（ChatGPT生图） 软件时代，企业买的是系统、账号、订阅和功能。AI时代，企业买的是智能产能。它不是一次性交付，也不是简单授权，而是像电一样持续消耗，像水一样按量计费，像工业品一样可以衡量产出。过去，工厂生产钢铁、汽车、手机和光伏板；今天，一座AI数据中心生产的是词元Token，是可以被调用、被计价、被交付的智能服务。 这个名字听起来有点陌生，但它背后的逻辑很朴素。电力进入数据中心，GPU和ASIC完成计算，大模型把数据和指令转化为输出，企业和开发者通过API、智能体、语音坐席、代码生成、视频生成和自动化流程等消耗Token。最后，Token变成账单，账单变成收入，收入再支撑更大的算力建设。 这不再是传统意义上的“机房”。它更像智能经济时代的新型生产工具。 工厂变了，生产资料也变了 蒸汽机时代，工厂围绕煤炭、机器和流水线展开；电气时代，工厂围绕电网、标准化设备和大规模制造展开；信息时代，工厂变成数据中心，服务器、存储和网络支撑全球互联网；到了AI时代，数据中心又发生了一次变化。 它不再只是托管数据，也不只是运行软件。它开始生产智能。 这句话很关键，但不需要讲得太玄。一个企业调用大模型完成客服接待，背后消耗的是Token；一个跨境电商团队用AI生成多语言详情页，背后消耗的是Token；一个金融机构用智能体读财报、写投研、做风控甚至跑因子，背后消耗的是Token；一个软件团队用Vibe Coding生成代码、修Bug、跑测试，背后消耗的还是Token。 以前企业采购云服务，主要看CPU、存储、带宽和实例规格。未来企业采购AI服务，会越来越关心每百万Token多少钱，推理延迟多少，单位Token能完成多少有效任务，Token消耗能带来多少收入和成本节省。 这意味着AI产业的核心指标正在变化：过去大家看FLOPS，看算力峰值，看GPU数量；未来还要看每瓦电能生产多少Token，每个Token能产生多少业务价值，每一美元Token成本能换来多少客户收入。 这就是AI Token工厂的本质：把电力、芯片、模型和应用场景组织成一条智能生产线。 数据中心不再是成本中心，而是智能发电厂 机房要租，服务器要买，电费要付，网络要维护，安全要投入。它在财务报表里更像费用项。云计算时代，这个逻辑有所变化，数据中心开始变成云服务商的收入基础。但到了AI时代，这个变化更彻底。 发电厂消耗煤炭、天然气、水力、风能和光伏，产出电力；AI Token工厂消耗电力、数据、模型和算力，产出智能。发电厂按度电收费；AI工厂按Token、按调用、按任务、按智能体服务收费。 因为它的产能可以计量，收入可以预测，客户合同可以长期化，现金流可以证券化。一个普通机房只是基础设施，一个能持续生产Token收入的AI工厂，则可能成为新一代核心资产。 过去房地产资本喜欢写字楼、商场、物流仓库和工业园区。现在越来越多资金开始看AI数据中心。原因并不复杂，写字楼租金受经济周期影响，商场受消费影响，住宅受政策和人口影响。AI数据中心的需求来自智能化本身，只要企业继续把流程交给AI，Token消耗就会持续增长。 这并不意味着所有数据中心都值钱。低利用率、没有客户、没有电力优势、没有液冷能力、没有模型生态的数据中心，仍然可能变成沉重资产。但真正具备电力、算力、客户和应用闭环的AI Token工厂，估值逻辑已经和传统地产不同。 电力是Token工厂的第一原材料 大模型当然重要。但如果站在Token工厂的视角，第一性原理要更往下看，真正排在最底层的，是电力。 没有绿色、稳定、低成本、可扩展的电力，GPU只是昂贵机器；没有高功率密度机房和冷却系统，先进芯片跑不满；没有电网接入和能源调度能力，AI工厂就无法持续生产Token。 AI产业的瓶颈，正在从芯片扩展到电力、土地、冷却和基础设施。 这也是为什么全球数据中心投资突然变得像一轮新工业化浪潮。AI不只是软件升级，它会消耗真实世界的能源和资本。一个高密度AI机房背后，是变压器、配电系统、液冷管路、备用电源、储能系统、光纤网络和复杂运维。 它不像传统互联网应用那样轻。越轻的智能体验，背后是越重的基础设施。 中国过去在制造业里积累的能力，不只是便宜劳动力，而是电力、工程、供应链、园区、制造设备和项目交付能力。AI Token工厂恰好需要这些能力。它不是一个纯硅谷式的软件游戏，而是“电力加算力加工程加金融”的综合战场。 中国如果只盯着模型排名，就会错过更大的机会。真正值得重视的，是把绿色电力、算力集群、大模型能力和应用场景 连成一条生产线。只要这条线打通，Token就不只是模型里的技术单位，而会成为中国智能服务出海的计价单位。 Token工厂不是概念，关键看现金流 AI行业最容易出问题的地方，是喜欢把概念讲得很大。 今天讲AGI，明天讲智能体，后天讲数字员工，再过几天讲Token经济。概念不断更新，但企业最终还是要回到现金流。 AI Token工厂能不能成立，不看它买了多少GPU，也不看它用了多少漂亮词，而看三个问题： 它能不能把电费、折旧、融资成本和运维成本覆盖掉，并且留下利润？ 如果回答不了这些问题，所谓Token工厂只是一个烧钱机房。再多服务器，再多概念，也不能改变这一点。 它有稳定的电力资源和成本优势，有高密度机房和液冷能力，有长期客户合同，而不是短期试用订单。它有模型、API、智能体和行业应用生态，知道自己的单位Token成本，也知道每个客户的Token消耗和毛利贡献。它能够把算力从硬件资源，转化为可持续收入。 这套能力一旦具备，Token工厂就会从技术资产变成金融资产。 因为金融市场最喜欢的东西，不是概念，而是可预测现金流。电站、港口、高速公路、数据中心、REITs、ABS，背后都是这个逻辑。Token工厂如果能证明自己的产能、利用率和收入，就有机会进入同样的资产化路径。 AI基础设施正在金融化 过去，AI基础设施融资主要靠大厂自有资金、云厂商资本开支和少数私募融资。现在情况正在变化。 AI数据中心需要的资本太大，单靠科技公司资产负债表很难全部承担。于是金融机构开始进入，债券、项目融资、私募信贷、ABS、CMBS、REITs、主权基金和战略资本都被调动起来。 只要一座AI数据中心有长期客户合同，有稳定电力协议，有明确产能和使用率，就可以被设计成金融产品。未来，Token收入、算力租赁合同、电力购买协议、数据中心租约，都可能成为结构化融资的底层现金流。 过去，购物中心、写字楼、物流仓库能通过租金形成REITs。未来，AI Token工厂可能通过Token服务收入、算力租赁收入和长期云服务合同形成新的基础设施融资产品。 房地产租金往往和物理空间有关。AI Token工厂的收入，则和客户使用量、模型生态、算力价格、电力成本和技术更新速度有关。它的收益弹性更高，风险也更复杂。芯片折旧、客户迁移、模型价格战、能耗政策、地缘限制，都会影响资产价值。 因此，AI Token工厂的金融化，必须建立在真实运营数据之上。仅仅把算力资产包装成RWA，并不能自动创造价值。底层现金流不稳定，链上包装也没有意义。真正有价值的RWA，不是把一堆服务器写进白皮书，而是把可审计、可计量、可结算的Token收益权做成合规资产。 这也是香港、新加坡等市场值得关注的原因。它们有跨境金融能力，也在推进稳定币、RWA和数字资产监管框架。如果AI算力资产能够形成清晰现金流，未来通过稳定币或代币化证券吸引全球资本，并不是没有想象空间。 Token是计量单位，也是未来的资产语言 在AI Token工厂体系里，Token会经历三次升级。 第一次升级 ，是从技术单位变成计费单位。企业调用模型，按Token付费。这个阶段已经发生。第二次升级 ，是从计费单位变成经营单位。企业开始管理Token预算，比较不同模型的单位成本，计算每个业务流程消耗多少Token，衡量Token带来的收入或成本节省。第三次升级 ，是从经营单位变成资产语言。Token产能、Token收入、Token成本、Token利用率，可能成为资本市场给AI基础设施定价的重要指标。今天一家数据中心公司说自己有多少机柜、多少兆瓦、多少GPU。未来它还要说明，每兆瓦能生产多少有效Token，每百万Token成本多少，客户续约率多少，平均利用率多少，Token收入占比多少。 就像新能源行业会看度电成本，光伏行业会看组件效率，云计算行业会看ARR和毛利率，AI Token工厂也会形成自己的经营指标。 中国的机会在于把旧资产改造成新生产工具 中国真正值得重视的地方，不只是大模型本身，而是产业改造能力。 中国有大量园区、厂房、数据中心、物流仓库、产业地产和能源项目。过去这些资产的估值，主要靠租金、土地、厂房和地方产业配套。很多资产在传统周期里估值受压，流动性也不强。 如果这些空间能改造成AI Token工厂，逻辑就变了。 旧厂房可以变成液冷机房，产业园区可以变成边缘算力节点，能源项目可以绑定智算中心，港股不动产公司可以从“平方米估值”转向“算力和Token估值”，制造业企业可以把自己的工艺、供应链和客户流程接入智能体，形成行业AI服务。 这不是简单转型AI。这是把旧资产改造成新的生产工具。 中国的优势在于场景密度。制造、外贸、短剧、游戏、电商、供应链、教育、医疗、金融投研、城市运营，这些场景都可以消耗大量Token。只要Token能带来真实业务价值，就会形成需求。需求反过来支撑算力工厂，算力工厂再带动电力、数据中心、模型和资本市场。 这条链如果跑通，中国就不只是做便宜模型，而是在建设自己的智能工业体系。 港股上市公司需要从“讲AI”变成“产Token” 房企、建筑公司、物业公司、园区公司、能源公司、制造业企业，都面临一个共同问题：旧业务估值上不去，新业务还没有成形。AI Token工厂提供了一条可能路径。 但路径能不能走通，取决于公司是否真正完成资产切换。 如果只是改名，成立AI子公司，买几台服务器，发几条公告，这不是Token工厂。市场短期可能会有反应，但长期很难支撑估值。 真正可看的公司，必须能把AI业务做进资产表和收入表。它要有客户合同，有算力资源，有电力条件，有技术团队，有业务场景，有清晰的成本结构。最好还能证明，AI带来的不是一次性收入，而是持续调用和持续现金流。 港股的优势在于，它连接内地产业资产和国际资本。未来如果有公司能把内地园区、电力、数据中心、大模型和海外客户结合起来，再通过香港做融资、RWA、稳定币结算或资产证券化，就可能形成一种新的资本市场叙事。 AI Token工厂不是市值管理话术，而是生产系统。它要求企业把空间、电力、算力、模型、客户和现金流全部串起来。任何一环缺失，故事都会变空。 太空算力和海底算力，是Token工厂的远景 从长期看，AI Token工厂的边界不会停留在地面数据中心。 原因很简单。地面资源有限。电力有限，土地有限，冷却条件有限，电网接入也有限。随着模型推理和智能体需求增长，人类会不断寻找更便宜、更稳定、更极端的算力环境。 于是会出现海底数据中心、沙漠数据中心、核电直连数据中心，甚至太空算力。 太空算力听起来遥远，但它背后的逻辑并不荒唐。太空有充足太阳能，散热条件不同于地面，不受传统土地和水资源限制。如果发射成本继续下降，轨道数据中心可能成为极端低成本算力的一种远期方案。 当然，这条路风险很高，技术、通信、维护、发射成本和监管都很复杂。短期内，它更像战略想象，不是成熟商业模式。但它至少说明，AI Token工厂的竞争正在突破传统数据中心边界。 谁能找到更便宜的电，更好的冷却，更稳定的网络，更低的融资成本，谁就能降低Token生产成本。 Token工厂的终局，不只是模型竞争，而是全球算力地理的重构。 风险不小，泡沫也会来 任何新生产工具出现时，资本都会过热。AI Token工厂也不例外。 现在全球都在建数据中心，买GPU，抢电力，讲AI基础设施。这里面一定会有泡沫。一些项目没有客户，一些项目电力成本过高，一些项目靠融资堆规模，一些项目把Token收入想得过于乐观。几年后，市场会开始清算。 第一类 ，没有电力优势的项目。电价高、接入慢、稳定性差，后续很难形成竞争力。第二类 ，没有客户和应用场景的项目。只建机房，不绑定真实需求，最终利用率会成为问题。第三类 ，融资结构过重的项目。AI设备折旧快，如果收入增长慢于债务和折旧压力，项目会很痛苦。所以投资Token工厂，不能只看概念，要看基本功。 电从哪里来？客户是谁？合同多长？利用率多少？Token成本多少？毛利率多少？设备折旧如何处理？是否有模型和应用生态？是否具备再融资能力？ 最后的判断：谁掌握Token工厂，谁掌握智能生产资料 AI Token工厂之所以重要，是因为它把AI从工具变成了生产资料。 工具可以替换，生产资料决定分配。一个企业如果只是使用别人的AI工具，它只是消费者。一个企业如果拥有Token工厂，它就掌握了智能产能。前者买智能，后者生产智能。 未来的竞争，不会只发生在模型榜单上，也不会只发生在应用商店里。它会发生在电力价格、数据中心选址、液冷系统、GPU供应、模型效率、Token成本、企业客户合同和金融结构之间。 过去房地产时代，核心资产是土地。新能源时代，核心资产是电池、光伏、风电和电站。AI时代，核心资产会变成电力、算力、模型和Token产能的组合。 中国要抓住这个机会，不能只做低价应用，也不能只卷模型价格。更重要的是建设自己的Token工厂体系：用绿色电力提供低成本能源，用智算中心形成算力底座，用国产大模型和智能体承接应用需求，用港股和RWA市场打通资本化路径，用词元出海打开全球服务市场。 AI Token工厂不是一个新概念，而是一种新型生产工具。它把电力变成算力，把算力变成Token，把Token变成智能服务，把智能服务变成现金流。谁能完成这个闭环，谁就不只是AI时代的参与者，而可能成为智能经济的基础设施提供者。 华夏数字资本 是一家专注于RWA（现实世界资产代币化）赛道的数字投行机构，致力于RWA赛道市场投研与教育、发行与投资孵化、RWA资管平台、数字金融创新等解决方案，旨在构建现实世界资产与加密世界价值的桥梁。
2026年RWA、稳定币与Token词元工厂的创新转型感兴趣的中资机构及央国企/上市公司朋友，可以加微信 yekaimeta 交流。
相关文章链接：
美国AI Token市场地图有哪些关键？
华尔街巨头的Token工厂改造案例，给我们什么启发？
从“不动产的锚”到“词元的锚”：港股房企的新市值模式
中国词元Token出海的本质是什么？
监管与格局：香港是否稳稳掌握了数字资产“跑道”？--RWA与Agent智能体经济的思考
夜雨聆风
