Token跌疯了，电池却不够卖了

8月，AI产业的计量单位出现了历史性一刻：主流开源模型的每百万Token API价格，已有多家官方定价页显示跌破1美元。而几乎同一时间，比亚迪在投资者交流中坦言闪充车型排队提车、电池产能不够卖；华为前海思总裁何庭波署名的“韬定律”（媒体所称）论文更新，披露下一代麒麟芯片晶体管密度提升约55%、功耗却大幅下降。三件事看似不相干，其实指向同一个问题——当单位智能的价格在崩塌，钱会流向哪里？本文的判断是（推测）：模型层在通缩，电力层在涨价，产业链的价值正在向下迁移。

📉 Token价格，跌穿了1美元

这不是来自某份交易台报告的“小道消息”，而是公开可查证的产业事实。

信源一：各厂商官方定价页。 以DeepSeek官网公布的API价格为例，其主力模型每百万Token输入价格（缓存未命中）长期低于1美元，输出价格也仅在1美元量级；Gemini Flash、Qwen等多个主流模型定价同样长期运行在1美元/百万Token量级以下。据Epoch AI的公开追踪统计，前沿大模型单位推理价格正以每年约一个数量级的速度下降，且过去一年降价斜率没有收敛迹象。

信源二：OpenRouter公开统计。 这个聚合了数百个模型、公开展示各模型调用量的路由平台，其公开榜单显示：8月平台Token处理量高速增长，但美元消费的增速明显低于Token量的增速。据Silicon Data发布的H100租赁价格指数（SDH100RT），H100每小时租金自2024年以来持续阴跌，8月仍处于历史低位区间。

需要先澄清一点：这不是需求萎缩。价格下跌可能来自标价下调、用户迁移到低成本开源模型，或两者兼有——AI的总使用量并没有缩，甚至在加速。

但问题恰恰出在这。过去两年，AI板块的估值地基是一句话：更多Token等于更多收入。8月前后的公开数据，第一次让“量升价崩”同时出现在同一张报表上，开始动摇这条假设。

🤔 “量升价崩”，为什么反而不是利好

有一条市场逻辑值得逐字读：“更多需求加上更低价格，若价格跌速超过消费增速，并不自动构成利好。”（此为对当前算力市场的一种主流解读，属判断而非定论。）

现实已经给出了注脚。8月呈现出的图景是：OpenRouter路由的Token量大涨，美元支出只小幅上涨，而H100 GPU的租赁价格还在跌。用量以“个”计，回报以美元计——剪刀差的另一头，是超大规模数据中心按美元收入预期核算的资本开支。

更根本的，是按Token计费这套商业模式本身。它成立依赖三个前提同时成立：模型大到无法本地运行、用户没法用开源替代、工作负载够突发以至于自建不划算。越来越多产业观察者认为：这三个前提正在同步瓦解（推测，但证据在累积）。

硬件端，NVIDIA DGX Spark桌面AI工作站（官网定价3999美元起）、搭载RTX 50系移动GPU的AI笔记本、能本地跑700亿参数模型的Mac Studio（Apple官方产品页），以及算力达40至75+ TOPS的PC端NPU，已把大量Token的边际成本压到接近电费。模型端，以DeepSeek-V3.1、Qwen3、Llama 4为代表的开源模型，在多项公开基准（如LMArena、各机构评测榜）上已逼近GPT-5、Claude Sonnet 4等闭源旗舰的第一梯队。前沿模型与开源模型的性能差距，从“代际”缩短到了“以周计”（据公开基准的横向对比趋势，属观察性判断），不再构成稳固护城河。

一旦企业每月API账单超过一台5000至15000美元设备的摊销成本，它就从持续贡献高毛利的订阅用户，变成一次性硬件买家。这才是Token通缩真正咬人的地方：吃掉的不是某一个季度的价格，而是商业模式的复利结构。

🔋 另一边，比亚迪的电池不够卖了

把视线从算力市场挪开，会是另一幅画面。

2025年9月，比亚迪披露的投资者关系活动记录表（见深交所互动易平台及公司官网披露）里出现了一句少见的“凡尔赛”：今年受电池产能制约，闪充业务需求远超供给。据多家媒体报道，多款闪充车型在排队提车。

今年3月17日，比亚迪发布第二代刀片电池及“兆瓦闪充”技术（据比亚迪官方发布会及官方新闻稿）：基于全域1000V高压架构，实现充电5分钟、补充400公里续航，单枪充电功率最高达1000kW。技术发布后订单爆发，产能至今没跟上。

5分钟补能解决的是用户习惯问题，而真正值得产业链读者注意的，是比亚迪在这次交流里对新兴业务排序时的表态：储能前景最为清晰，尤其是AI数据中心的发展，未来几年储能需求将保持高速增长（公司投资者交流原话，见投资者关系活动记录表）。

一边是模型层收入逻辑动摇，一边是电池排产排不过来。这不是矛盾，这是产业链在换挡。

⚡ 华为把省电写成了新定律

第三块拼图来自芯片层，而且来得比预想更猛。

2025年9月，何庭波作为通讯作者的“韬定律”相关论文在arXiv公开更新（论文原文可在arXiv检索），重点回应了LogicFolding（逻辑折叠）备受关注的功耗与发热问题，并首次披露下一代麒麟芯片（媒体称“麒麟2026”）的相关数据。以下数据均引自论文及多家媒体的公开报道。

传统观点认为，垂直堆叠更多有源晶体管会推高单位面积的功率密度和发热。论文披露的实测结果恰恰相反：作为采用LogicFolding的移动SoC，其晶体管密度从上一代约1.55亿颗/mm²提升到2.38亿颗/mm²，单代提升约55%——论文特别指出，这个幅度相当于传统几何微缩连续三年才能取得的成果。

密度暴涨55%，NPU功耗反降66%、GPU降58%、CPU性能核降41%。把这两组数字放在一起，含义就很直白了：单位算力的能耗成本正在被工程手段快速压低。

这对第二节的逻辑是个加速器。当本地设备的能效以这种斜率改善，“把推理搬回自己桌上”的经济账会越来越划算——云端按Token计费三前提中的第一条，正在被芯片层的物理进步实实在在地侵蚀。能源密集型的集中式推理，与轻量化的边缘推理，将长期共存；但增量定价权，可能正在从云端向两端流散（推测）。

🔌 钱从模型层流向电力层

现在把三条线索接起来看。

模型层，Token价格崩塌，收入假设动摇（公开定价数据可查证）；硬件层，GPU租金下跌、本地推理设备崛起、芯片能效跃升（Silicon Data指数、厂商官网、arXiv论文均可回溯）；电力层，比亚迪明说储能需求将随AI数据中心高速增长（公司交流记录），AI基建还带动了功率半导体和碳化硅需求的快速增长——比亚迪半导体作为功率半导体IDM厂商，握有芯片设计、晶圆制造、封装测试全链路能力，是中国领先的车规级芯片企业（据公司公开资料），正好站在这个位置上。

这就是股票市场与电力市场最微妙的错位（以下为本文推测）：Token通缩会立刻反映在云厂商的美元收入上，进而动摇资本开支的核算基础；但只要智能的总消费量还在高速增长，物理层的耗电、电池、功率器件需求就不会跟着单价一起跌——甚至会因为“便宜到人人用得起”而加速增长。

对从光伏、储能一路看下来的产业链投资者，这个剧本并不陌生。硅料曾经的暴利与后来的价格坍塌，逻辑同构：当一种能力被过度资本化，它的单价必然崩塌；但围绕这种能力的基础设施，会在第二阶段接住价值。若这个历史韵脚成立，AI产业的第二阶段，大概率是电力、储能、散热、功率半导体的阶段（推测，非投资建议）。

小结

Token跌破1美元，不是AI的失败，恰恰是AI成为大宗商品的前奏——而大宗商品生意的利润，历来沉淀在最上游和最底层。模型层的收入逻辑在瓦解，电力层的确定性却在增强：比亚迪的电池排产、逾4000座闪充站的落地规划、储能对AI数据中心的明确押注，以及下一代麒麟芯片用工程手段把能耗打下来的努力，都是同一趋势的不同切面。

接下来值得盯住的信号很朴素，且大多可以公开验证：一是各厂商定价页上单位Token价格的月度变化，二是OpenRouter等公开平台上Token用量与美元支出的剪刀差是否继续扩大，三是比亚迪投资者交流记录中储能订单与二代刀片外供的表述变化，四是Silicon Data等指数上GPU租金的止跌信号，五是碳化硅产线的实际投产节奏。

算力的价格大概率会继续跌（基于Epoch AI历史曲线的外推，属推测），但点亮算力的电，故事才刚开始。当智能变得像水电一样按度计价，真正稀缺的将不再是模型，而是承接智能洪流的变压器、电芯和功率器件——这一段是本文的推演，最终对错，交给上面那五个可以逐月核对的公开信号去验证。

主要信源说明：各模型厂商官网定价页；Epoch AI关于LLM推理价格下降的公开研究；OpenRouter公开用量榜单；Silicon Data H100租赁价格指数（SDH100RT）；比亚迪2025年3月17日“超级e平台”官方发布会及新闻稿；比亚迪投资者关系活动记录表（深交所互动易可查）；何庭波署名LogicFolding论文（arXiv）及多家科技媒体报道；NVIDIA DGX Spark、Apple Mac Studio官方产品页。文中标注“推测”“判断”的内容为作者观点，不构成投资建议。