别人都在拼Token单价，华为云为什么选了“第三条路“？

当火山引擎豆包喊出0.0008元/千Token的时候，所有人都觉得云计算的价格战打到了尽头。但华为云在INSPIRE大会上给出了一个反直觉的回答：Token好不好，不看单价，看它提了多少效率。

开篇

中国云厂商集体卷进Token价格战是2024年夏天的事。DeepSeek V2打响了降价第一枪，火山引擎豆包以0.0008元/千Token的定价点燃了导火索，阿里、百度、腾讯、讯飞一个接一个入场。推理算力的毛利率被压到负数，所有人都在赌同一个逻辑——用低价模型引流，带动背后的公有云销售。

但华为云在2026 INSPIRE创想者大会上选择了不跟。

CEO周跃峰的原话很有指向性："在国产化算力正在成长的情况下，华为云不太在乎Token总量，也不在乎收入总量。"他举了个例子：一个人闲来无事在手机上问AI一个问题，也会产生Token，但这种Token的价值很难衡量。在他看来，衡量一朵云做得好不好，不该看它跑出了多少万亿Token，而该看这些Token替企业提了多少效率。

这番话把打了两年多的价格战，拉到了一个完全不同的维度。

一场没有赢家的囚徒困境

回头看2024到2025年，Token价格战的惨烈程度在云计算历史上都少见。

DeepSeek V2在2024年5月掀起降价潮后，各大云厂商只能跟进。豆包的定价低到让人怀疑是不是标错了小数点，阿里很快给出了对标的报价，百度、腾讯、科大讯飞前赴后继。没有谁想打这场仗，但谁也退不出来——跟了亏钱，不跟丢市场。

这套打法的内核并不复杂：把大模型当成超市里的鸡蛋，低价引流，期望顾客进来顺便买点别的东西。但现实是一大批用户真的只进来拿鸡蛋就走。推理成本越降越低，云计算高价值服务的转化率远没有追上来。

转折点出现在DeepSeek R1发布之后。Coding和视频模型对Token的需求呈指数级暴增。但各家的竞争焦点几乎没有变化——还在比谁的Token更便宜、谁的调用量更大。算力毛利率继续承压，与此同时真正进入企业生产流程的Token占比并不高。大量消耗发生在闲聊、测试和无效调用上。

周跃峰在现场提了一个微妙的问题：Token质量呢？

这不是一个容易回答的问题。因为当所有人都在比价格，没有人愿意说自己卖得贵。但客户心里有一本账——便宜的Token如果解决不了问题，再便宜也没有意义。这个困局，正是华为云选择"不跟牌"的现实背景。

第三条路叫什么：Agentic Infra

INSPIRE大会上，华为云推出了一个全新概念——Agentic Infra。翻译成大白话，就是让AI在底层跑得更稳、更快、更聪明。

这个框架包含四个维度：高效的Token工厂、可持续学习、通智一体化调度、安全自治。每个维度都有对应的硬件和软件产品落地。

最引人注意的是AICS灵衢智算集群。基于灵衢网络，它支持10万卡级别的规模，总算力200EFLOPS，Token生成时延压缩到10毫秒以内，千卡每秒吞吐量500万Token，在线服务可用性99.95%。华为云管它叫"Token工厂"——一个不太像云厂商会用、又特别精准的工业词汇。

配套的CCE Volcano Next调度引擎也是个有意思的产品。它用"训推共池+碎片整合"的方式，把通用算力和智能算力混合调度，资源利用率提升30%以上。简单说就是：显卡碎片时间被捡起来重新利用，不用让算力闲置着等活干。

AMS记忆存储方案做了PB级的记忆空间，用NPU直通硬件实现。AgentSphere则提供了100毫秒级启动的智能体安全运行环境。这些产品的名字虽然有点难记，但背后的逻辑很统一：不靠降价来省成本，靠架构创新来提升效率。这是两种完全不同的竞争思路。

在模型平台层面，华为云发布了ModelArts Next。MaaS模型路由是一个实际价值很高的功能——根据请求特征自动调度最合适的模型，目前接入了15款SOTA模型，官方称调度精准率超过95%，调用成本平均降低20%。换句话说你的钱没有花在买更便宜的Token上，而是花在了让昂贵的Token干它擅长的活上。

还有今年刚端出来的RLaaS——强化学习即服务。强化学习在复杂决策场景里的价值已经被反复证明，但部署门槛一直很高，大多数企业知道它有用但用不上。华为云把它做成了一个云服务，相当于给企业级AI加了一个开箱即用的"决策引擎"模块。

国产算力：不想做大，只想做开放

华为云的差异化有一个任何同行都不具备的杀手锏——从昇腾芯片到ModelArts工具链的全面国产化。

2025年初DeepSeek爆火的时候，华为云和硅基流动在昇腾CloudMatrix 384超节点上部署了DeepSeek-R1/V3，推理效率追平了英伟达H800。从那时起，国产算力不再只是一个"情怀选项"——它确实能跑出头部的模型效果。

周跃峰在大会上提出了"第二个算力平面"的概念。不拿国产算力的规模去和英伟达的"万国牌"算力比大小，而是给全球开发者多提供一个技术路线和生态选择。这话背后的潜台词是：华为云不追求做最大的算力平台，但想做最开放的。

开放表现在三个层次：底层算力开放（昇腾+鲲鹏）、操作系统开放（欧拉）、模型生态开放。INSPIRE大会上，华为云联合智谱、DeepSeek、Kimi、阶跃星辰、百度等20多家模型厂商发布了"百模千态"合作计划。

这件事的意义在对比中更明显。火山引擎有豆包，阿里云有通义千问，百度云有文心一言——各家自研模型在自家平台上的优先级天然更高。华为云没有自研的基础大模型，对所有第三方模型一视同仁。这种"中立性"在政企和金融客户那里价值很高，因为这些客户最怕被某个模型绑定。

落到地面上：从病理切片到机器人

把硬件架构和价值讲得再好，最后还是要回答一个问题：客户用上了吗？

华为云这次拿出了几个很有说服力的案例。

具身智能赛道是个好例子。中国有300多家具身智能创业公司，绝大多数规模不大。华为云推出了CloudRobo开发平台，让这些中小企业低成本接入、共享数据和模型。周跃峰的原话很接地气：“让它们各自自建算力和数据链，压力太大了。”

更扎心的案例来自医疗。全国能看病理切片的医生只有约2万名，缺口大到无法想象。偏远地区的病理误诊率居高不下，患者为了一个确诊要往返几百公里。华为云和瑞金医院联合开发的病理大模型已经上线运行了，县域和地市级医院通过云端就能调用三甲水平的诊断能力。

这个案例可以很直观地回答周跃峰关于"Token质量"的那个问题。一个偏远医院发起的病理诊断请求产生的Token不多，但它直接改变了患者的人生。从这个角度看，Token的"含金量"远比"含Token量"有价值。

华为云也在推面向智能体的混合云方案和机密计算。政府、金融、央国企对数据安全的要求不是"最好有"，而是"必须有"。华为云给的是公有云加私有云"两条腿走路"的方案，不想放弃任何一边。

谁是赢家

华为云的"第三条路"到底能不能走得通？

有几个信号是正面的。首先，它打破了云厂商同质化竞争的死循环。当所有人都在同一个维度上拼价格，最后谁都不赚钱。华为云选择在技术路线和生态构建上找差异，这个战略方向本身是扎实的。

其次，国产算力的可行性和商业价值得到了实质性验证。从昇腾芯片到病理大模型落地的链条已经走通了。医生通过国产算力解决误诊问题，这不是情怀——是实打实的生产力。

第三，“Token健康度"这个概念的出现，很可能标志着产业进入了一个新阶段。就像互联网从"流量为王"转向"增长质量”，AI基础设施也会从"数量竞赛"走向"质量竞争"。华为云选择在这个节点提出这个说法，时机抓得很准。

但挑战同样明显。华为云没有自研基础大模型，意味着它必须比任何云厂商都更好地服务第三方模型。这种"中立"能不能持续赢得模型厂商的信任，需要时间来验证。从智谱、DeepSeek、Kimi愿意加入"百模千态"来看，至少第一步走得不差。

另一个潜在风险是：当算力需求持续膨胀，华为云能否保持昇腾生态的迭代速度？追赶英伟达的研发节奏不是一件容易的事，一点一点缩小差距和突然拉开差距是两回事。

周跃峰在大会结尾说了一句话让我记了很久：“华为云要做硅基黑土地。”

黑土地上种什么、谁来种、怎么种，华为云说它不关心。但土地本身是否足够肥沃、足够开放——这才是"第三条路"的全部赌注。