| S/N | 企业 | 备注 |
|---|---|---|
| 1 | 华为 | 基础算力(昇腾)，盘古（大模型/平台） |
| 2 | 字节跳动 | 基础算力（火山引擎），豆包、Seedance、扣子（大模型/平台） |
| 3 | 寒武纪 | 基础算力 |
| 4 | 阿里巴巴 | 基础算力（阿里云），千问、夸克（大模型/平台） |
| 5 | 摩尔线程 | 基础算力 |
| 6 | 腾讯 | 基础算力（腾讯云），混元（大模型/平台） |
| 7 | 深度求索 | DeepSeek（大模型/平台） |
| 8 | 沐曦股份 | 基础算力 |
| 9 | 百度 | 基础算力（昆仑芯、百度智能云），文心（大模型/平台） |
| 10 | 智谱 | GLM-5（大模型/平台） |
| 11 | MiniMax | M2.5（大模型/平台） |
| 12 | 芯原股份 | 基础算力 |
| 13 | 360 | 纳米AI搜索（大模型/平台） |
| 14 | 地平线 | 基础算力 |
| 15 | 科大讯飞 | 讯飞星火（大模型/平台） |
| 16 | 壁仞科技 | 基础算力 |
| 17 | 优必选 | Thinker（具身大模型） |
| 18 | 金山办公 | WPS AI（大模型/平台） |
| 19 | 网易 | 伏羲（大模型/平台） |
| 20 | 瑞芯微 | 基础算力 |
| 21 | 月之暗面 | Kimi K2.5（大模型/平台） |
| 22 | 清微智能 | 基础算力（可重构计算芯片） |
| 23 | 中国电信 | 星辰（大模型/平台） |
| 24 | 宇树科技 | UnifoLM-VLA-0（具身大模型） |
| 25 | 中国移动 | 九天（大模型/平台） |
| 26 | 京东 | JoyAI（大模型/平台） |
| 27 | 联想集团 | 基础算力 |
| 28 | 快手 | 可灵（大模型/平台） |
| 29 | 软通动力 | 天璇（大模型/平台） |
| 30 | 九章云极 | 普惠智算、原生集成Al编程、模型调用与智能助理 |
| 31 | 它石智航 | AWE3.0（具身大模型） |
| 32 | 神州数码 | 问学（大模型/平台） |
| 33 | 浪潮云 | 基础算力，海若（大模型/平台） |
| 34 | 商汤科技 | SenseNova V6（大模型/平台） |
| 35 | 银河通用 | 银河星脑（具身大模型） |
| 36 | 中科曙光 | 神玑（大模型/平台） |
| 37 | 润和软件 | 润知、润行、润视（大模型/平台） |
| 38 | 昆仑万维 | SkyReels、Skywork（大模型/平台） |
| 39 | 宝信软件 | 宝联登（大模型/平台） |
| 40 | 智元机器人 | GO-1（具身大模型） |
| 41 | 小米 | MiMo（大模型/平台） |
| 42 | 朗坤智慧 | 苏畅瑶光（大模型/平台） |
| 43 | 金蝶云 | 苍穹（大模型/平台） |
| 44 | 千寻智能 | Spirit v1.5（具身大模型） |
| 45 | 思特奇 | 九思（大模型/平台） |
| 46 | 拓尔思 | 拓天（大模型/平台） |
| 47 | 思必驰 | DFM-2（大模型/平台） |
| 48 | 阶跃星辰 | Step系列（大模型/平台） |
| 49 | 面壁智能 | MiniCPM小钢炮（大模型/平台） |
| 50 | 爱诗科技 | PixVerse（大模型/平台） |
| 2026.04 DBC/CIW/eNet16 | ||
token热
据The Information报道，Meta公司内部出现了一个名为“Claudeonomics”（这一名称源自Anthropic旗舰产品Claude）的AI token消费排行榜，该排行榜由员工自愿在公司内网创建，追踪超过8.5万名员工的token使用情况。根据该榜单，Meta内部过去30天消耗掉的token总量超过60万亿。
按照Anthropic最新公布的定价，其Claude Opus 4.6模型中输入和输出token的平均成本约为每百万token 15美元。以此估算，Meta的60万亿token的成本约为9亿美元。在Meta内部，消耗最多的AI计算能力，正在成为一种新的身份象征。这种现象反映了硅谷“token 最大化”文化的兴起，将token消耗量作为衡量生产力的基准，并作为评估员工是否“精通人工智能”的竞争指标。
与此同时，港股一家卖token的公司迅策科技上市不到4个月，股价6倍涨幅，只有10亿营收但市值突破千亿元。还有月之暗面，2026年第一季度的收入超过了2025年全年，而MiniMax和智谱市值，双双突破3000亿元，股价累计涨幅也达5倍左右。
如果说Meta的token排行榜代表的是一种“更多调用等于更高生产力”的工程文化，那么 OpenClaw的流行则揭示了另一件事：token大生意时代来临，背后真正的变量是Agent，在当下这个Agent时代，token的消耗方式正在发生结构性变化。
焦虑
Agent让模型从被动响应到主动执行，token消耗从线性增长变成指数级膨胀。但一次看似简单的主动执行，可能拆分成数十甚至上百次模型调用，背后对应的是长时间的推理轨迹和连续的token流水。
但问题也随之浮现：当token的主要消耗来自模型内部推理过程，而不是用户直接需求，把token当作生产力指标本身就可能是一种误判。而这些不可见的 token 消耗是否真的带来了等价的价值，也需要打个问号。
有人开始用token生产内容，一条视频背后消耗上亿token，并形成“内容—流量—变现—再投入”的闭环 ；有人用token驱动企业服务，把token成本控制在10%-20%，按结果收费；也有人看到更底层的变化——当用户开始自己购买token、自己承担算力成本，整个AI的商业模式都会被重写。
按Token计价的公司收入确实在激增，但收入涨10倍，亏损也有可能也涨10倍，这是当下Token热最容易被忽视的地方。
4月，小米MiMo大模型负责人罗福莉在社交媒体X（Twitter前身）上发布了一条动态，讨论现在OpenClaw“龙虾”等Agent工具低效的问题。她认为，全球算力供给，正无法跟上Agent带来的Token需求增长。
结语
一方面，是越来越旺盛的token需求，另一方面是不可避免的token浪费，AI时代算力消耗的飞轮转动起来了，但上下游的良性商业循环仍未建立。
（文/朝槿）
e-Mail：lab@enet16.com
