Полное руководство по новой модели токен-экономики

Автор: Чжао Ин

Источник: WallStreetCN

Монетизация приложений ИИ переходит от продажи программного обеспечения и подписок к продаже возможностей вызова токенов. Здесь «токен» — это минимальная единица информации, обрабатываемой крупной языковой моделью, а также основа расчётов, выставления счётов и потребления через API модели. По мере роста объёмов вызовов токены сами начинают рассматриваться как своего рода «товарные запасы», которые закупаются, маршрутизируются, дробятся и перепродаются.

Аналитик HuaYuan Securities Чэнь Ляндун в недавно опубликованном тематическом отчёте по медиаиндустрии обобщил ключевое изменение следующим образом: «Операционная деятельность с токенами формирует новый промежуточный рынок — рынок дистрибуции токенов, соединяющий производителей крупных моделей на верхнем уровне цепочки с разработчиками, предприятиями и частными пользователями на нижнем уровне. По сути, это инфраструктура ликвидности для глобальной сети оптовой и розничной торговли токенами».

Фоном возникновения данного бизнеса служат несложные причины: с одной стороны, объёмы вызовов токенов в Китае стремительно растут — среднесуточный объём вызовов составлял 100 млрд токенов в начале 2024 года, увеличился до 100 трлн токенов к концу 2025 года и превысил 140 трлн токенов в марте 2026 года; с другой стороны, способности отечественных крупных моделей достигли нового уровня: в ряде рейтингов и по объёмам вызовов они уже вошли в первую мировую десятку. Растущий спрос и увеличивающееся число моделей создают узкое место в процессе транзакций — оплата, сетевая инфраструктура, интерфейсы, соответствие нормативным требованиям, каналы распространения и внедрение в конкретные сценарии использования.

Однако дистрибуцию токенов нельзя просто сводить к «перепродаже квот API». Наименьшую маржу приносит перепродажа с наценкой; более существенную прибыль обеспечивают ускорение генерации выводов (inference), унифицированные интерфейсы, инженерия промптов (prompt engineering) для корпоративных клиентов, оркестрация агентов (agent orchestration), подбор моделей и интеграция с корпоративными информационными системами. Именно из-за относительно низкого порога входа риски на этом рынке также очевидны: усиление конкуренции, необходимость авансирования средств и рост просроченной дебиторской задолженности, а также изменения политики производителей моделей на верхнем уровне цепочки — всё это сокращает маржу промежуточных участников.

Появление «оптовиков» и «розничных продавцов» токенов

Основная цепочка дистрибуции токенов включает три категории участников.

На верхнем уровне находятся поставщики моделей: серия Seedance от ByteDance, серия Qwen от Alibaba, серия GLM от Zhipu AI, серия Kimi от Moonshot, серия DeepSeek и другие — они являются первичными поставщиками токенов.

На среднем уровне действуют платформы-агенты, которые принимают ресурсы моделей от поставщиков и перепродают их конечным пользователям. Их задача выходит за рамки простой перепродажи квот: они преобразуют протоколы интерфейсов различных моделей в единый формат API, позволяя конечным пользователям обращаться к нескольким моделям через один ключ API.

На нижнем уровне находятся конечные потребители токенов — частные лица, разработчики, корпоративные клиенты, а также потенциальные субдистрибьюторы.

Стоимость добавленная промежуточным звеном сосредоточена в нескольких областях: прямое внутреннее подключение снижает сетевые барьеры; единый код совместим с множеством моделей; поддержка как частных, так и корпоративных платежей; возможность получения более выгодных цен при оптовых закупках; агрегация различных моделей (GPT, Claude, DeepSeek, Kimi и др.) на одной платформе позволяет снизить затраты разработчиков на повторное подключение к каждой из них.

Таким образом, дистрибуция токенов выглядит как бизнес с минимальными капитальными затратами: не требуется обучать собственные крупные модели или содержать масштабные серверные кластеры. Основными активами становятся система маршрутизации и перенаправления API-вызовов, ресурсы моделей на верхнем уровне цепочки, каналы сбыта и клиентская база, а также сервисные компетенции.

Взрывной рост объёмов вызовов — прямое топливо для этого бизнеса

Для успешного функционирования модели операций с токенами необходимо наличие достаточного объёма потребления.

Среднесуточный объём вызовов токенов в Китае за два года вырос с 100 млрд до более чем 140 трлн — более чем в тысячу раз. Этот рост обусловлен внедрением специализированных агентов в различных отраслях, а также интеграцией генеративного ИИ в дополнительные бизнес-процессы предприятий.

Данные IDC указывают ещё более агрессивную траекторию: количество активных ИИ-агентов в китайских компаниях, по прогнозам, превысит 350 млн к 2031 году при среднегодовом темпе роста свыше 135 %. По мере повышения плотности и сложности задач, решаемых агентами, годовой прирост потребления токенов ими может превысить 30-кратный уровень.

Эти тенденции уже заметны в исполнительных агентах. Например, недельный объём потребления токенов агентом OpenClaw на платформе OpenRouter вырос с 0,81 Т (тератокенов) в период с 2 февраля по 16 марта 2026 года до 4,97 Т, доля которого в общем объёме вызовов увеличилась с 8,31 % до 24,36 %.

Как только токены становятся массовым потребляемым ресурсом, процессы их закупки, ценообразования, маршрутизации и расчётов естественным образом начинают дифференцироваться по уровням. Производители моделей не всегда могут напрямую обслуживать каждого клиента, а конечные пользователи зачастую не готовы подключаться к каждой модели по отдельности — именно поэтому возникает пространство для промежуточных участников.

Соотношение цены и качества отечественных моделей открывает путь для международной экспансии токенов

Повышение способностей отечественных крупных моделей является ключевым фактором, стимулирующим переход дистрибуции токенов из внутреннего рынка на международный.

Согласно данным SuperCLUE, комплексные рейтинги отечественных моделей, таких как DouBao от ByteDance и серия DeepSeek, уже превысили 70 баллов, сократив разрыв с ведущими зарубежными моделями — GPT-5.4 и Gemini. Модели Qwen, Kimi и GLM от Zhipu AI также сформировали чёткую иерархию.

Согласно данным OpenRouter, за неделю, завершившуюся 10 мая 2026 года, Tencent Hy3 preview (free) заняла первое место по объёму вызовов; среди пяти, десяти и двадцати наиболее востребованных моделей отечественные модели составили соответственно 2, 6 и 9 штук.

Ещё более показательные изменения произошли в первом квартале 2026 года. С 9 по 15 февраля объём вызовов китайских моделей на платформе OpenRouter достиг 4,12 трлн токенов, впервые превысив аналогичный показатель для американских моделей — 2,94 трлн токенов. С 16 по 22 февраля недельный объём вызовов китайских моделей вырос до 5,16 трлн токенов; четыре из пяти самых востребованных моделей на платформе были разработаны китайскими компаниями — MiniMax M2.5, Kimi K2.5, GLM-5 от Zhipu AI и DeepSeek V3.2, на долю которых пришлось 85,7 % суммарного объёма вызовов в топ-5.

Ценовое преимущество также выражено явно. Стоимость ввода (input) для MiniMax M2.5 и GLM-5 составляет 0,3 долл. США за миллион токенов, тогда как для Claude Opus 4.6 — 5 долл. США. Стоимость вывода (output): MiniMax M2.5 — 1,1 долл. США, GLM-5 — 2,55 долл. США, Claude Opus 4.6 — 25 долл. США. В сценариях с высоким потреблением токенов — например, при разработке ИИ-агентов и программного кода — разница в соотношении цены и качества отечественных моделей будет лишь нарастать.

Глобальный дисбаланс ИИ-ресурсов превращает платформы маршрутизации в «транзитные узлы»

Дистрибуция токенов решает не только проблему цен, но и проблему несоответствия ресурсов спросу.

Ведущие зарубежные крупные модели ограничены в доступе по географическому признаку, сталкиваются с регуляторными требованиями и барьерами оплаты, что препятствует их прямому взаимодействию с частью пользователей, включая разработчиков из материкового Китая. При выходе же качественных отечественных моделей на международные рынки возникают трудности с локализацией, налаживанием каналов распространения и привлечением пользователей.

Этот дисбаланс порождает спрос на международную передачу токенов, их агрегацию и маршрутизацию, а также многоуровневую дистрибуцию.

OpenRouter уже представляет собой типичный пример такой платформы. Объём обрабатываемых токенов на ней вырос с 5–7 трлн в неделю в 2025 году до более чем 20 трлн в неделю в апреле 2026 года; годовой доход платформы в 2026 году превысил 50 млн долл. США — примерно в пять раз больше, чем объявленный в октябре 2025 года годовой доход свыше 10 млн долл. США.

Аналогичные платформы есть и внутри Китая. SiliconFlow — это единая облачная платформа для крупных моделей, использующая собственный движок генерации выводов для эффективного ускорения вычислений и одновременно предлагающая корпоративные ИИ-сервисы. По состоянию на декабрь 2025 года платформа насчитывала свыше 9 млн зарегистрированных пользователей, более 10 000 корпоративных клиентов и более 150 моделей в её каталоге.

Даже американские политические капиталы вступили в эту гонку. 5 мая 2026 года криптовалютная компания WLFI, тесно связанная с Дональдом Трампом и его семьёй, совместно с WorldClaw запустила платформу WorldRouter, объединяющую более 300 моделей, включая Claude, GPT и Gemini. Расчёты на платформе осуществляются в USD1, а цены ниже официально заявленных на ~30 %.

Настоящая прибыль не обязательно зависит от «разницы в ценах перепродажи»

Существует три основных модели получения прибыли в сфере дистрибуции токенов.

Первая — разница в ценах при перепродаже. Платформа закупает квоты API у поставщиков моделей оптом и перепродаёт их конечным клиентам по завышенной цене. Примером данной модели служит OpenRouter, который добавляет к себестоимости поставщика надбавку около 5,5 %.

Вторая — технологическая надбавка. Платформа снижает себестоимость обработки одного токена за счёт собственного движка ускорения генерации выводов (inference acceleration engine). При этом цена продажи может быть близка к официальной или даже ниже неё, а валовая прибыль обеспечивается за счёт более высокой эффективности вычислительных ресурсов. Технологии SiliconLLM и OneDiff от SiliconFlow повышают скорость генерации выводов для языковых моделей в 10 раз, а эффективность генерации изображений по тексту — в 3 раза, снижая стоимость вызовов API крупных моделей до 1/10 от рыночного уровня.

Третья — корпоративные сервисные услуги. Затраты предприятий на внедрение ИИ вовсе не ограничиваются ценой одного токена: к ним относятся также инженерия промптов, выбор подходящей модели из множества доступных, интеграция с корпоративными информационными системами, оркестрация рабочих процессов, эксплуатационное управление и развитие ИИ-компетенций сотрудников. По мере снижения базовой стоимости токенов именно эти скрытые расходы всё чаще становятся объектом коммерческой монетизации.

Корпоративная платформа MaaS от SiliconFlow реализует именно этот подход: она предоставляет предприятиям три уровня услуг — адаптацию и дообучение моделей, развертывание и генерацию выводов, поддержку разработки приложений. Сервис охватывает обработку данных, тонкую настройку моделей (fine-tuning), инженерию промптов и RAG (Retrieval-Augmented Generation), а окончательные решения предоставляются в виде стандартизированных API для отраслей, включая энергетику, финансы и государственное управление.

Маркетинг, короткие сериалы, игры и электронная коммерция — сценарии с наибольшим потреблением токенов

Для получения прибыли дистрибуция токенов должна в конечном счёте реализоваться в реальных сценариях применения.

Приложения генеративного ИИ всё шире внедряются в здравоохранение, транспорт, промышленное производство и даже в процессы поддержки принятия управленческих и стратегических решений. Однако у многих компаний база для цифровой трансформации остаётся слабой: недостаточно накопленных данных, ограниченные инвестиции в вычислительные мощности, что делает самостоятельное внедрение ИИ-возможностей затруднительным.

В сравнении с этим рекламные и маркетинговые агентства уже располагают клиентами и готовыми сценариями — короткие сериалы, веб-комиксы, игры, электронная коммерция, — где потребность в токенах является прямой и устойчивой. Для таких компаний возможности выходят далеко за рамки простой перепродажи ИИ-возможностей: они могут интегрировать токены в процессы генерации контента, таргетированной рекламы, производства рекламных материалов и видеоконтента.

Инвестиционные возможности также развиваются по двум основным направлениям:

Во-первых, компании с высококачественными моделями — Alibaba, Tencent Holdings, Kuaishou, Kunlun Tech, Zhipu AI, MiniMax и др.

Во-вторых, компании с сильной ориентацией на практическое применение токенов и качественной клиентской базой, особенно те, кто обладает ресурсами зарубежных клиентов и маркетинговых сценариев и активно инвестирует в ИИ-маркетинг и ИИ-видеопроизводство, — например, Yidian Tianxia и BlueFocus.

Риски тоже серьёзны: низкий порог входа, необходимость авансирования средств и полная зависимость от решений поставщиков моделей

Бизнес-модель дистрибуции токенов отличается лёгкостью, однако «защитный ров» вокруг него не является естественным и устойчивым.

Первый риск — конкуренция среди участников рынка. Технологический порог входа в дистрибуцию невысок, поэтому лидеры отрасли, обладающие преимуществами в финансах, клиентах и каналах сбыта, могут быстро скопировать данную модель и сократить маржинальность.

Второй риск — необходимость авансирования средств и рост просроченной дебиторской задолженности. Дистрибьюторы часто предлагают своим клиентам оплату по итогам месяца или квартала, но при закупке квот API у поставщиков моделей им приходится авансировать средства. Чем выше объёмы потребления токенов, тем сильнее давление, связанное с авансированием; при задержке оплаты со стороны клиентов риск образования безнадёжной дебиторской задолженности также возрастает.

Третий риск — изменение политики поставщиков моделей на верхнем уровне цепочки. Производители крупных моделей контролируют как цены на API, так и правила подключения к ним, и могут в любой момент изменить тарифы или ужесточить условия для сторонних дистрибьюторов. Для промежуточных участников это самый непрогнозируемый и трудноконтролируемый фактор.