本文来自微信公众号： 云算计 ，作者：曹亚孟
本文同样是《一文谈清Token工厂》的扩展材料。
我之前写过多篇技术可行性分析文章，这篇文章在做的是业务可行性分析。
本文较长，所以列出目录：
目录
资料够多，可以测算成本
Token成本的硬核计算过程
Token售价和售出可行性
新团队可以成为Token工厂
工程师能学会Token生产技术
1.资料够多，可以测算成本
AI行业还处于基础理论快速刷新的阶段，我最近拿到了一些真实数据，开始写这个议题——"生产Token能赚钱吗"？
•全社会对Token的爆发式需求，始于今年3月，这是个全新的技术、产品和业务模式。
•某些人所谓的"深厚AI经验"，大多在故意混淆"AI应用""模型训练""Token生产"等等毫无相干性的工作。除了品牌商誉之外，没有什么老玩家长期积累，大家都是从零开始的。
•现阶段是"缺卡+满负载"环境，该环境的生产token和调度资源的技术，未来并不一定适用。
我从下列口径拿到了一些真实数据。但我一直有保密的声誉，所以我只能写明口径和模糊值，没必要也不能直接公开精确数字：
•某Token生产团队，两批不同技术员工的口头描述，都介绍了类似的Token生产相关的指标数据。
•两个Token生产团队，给投资人的BP和财务数据中，介绍和规划的Token生产相关的指标数据。
•一些硬件团队、商业软件团队、开源软件团队的公开资料中，给出了可参考的Token生产数据。
•做过云计算的人，很容易搞清楚IDC、带宽、施工的大致成本；AI业务抬高了IDC的标准（液冷+大功耗），但对IDC资源的需求没有本质性变化。
本文强调"在海外做"，是因为国内的B300价格过于荒诞，这让国内生产Token的成本难以计算。我有点出海经验，中国工程师去海外卖Token给老外，是一个更有典型分析意义的场景。等到国内供应稳定了，本文提及的所有测算方法，同样适用于在国内生产Token。
2.Token成本的硬核计算过程
我在《上一篇文章》就写过Token成本的计算口径，本节把Token生产的数据也代入进来。
•已知Token成本="软硬件成本÷Token生产数量"。其中Token生产数量是"每秒最大Token生产能力"和"实际资源利用率"决定的动态数值。我近期主要精力就是在搜集这两类数值。
•本文公开代入的都是低标准数字，大家的实际生产中能做到更低成本、更高生产能力和更高的资源利用率。
2.1 8卡B300的软硬件日摊销约为900美元
软硬件成本包括"硬件摊销+IDC租金+施工摊销+平台软件开销+研发摊销"。
•一台8卡B300服务器，加上网络布线成本和拖沓延误的周期，海外售价算65万美元就够了。我知道国内B卡的售价炒到天上了，但是那个价格通过出售Token很难回本，更多是虚空喊价和倒卖给下一个接盘侠，不在本文探讨范围内。
•硬件摊销真正的难题是，该按照多少个月进行折旧摊销？据说某Token原厂按照18个月进行摊销计算，但是第三方Token工厂都是按照36–48个月计算摊销周期。本文按照40个月折算，每月硬件摊销成本就是1.6万美元。
•这台服务器的功耗要给到15千瓦，全球各地的机柜价格差异很大，但按"每千瓦每月450美元"计算，能买下大部分机柜。这样计算，每月的机柜月租就是6700美元。
•服务器的部署和日常维护的施工摊销，平台软件开销，研发费用开销，这些摊销我们简单算作每台服务器每月3000美元。一大堆人会说这预留太少了，但客户买Token的时候，不想为技术团队付款，只要友商能够压低相关成本，你也得压到一样低。
•上述成本汇总结果是1.6+0.67+0.3=2.57，可以认为8卡B300服务器每月摊销26000美元，每天摊销900美元。接下来我们就要测算，每天生产的Token能不能覆盖这900美元成本了。
2.2 8卡B300每秒生产3万个Token
本段先看Token生产能力，这是个纯技术议题，保守数据是：8卡B300，每秒能无缓存生产至少3万个GLM5.2的Token。
•普通天资和正常认知水平、常规努力程度的工程师，通过阅读SGLang/vLLM的在线文档学习相关技能，对Token引擎做常规优化后，单机8卡B300，10万以内的上下文，可无缓存生产30000个以上的GLM5.2Token。
•这是个可公开的有缓存生产案例，SGLang的blog https://www.lmsys.org/blog/2026-07-13-glm52-optimization，文档中明确介绍：8卡B300，输入8万Token，输出220个Token，连续13轮追加提问，缓存命中率约为92%，Token生产量能达到单卡2.5万，8卡20万。
•实际生产中，特别是AI编程场景，缓存命中率都能超过90%；但是缓存命中的Token收费也很便宜。本文是重点探讨成本收益问题，所以主要采信无缓存生产3万个token的数据。
•上述提到的测试数据，都是以生产GLM5.2为基准的，如果换成更轻量的模型，可以生产更多的Token，但那种token的成本和售价都会降低。
•上述测试的上下文都小于10万，这种测试标准更符合实际情况。模型原厂虽然宣传支持百万上下文，但实际使用过程中，因为注意力中间迷失、响应缓慢乃至异常退出等问题，客户自己都会主动将上下文长度控制在小于20万。
•PD分离会小幅增加网络硬件投入，但会大幅提高Token生产效率，还会让客户感知（ITL/TPOT）更稳定。根据不同业务的Prefill和Decode需求差异，实测可增加20%–50%的Token产出。
2.3实际资源利用率决定成本能不能降下来
Token生产集群的实际资源利用率，不是个技术问题，而是看销售部门能不能找来"在计划时段内使用+用量很大"的客户。
•倒卖GPU的炒家，或者toSBVC的梦想家，都喜欢预估资源利用率达到100%。每天8万秒，每秒生产3万个无缓存Token，一天就能生产2400M的Token。因为每天硬件成本900美元，产量是2400M，这让每MToken的成本是$0.375（约¥2.5），生产Token就是个暴利生意。
•实际Token售出比例并不可能达到100%。我多方打探、反复脱敏斟酌后，认为Token工厂大约能售出50%的资源。在这个预估口径下，每MToken的成本是$0.75（约¥5），这依旧是个利润达标的生意。
•我们可以看OpenRouter网站上，一堆中立厂商对某个开源模型的公开售价。这些报价和本文预估的$0.375–$0.7的成本，相差并不大。这些专业销售商还在压低硬件成本，提高Token生产效率，灵活调度提高资源利用率，进而将成本压低到能够实现足额盈利。
•提高资源利用率是个复杂的客户运营问题，不同Token生产商，同一个生产商的不同节点，实际资源利用率的差距都很大。未来随着技术追平，随着算力和电力资源不再稀缺，Token工厂的核心竞争力就是能否保持比友商更高的资源利用率。
3.Token售价和售出可行性
做Token工厂想要盈利，就要用售价减去成本。上一章节介绍了Token的大致成本，本节就介绍Token售价和售出可行性。
3.1定价标准很简单
Token产品没有差异，Token的定价上限是"原厂媒体价上浮10%"，Token的定价下限是"逼近公允的Token成本，最多倒贴个10%"。
•大家生产的Token都来自模型原厂，开源模型本就是公开给全球，而闭源模型也很难拿到独家排他授权。因此，我们可以说各家供应的Token没有差异。如果想给Token涨价，那就要做诸如私有部署、定制项目方案等方式，搭售而非主售Token。
•无论是商业Token还是开源Token，用户都能查到原厂公开价格。因为Token毫无差异，用户会选择原厂或者最便宜的供应商，但是实际操作中，用户考虑到便利性、账期、税费等原因，可以接受在原厂媒体价的基础上，价格上浮不超过10%。
•Token工厂报价的下限，基本就是贴着公允的成本下限。就算你没能力卖Token给客户，你总可以按照成本价卖给模型原厂或者其他友商吧？如果你实在是销售能力太差了，你降价到比公允成本低10%，一堆友商会抢着买这种廉价资源。
•很多卖不出去Token的团队，根因是自家资源和人力成本远超了"公允成本"。你失误买了昂贵资源，你失误投入了大量沉没的研发成本，这不是客户要接受高价、友商友情接盘的理由。一个团队如果没能力把成本压下来，那就不适合从事Token生产工作。
3.2模型原厂的新手保护
现阶段，模型原厂是客户购买Token的主要渠道。但对于第三方Token工厂来说，模型原厂不是拦路猛虎，而是个新手保护。
•首先，Token工厂不仅想运行开源模型，也想支付授权费后运行闭源模型。随着开源模型的能力冲击，那几个闭源模型就算为了回收研发成本，也会推动授权分销给第三方token工厂。
•第三方Token工厂大多缺乏品牌知名度和产品包装推销能力，很难从零独立拓客。但是如果客户认可了原厂模型的能力，就很容易接受第三方Token。而第三方Token工厂确实很容易做到比原厂更便宜、服务好，最终原厂是在帮Token工厂完成了教育客户。
•模型原厂要更早抢购昂贵资源去训练模型，在售卖token时需要收回研发成本，他们的Token必然比第三方Token更贵。原厂制定的媒体价和成交价，就是撑起了客户对Token价格的心理预期价值。前段时间DSv4报价从¥2调到¥6，普通用户的反应是"梁圣变牢梁"了，但第三方Token工厂的反应是"梁圣滑动变祖"了。
•这些模型原厂吸引来大量的主动客户，他们自己的资源池无法承载这么多需求（或者因某些原因无法持有高端硬件），也会采购第三方Token工厂的token。虽然他们的采购价格不高，但低价总比空置好。前文3.1说Token定价下限，正源于这类交易。
3.3客户推销的简单展望
在具体推进Token售卖的场景定义、包装宣发和售前销售工作时，Token产品和云主机、CDN、对象存储等产品实在是太像了。历史是惊人相似的，Token推销刚刚遇到或将要遇到的问题，都在10年前云计算行业上演过的。
•首先，云计算行业发展初期（2014–2016）赶上了4G普及，拥有大量使用对象存储产品的小微开发者客户。现在Token行业也是发展初期，也有大量小微开发者客户。Token工厂如果想开拓开发者生态，就应该学习对象存储。但是，我真正的忠告是：无论大家是否成功获取了开发者，Token主战场依旧是企业客户，而服务开发者和服务企业客户两者毫无相似性。
•Token和云主机都是售卖的重载算力资源，这类产品的共同特点是，希望客户能"大量+准时的使用资源"。我在书稿和公众号中多次介绍，云主机产品想要低价就得放弃弹性。到了Token场景也一样，销售想给客户申请低价Token，不仅要关注Token的采购量级，更要约束客户尽量准时使用资源。
•很多人都说"Token很像CDN"，这种类比只能证明——这些人既不懂Token也不懂CDN。CDN作为一个过于成熟的行业，其职场分工和其他云产品有很大的差异，盲目类比极易误导外行。
4.新团队可以成为Token工厂
介绍可行性后，再看一个新议题，什么团队适合进入Token生产这个行业，这个行业能引进新玩家吗？
Token生产当然欢迎新玩家。你们能看到的那些“历史悠久的Token工厂”，绝大多数去年还基本没有Token营收。他们表面上是经验丰富的老团队，其实只比我们早入行几个月。
Token生产是个典型的互联网在线业务。但这些老玩家多是做模型训练、一体机、系统集成起家的。人的思维是有定式的，一帮做软件和集成的人，他们能做好兼具性能、容量和稳定性的在线服务吗？
前些年云厂商增收乏力的时候，一群云主机厂商都想进入CDN行业。当时我解答这些战略可行性问题时，特地在书稿中写明，要做成CDN需要评估"技术-资源-销售能力"三个条件。
现在做Token工厂，同样是需要"技术-资源-销售能力"这三个条件。新玩家至少要能满足两个条件，才能主导相关工作；如果参与者只能满足一个要求，那就必须和其他玩家合作。下文是详细介绍：
•第一个条件，拥有高效率生产token的技术实力。生产token的入门功能性技术很简单，真正的难点就是性能和效率。同样的硬件和模型，别人的团队能每秒生产3万个token，你的团队能每秒生产5万个token，那你就可以通过参与token生产来放大自己的能力。相关技术团队要求靠谱，但不用太豪华，后文我会从技术工程师的角度介绍，Token生产的技术难度并不太大。
•第二个条件，拥有低成本资源。总有一些神通广大的团队，拥有便宜的资金、便宜硬件和便宜机柜，能够发掘冷门闲置资源，或者独揽某些资质和稀缺资源。这些神奇套路吹起来是漫天云霞，但实际上都是水到渠成和锦上添花。
•第三个条件，拥有强悍的Token销售能力。Token的销售能力和其他云产品差不多，不仅仅要看销售总量够不够大，还要看产品价格是否合理——不能是最低价亏损刷营收。如果销售和售前能引导客户，让客户将准时定量的优质需求使用自家Token，把突发峰值流量都丢给竞品，这种销售能力就很完美了。
5.工程师能学会Token生产技术
本文标题是"海外生产Token能赚钱"。对技术人员来说，硬件和客户在哪里是无所谓的。我们可以远程维护，也可以肉身出海，都能生产海外Token。对客户和用人单位来说，经过中式互联网锤炼的中国工程师，无论是技术水平还是敬业精神，都远超当地工程师的。
Token工厂是个新行业新生态，因为扩张迅猛，对新鲜血液的要求比较低。我鼓励泛互联网行业的IT工程师们，大家快来学习token生产技术，我可以很严肃的介绍，这个技术的门槛并不算高。
•AI天价融资和几个AI天才的高薪，并不能证明AI技术有多难。从技术角度看，Token生产就是个"前端无状态随便迁移，后端大负载低速度、前后端没有强依赖"的Web应用，这种应用能有多高的技术难度吗？
•大家都是面向工资编程。我接触过很多Token生产工程师，也看过一些团队的人力构成和研发预算，这些工程师的天资、认知水平和努力程度，就是普通的正常人。如果你在一个在线服务类的后端技术团队中，不看背景和资历，不靠管理和运气，仅凭IT技术在一线城市能拿到月薪3万，那你的资质肯定足以快速学习Token生产那点技能。
•具体到技术学习中，我们就直接学vLLM和SGLang的官方文档和官方blog，如果做PD分离就再看看Mooncake。这些服务的官方文档都简单易读，Token生产（含高阶调优）总共也就三四十个含义明确的参数。AI确实频频技术进步，但这些进步都是工程上简化难度了——比如我半年前学Kvcache时它还是一座大山，但近期新模型都大幅度给Cache瘦身了。
•硬件需要学习，但硬件原厂会主动降低学习门槛，让硬件不会太难。我见过一个老网工学会IB网络后，只能加薪3k，而你学会GPU配置后，会发现这点技能根本谈不上加薪。我们也愿意拥抱非N卡新硬件，但新硬件厂商需要主动引导和培训客户。学Token缺乏高端GPU实验环境，那就去云端租赁。
结束语
我多年前就看轻AI算力云、模型训练等工作的技术难度，那是因为缺乏应用场景，而那些团队就爱吹自己技术多难（其实是场景冷门）。
现在Token生产已然成势，必然也会像十几年前的云计算行业一样高速发展。这是个朝阳行业，值得我们共同努力。
