中国信通院产业与规划研究所在第十六届智慧城市与智能经济博览会上发布《面向词元（Token）服务的智算基础设施发展研究报告（2026年）》。这份报告并非简单重复“智算中心建设”话题，而是把观察视角从“算力规模”转向“词元服务能力”。所谓词元（Token），在大模型语境中通常指模型处理文本、图像、音视频等内容时的基本计算单位。把Token作为基础设施服务的衡量对象，意味着行业正在从“买了多少GPU、建了多少机房”进入“能稳定交付多少有效推理、响应多快、成本多低、服务是否可计量”的阶段。
这对AI产业链、算力投资、云服务商、数据中心、运营商以及地方智算布局都具有参考意义。但也要明确，报告本身提供的是趋势判断和产业参考，并不等同于已经形成具体采购订单或业绩兑现。
过去几年，智算基础设施的主要叙事集中在算力供给：GPU采购、服务器部署、机房建设、网络互联、液冷改造等。这些仍然重要，但问题在于，单纯算力规模并不能直接代表服务能力。一个智算中心可能拥有大量算力，但如果模型调度效率低、推理延迟高、显存利用率不足、网络带宽受限、存储吞吐跟不上，最终面向应用端的Token交付能力仍会打折扣。
报告把“面向Token服务”作为切入点，实际上是在回应三个现实问题。
第一，大模型应用已经从训练为主走向训练与推理并重。训练决定模型能力上限，推理决定应用落地成本。随着Chatbot、企业知识库、代码助手、智能客服、办公助手、搜索增强等应用普及，推理侧Token需求正在成为更持续、更分散、更实时化的负载。
第二，Token服务具有明显的应用耦合特征。不同应用对延迟、并发、上下文长度、多模态能力、安全合规的要求不同，基础设施需要从“通用算力池”进一步细化为“面向服务能力的调度体系”。
第三，算力正在从资源概念走向商品概念。未来企业采购的不只是服务器或云主机，而可能是“每秒可交付多少Token”“每千Token成本多少”“响应延迟是否满足SLA”“是否支持私有化部署”“是否具备数据隔离能力”。这意味着智算基础设施需要更强的计量、计费、调度、监控和安全能力。
因此，Token服务不是一个孤立技术概念，而是AI基础设施走向标准化交付的重要标志。
面向Token服务，算力侧的关键不再只是芯片数量，而是整套系统的有效利用率。
首先是推理效率。大模型推理对显存带宽、KV Cache管理、批处理策略、量化精度、调度算法非常敏感。同样数量的GPU，如果推理框架、模型压缩、服务编排能力不同，Token交付能力可能差异很大。
其次是存储与网络。长上下文、多模态输入、向量检索、RAG架构都会显著增加存储吞吐和网络通信压力。智算中心如果只强调算力密度，而忽视高速网络、分布式存储、向量数据库和缓存层，Token服务的稳定性会受限。
第三是能耗与散热。随着算力密度提升，风冷方案在部分高密度场景下面临瓶颈，液冷、冷热通道优化、PUE控制、电力容量规划都会影响智算中心的可持续运营能力。对数据中心运营商和服务器厂商而言，能效指标正在从“合规要求”变成“商业竞争力”。
这意味着，后续智算基础设施投资可能会更强调“算力—存储—网络—能耗—调度”的系统协同，而不是单一硬件采购。
云服务商、运营商和第三方IDC企业正在从传统IaaS、PaaS向MaaS（模型即服务）延伸。面向Token服务的智算基础设施，恰好为这一转型提供了框架。
未来企业客户可能不再只关心云主机配置，而会关注：
- 是否提供主流大模型接入；
- 是否支持私有化部署和专属算力；
- Token成本是否透明；
- 是否具备数据隔离与审计能力；
- 是否提供低延迟推理服务；
- 是否能与现有业务系统、数据库、知识库对接；
- 是否具备弹性扩容和峰值承载能力。
这对具备算力资源、网络资源、数据中心资源和政企客户基础的企业更有利。运营商、头部云厂商、具备智算运营能力的IDC企业，可能更容易把算力资源转化为面向应用的Token服务能力。
但也要看到，Token服务定价、SLA标准、计量方式、安全边界仍在演进。短期内，相关收入占比可能仍有限，更多体现为云服务和智算服务的差异化能力，而不是立刻改变利润结构。
如果把智算基础设施拆成硬件和软件两层，面向Token服务时，软件层的重要性会显著提升。
推理服务框架、模型路由、负载均衡、上下文管理、缓存机制、向量检索、知识增强、API网关、计费计量、权限控制、内容安全、数据脱敏等环节，都会直接影响Token服务的可用性、成本和合规性。
因此，具备以下能力的厂商更可能受益：
- 大模型推理优化与部署能力；
- 企业级知识库、RAG和向量数据库能力；
- 模型网关、API管理和多模型调度能力；
- 数据安全、内容安全、身份认证和审计能力；
- 面向政企客户的私有化部署与运维能力；
- 与国产芯片、国产操作系统、国产数据库的适配能力。
这类机会不一定集中在单一“大模型公司”，也可能出现在中间件、数据库、安全、运维、系统集成和平台软件环节。尤其在国内信创和政企数字化背景下，能够把大模型能力嵌入现有IT架构的企业，可能比单纯提供模型接口的平台更具落地优势。
近年来，各地智算中心建设较快，但后续真正决定价值的是运营能力。面向Token服务，会进一步暴露几个问题：哪些智算中心有稳定客户？哪些应用能产生持续推理需求？哪些地区具备电力、网络、人才和产业场景优势？哪些平台能形成可计量的服务能力？
未来区域布局可能呈现分化。
一线城市和核心城市群更可能承载低延迟、高交互、强合规的Token服务，例如金融、政务、医疗、工业软件、智能办公等场景。算力枢纽节点和能源成本较低地区，则可能更适合承载训练、批处理、离线推理、数据存储和大规模模型服务。
这意味着，智算基础设施的投资逻辑会从“有没有”转向“用不用得上、用得好不好、能不能持续收费”。对地方政府和产业资本而言，盲目建设而缺少应用场景、软件能力和运营团队的智算中心，后续可能面临利用率不足的问题。
可以沿着四条主线观察，但需要区分“主题催化”和“订单兑现”。
第一，AI服务器、光模块、交换机、存储等算力硬件。Token服务增长会带动推理算力、网络带宽和存储吞吐需求，但硬件厂商的业绩仍取决于实际招标、交付节奏和价格竞争。
第二，数据中心、液冷、电力配套和运维服务。高密度推理和长期运行会提升对散热、供电、机柜密度和运维能力的要求，具备运营能力的IDC企业可能比单纯建设方更具持续性。
第三，云服务商、运营商和MaaS平台。它们更接近Token服务的交付端，若能把算力、模型、API、安全和企业客户整合起来，可能形成更稳定的服务收入。
第四，数据库、向量检索、推理框架、安全合规、系统集成等软件与平台层。Token服务要真正进入企业生产系统，离不开数据接入、权限管理、审计合规和应用集成，这类环节容易被市场低估，但决定落地质量。
第一，不能把“Token服务”简单理解为加密货币。报告中的Token指的是大模型处理内容的基本单位，与数字代币、区块链资产不是同一概念。
第二，不能把报告发布等同于订单落地。信通院报告提供的是产业趋势、技术方向和实践参考，相关公司是否受益，仍要看客户结构、产品能力、招标进展和收入确认。
第三，不能认为Token需求增长必然带来算力股持续上涨。推理效率提升、模型压缩、缓存复用、端侧推理等技术进步，可能在一定程度上降低单位Token的算力消耗。因此，Token规模增长与算力采购之间并非线性关系。
短期看，这会强化市场对AI算力、数据中心、云服务和软件平台链的关注；中期看，真正具备模型调度、推理优化、数据治理、安全合规和企业服务能力的厂商，更可能把主题转化为订单；长期看，Token服务标准化程度提高后，AI基础设施可能像电力、云计算一样，逐步成为一种可计量、可交易、可SLA约束的公共服务。
对投资者而言，更稳妥的方式不是追逐“Token概念”，而是沿着“谁能把算力变成稳定、合规、可收费的Token服务”这条主线，观察云厂商、运营商、IDC运营商、AI服务器与光模块、数据库与安全、系统集成等环节的实际订单变化。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。