勢更集中在參考生視訊和行業落地上。Vidu在Q2參考生Pro中強調萬物可參考，希望讓人物、物體、風格在生成後更少依賴後期補救；Q3則把重點放在文生視訊、圖生視訊的16秒音視訊直出上。它的B端需求也更集中在漫劇、短劇動畫、電商行銷、文旅等行業。

海螺AI則走出了一條差異化路線。依託背後MiniMax的文字、語音、音樂與視訊全模態矩陣，海螺AI升級了Media Agent，將核心壁壘建立在了人物微表情的細膩捕捉、動態情緒的自然轉換以及聲畫同頻的一鍵成片能力上。對於影視編導和短片創作者來說，物理一致性只是及格線，真正決定成片質感的是角色的“演技”與真實情感張力。正是切中了這塊專業需求，截至2025年底，海螺 AI 視訊模型不僅幫助全球創作者生成了逾6億個視訊，其面向企業客戶的開放平台及服務收入更是迎來了197.8%的同比暴漲，證明了其在內容工業中的實力。

大平台更擅長把視訊生成做成基礎能力和流量入口，但專業創作工具可以在可控性、團隊協作、素材管理、版權標記、API呼叫、行業範本上做得更細。它們未必擁有最多資料和最大流量，但如果能成為某類客戶的生產系統，同樣可以活得很好。

第三類，是雲端運算和生態型玩家。代表是Google Veo、阿里通義萬相、HappyHorse、騰訊混元視訊等。

它們未必會把AI視訊做成獨立App，而是嵌進雲服務、廣告系統、辦公工具和開發者API。比如Google的Veo 4強調原生音訊生成和物理真實感，背後連接Gemini、YouTube、廣告和雲API。這類玩家資源厚、生態寬，但視訊模型只是它們多模態能力拚圖的一塊，未必是唯一主線。

第四類，是那些曇花一現的玩家。典型代表是Sora。

Sora曾紅極一時，被視為視訊領域的ChatGPT，但OpenAI官方在今年4月26日停用了Sora 網頁和App體驗，API也將在9月24日停用。

最具代表的AI公司選擇撤退，說明了一個殘酷現實：視訊生成的商業化不能只靠技術震撼和社交傳播。客戶願意付費，比卷參數和打榜更重要。

據行業資訊，目前國內玩家中，按日消耗佔比計算，Seedance已佔據市場超八成份額，可靈約佔14%，萬相2.7約佔4%，HappyHorse佔比不足1%。Seedance以絕對優勢領跑，可靈穩居第二梯隊，阿里系雙模型合計佔比約5%，位列第三。

Seedance與可靈領跑：視訊模型正在重複短影片格局？

過去很長時間，可靈都是國內AI視訊的代名詞。它發佈早，聲量高，也更早跑出商業收入。當Seedance 2.0突然形成強烈關注時，一個問題自然出現了：

這是一次偶然反超，還是一種必然？

具體到某一輪模型效果，誰領先幾個月、誰在某個場景表現更好，都可能有階段性偶然。但長期，大家比的還是資料、模型、工程和場景轉成商業產能的綜合能力。

這也是Seedance追趕可靈最值得看的地方。

視訊模型和文字模型不一樣。文字模型的高品質語料當然重要，但視訊模型天然更依賴多模態資料：畫面、鏡頭、動作、節奏、音訊、字幕、使用者反饋、完播率、互動率、投放效果。

短影片平台恰好掌握這些東西。

字節和快手的優勢，不只是手裡有很多視訊。更重要的是，它們知道什麼樣的視訊會被看完，什麼樣的開頭能留住人，什麼樣的節奏適合資訊流，什麼樣的素材能帶動廣告消耗，什麼樣的內容能轉化成交易。

這些經驗未必都能直接變成訓練資料，但它們會進入產品設計、資料篩選、模型評估和商業化路徑。

這就解釋了為什麼視訊生成的競爭，很可能不像通用大模型那樣只看參數、榜單和開源生態，而會越來越像短影片平台競爭：資料越多，反饋越快；反饋越快，模型和產品迭代越準；產品越準，客戶越願意付費；客戶越多，又反過來帶來更多真實使用資料。

這也是它和AI Coding最相似的地方。

AI Coding真正跑通商業閉環，是因為它嵌進了開發者每天都要用的工作流。它能被持續呼叫，效果能被持續驗證，價值能被持續計費。

AI視訊如果要跑通商業閉環，也必須進入類似位置：成為內容生產者、廣告投手、電商營運、短劇團隊每天都要用的生產工具，而不是偶爾拿來玩一條爆款視訊的玩具。

所以，行業已經進入新階段，拼的是誰能提供穩定產能，接下來拼的會是單位成本、交付穩定性、行業範本、版權合規、團隊工作流和大客戶鎖單能力。

視訊模型的護城河至少有以下方面：

資料。尤其是視訊內容、使用者反饋和商業投放資料。

模型能力。包括畫質、運動、物理、運鏡、多鏡頭、音視訊同步和提示詞理解。

工程效率。也就是更低成本、更快生成、更高並行、更穩定交付。

產品工作流。包括首尾幀、參考圖、角色一致性、局部重繪、鏡頭控制、團隊協作、素材管理和API。

客戶預算。誰能進入廣告、電商、短劇、遊戲、品牌行銷這些持續付費的行業，誰才有更硬的商業閉環。

單點模型領先很重要，但不夠。尤其在商業化早期，90分但成本高十倍的方案，未必打得過75分但穩定、便宜、可批次的方案。

一個行業都關心的問題是，如果字節和快手已經是Top2，視訊生成會不會格局已定？

這個判斷有一定道理，因為視訊生成和短影片平台存在天然的耦合。

包括，資料耦合，平台擁有海量視訊和反饋；場景耦合，電商、直播、廣告本來就是最容易落地的地方；商業耦合，廣告主和商家本來就在平台上花錢，只要能提升效率就能切進預算；以及分發耦合，生成後能不能被看見、轉化，決定了客戶願不願意續費。

從這個角度看，字節和快手確實最像天然贏家。但這不等於其他玩家沒有機會。

因為AI視訊市場足夠大，不同玩家都能找到自己的生態位：

如果把它理解成誰生成的資訊流廣告更多，那平台型玩家優勢巨大；但如果把它理解成未來所有視訊生產流程的基礎設施，專業工具、雲廠商、垂直模型和行業解決方案仍然有空間。

其他玩家可以聚焦自身優勢，實現差異化競爭。

比如，專業可控性。影視、遊戲、品牌大片對可控性要求極高。角色不能漂，商品不能變形，誰能做穩專業工作流，誰就能切下高價值市場。

成本和API。SaaS公司、設計平台未必需要最強畫質，但極度需要便宜、穩定、高並行的API。

出海佈局。中國的視訊模型完全具備與世界級模型競爭的實力。無論是大廠還是創業公司，“全球化”已經是接下來的重中之重，其中日韓市場正被業界視為出海變現的核心陣地。

AI視訊很可能形成一個雙層格局：上層是平台型巨頭，掌握最大規模的資料和廣告預算，做基礎生產力；下層是工具和行業公司，圍繞專業創作、出海節點與企業工作流做深做細。

這就像AI Coding，通用大模型提供底層，Cursor變成工作流，企業再根據自己安全要求做整合。最後真正產生價值的地方，是“模型+工具+工作流+企業場景”的組合。

AI視訊或許也會如此。底層模型會越來越強，但商業閉環發生在更靠近客戶的地方：廣告投放系統、短劇生產管線、電商素材工廠、遊戲資產生成、品牌內容管理、創作者工作台。

視訊模型要真正走向利潤閉環，還需邁過三道檻

AI視訊商業化最容易被誤讀的一點，是把它簡單等同於C端產品的會員訂閱，因此聚焦在活躍使用者數等指標上。

創作者願意為去水印、高額度付費，這當然重要。但這只是表現，視訊模型的商業模式，更像廣告技術、內容供應鏈和生產工具的混合體。

一個電商商家過去做短影片，拍攝剪輯耗時耗力，又貴又慢。如果AI能基於商品圖和賣點一次生成幾十版素材，再根據轉化率快速篩選，它就是投放機器的一部分。短劇和小遊戲買量也是同理。AI視訊未必馬上替代整部短劇，卻可以先替代預告片、鉤子片段和劇情測試素材。

所以，AI視訊最早跑通商業閉環的地方，大機率不是電影工業，而是那些重複、批次、可評估的商業視訊素材。這句話不夠浪漫，但很真實。電影工業追求藝術上限，廣告投放追求ROI。前者放大想像力，後者貢獻現金流。

C端和創作者訂閱，賣額度、速度、清晰度和高級功能；企業SaaS，服務廣告、電商、品牌、MCN、短劇、遊戲等客戶；API和MaaS，給第三方應用、行銷平台、設計工具呼叫；平台內部增收，把AIGC素材接入廣告投放、電商經營、直播互動，最終帶動廣告主消耗和商家經營效率。

這幾條變現路徑裡，最容易被高估的是單純的C端訂閱，最值得重視的是平台內部增收。普通人的需求是間歇性的，真正高頻使用的是內容創作者、廣告投手和網際網路大廠營運。誰要批次投放，誰要穩定產能，誰願意為優先順序鎖算力，誰才是更硬的付費方。

短劇客戶願意和Seedance簽訂億級保底消費就是證據：視訊模型已經成為了內容工業的產能入口。

當然，視訊模型要真正走向利潤閉環，還有一些難題需要解決。

比如，可控性。商業交付不能盲盒抽卡，廣告客戶和影視團隊需要的是確定性的結果。

比如，成本控制。到底是AI 便宜還是找外包更穩？尤其是對創業公司而言，如何在算力高昂的生成成本與持續健康的營收之間尋找平衡，是跨越生死線的核心挑戰。

再比如，合規風控。視訊比文字更敏感，涉及人物肖像、深度偽造風險。目前國內業界對模型訓練涉及的資料安全和版權問題關注仍相對較少，但隨著商業化的深入，這塊灰色地帶亟待規範與嚴格監管，越接近核心商業與大IP，合規成本就會越高。

回到最初的問題：AI Coding之後，視訊模型正在跑通商業閉環嗎？

答案是已經跑通了商業閉環，但跑通的是高頻商業視訊生產這條窄路。它的第一桶金，來自短劇、廣告行銷、電商這些對素材有持續需求、願意為效率付費的場景。

接下來最關注的，是誰能讓客戶每天打開、每天使用、每天付費。這是AI Coding驗證過的路徑，也是視訊模型能否跑通利潤閉環的關鍵。  (劃重點KeyPoints)

彙整鉅亨號中所有使用「商業閉環」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`