运营商 on 红旗下的蛋

“管道”焦虑三十年

Thu, 24 Sep 2026 07:15:00 +0000

其实这个焦虑不新鲜。我在运营商下游干了三十多年，管道焦虑每隔十年重演一次，深刻体会到每次传递给我们，都是更重的焦虑。

这里说的"管道"，不是指通信管道、光缆或承载网具体的一个网络，而是指整张庞大的电信网。

每次我都以为这次不一样，结果回头看，总有几分熟悉，但也总有几分不同。

互联网时代，运营商做过门户，做过信息港，起初是培育，后来是追赶。移动互联网时代，微信把短信和语音打没了，运营商喊管道化，于是做流量经营，做基地，做应用商店。云时代，怕被云厂商架空，三家都做云，天翼云、移动云，还有联通云。现在 AI 时代，怕被模型厂商和路由平台架空，于是做 Token 经营。

但每一次真正留下来的，还是那张网。 流量经营是管道焦虑的产物，最后成了运营商最赚钱的业务之一，可那只是把管道本身经营好了，人还在管道里。

第一幕，互联网时代，先是培育，后是追赶

九十年代中期，中国接入国际互联网。拨号上网的年代，163、169 是上网的号码，上网费加电话费，运营商躺着收钱。那时候谈不上焦虑。互联网本身就是电信技术的延伸，拨号要电信的线路，计费要电信的账单，接入要电信的端口，业务和技术的耦合度极高，运营商是当然的主导者。

最早的互联网业务，大多是运营商培育的。BBS 是电信局搭的，信息港是电信局做的。上海热线、广州视窗、天府热线、商都信息港，每个城市一个本地门户，本地新闻、聊天室、BBS，热闹过一阵。

那时候做这些，是业务培育，跟管道焦虑不沾边。互联网是新生事物，运营商有网络、有用户、有计费、有营业厅，先天优势摆在那里，做信息港是顺理成章的事。

那时谁也没想到，后来会有管道焦虑症。

转折发生在互联网普及之后。用户多了，创新就跑到应用层去了。门户、搜索、IM、电商，一个接一个冒出来。

这些业务有一个共同点，和电信技术的耦合度越来越低。新浪不需要电信的技术，腾讯不需要电信的技术，它们只需要电信的管道。

运营商第一次发现，自己从互联网的培育者变成了互联网的通道，价值在通道之外产生。管道焦虑，从这里开始。

于是开始追赶。中国电信推出互联星空，聚合 SP 内容统一收费。中国移动推出移动梦网，短信彩信、WAP、手机游戏，SP/CP 分成，运营商收通道费，SP 拿大头。联通有联通在信，网通有网通资讯。

结果很有意思。 凡是和电信能力高度耦合的业务，运营商往往更具有优势。凡是能解耦的业务，运营商就越来越容易被推到管道的位置。

门户没做成，新浪、搜狐、网易、腾讯把门户和 IM 做成了。互联星空没做成平台，SP 乱象丛生，短信陷阱、强行扣费，后来被监管整治。

但移动梦网意外成功了。短信增值业务爆发，春节短信拜年成为现象，巅峰时梦网注册用户过亿。

为什么？因为短信增值业务和电信技术高度耦合，短信通道是电信的，话费计费是电信的，SP 想卖东西，绕不开运营商。

后来梦网主体业务逐步收缩，最终全网短彩正式下线，一个时代彻底落幕。

第一幕最讽刺的地方在这里。运营商搭台，SP 唱戏，钱没少赚，但被养大的，是台下的互联网公司。

那几年，几家后来家喻户晓的互联网公司，移动增值业务收入占比极高，是移动梦网的分成救了它们。网易、新浪、搜狐同样靠短信分成熬过了互联网泡沫。

十几年后，这孩子用微信把运营商的短信和语音打没了。

国际对照，戏码差不多。

AOL 与时代华纳合并，接入商加内容商的世纪联姻，几年后爆出巨额商誉减值，成为史上最失败的并购之一。德国电信做 T-Online，法国电信做 Wanadoo，欧洲运营商的门户梦，后来剥离的剥离、衰落的衰落。

唯一做得像样的是 NTT DoCoMo 的 i-mode，推出后用户快速增长，开创了 emoji，话费代收让内容商放心入驻，是运营商做平台的巅峰之作。

但它是个封闭花园，用户只能上 i-mode 版的互联网，而不是完整的互联网。iPhone 一来，花园的墙就塌了。i-mode 活了二十多年，比任何一次向上爬都久，也终究没逃过被开放生态取代的命。

第一幕的教训，落在耦合度上。业务和电信技术耦合度高的时候，运营商是主导者。耦合度一旦降低，运营商就变成管道。移动梦网的成功和门户的失败，分野就在耦合度。

这个道理，我们当时不懂，后来懂了，也晚了。

只是那时候说的耦合，更多是技术和计费上的耦合；后来才明白，耦合还有客户、监管、合规这些维度，有些业务技术上可以解耦，商业和监管上却绕不开运营商。

第二幕，移动互联网，流量经营

微信上线一年后，点对点短信发送量见顶，运营商传出要对微信收费，舆论哗然，最后不了了之。话音收入开始下滑，运营商喊管道化。

应对分两路。一路向上爬。中国移动有飞信、九大基地、MM 商城，电信有天翼空间，联通有沃商店。

飞信最可惜，它比微信早几年，巅峰时注册用户规模超过5亿，但只对移动用户开放，给联通、电信用户发消息要按条收短信费，功能迭代慢半拍。后来改名和飞信，想转企业市场，又撞上钉钉和企业微信，最终停服。

九个基地散落全国，后来内容类五大基地整合为咪咕文化。应用商店全军覆没，App Store 和安卓市场不是运营商能打的仗。

这些项目的宣传一个比一个漂亮，但上线一个比一个安静。

另一路是流量经营。不往上爬了，把管道本身卖好。4G 一开，流量收入几年内就成了运营商的第一收入来源。这一轮，运营商靠把管道经营好活了下来，而且活得不错。

流量为什么能成？因为流量本身就是电信产品，用户用多少、怎么用，都绕不开那张网。耦合度又回来了。

这一轮运营商算是学乖了，不折腾了，反而活下来了。

国际对照，AT&T 不信这个邪。宣布巨额收购时代华纳，要做管道加内容，几年后宣布剥离，再与 Discovery 完成合并。巨额买来的教训是，运营商做内容，主场不在自己手里。

这一轮也让人第一次清楚看到： 赚到钱和拿到话语权，完全是两码事。

流量经营在收入上无疑是成功的。但在产业控制力上，运营商仍然更多是管道，而平台和控制点，长在操作系统、应用商店和超级 App 手里。

第三幕，云时代，三家做云

数据中心建了一堆，云厂商在上面跑，运营商怕自己变成房东，租客赚大钱，自己收租金。于是三家都做云。

这一轮是向上爬最成功的一次。三家云收入连续多年高速增长，靠政务云、国资云冲进第一梯队。天翼云做到千亿级别，混合云市场份额靠前。

到了后来，增速集体踩了刹车。几家云的增速明显放缓，而互联网云厂商普遍保持较高增速。阿里云份额继续上升，华为云、腾讯云也稳步扩张。

原因不复杂。政企上云的红利逐渐见顶了，而 AI 原生云对模型、平台和开发生态的要求，也不是传统运营商的优势所在。

运营商云爬上了云这座山，发现山顶上还是靠资源吃饭，从通信管道变成了算力管道。 爬得越高，看得越清楚，山顶上还是那张网。

但这一轮和以前不一样。云不是单纯的应用，它离网络、离机房、离客户现场更近。

在通用公有云那一层，运营商确实更像资源型管道，连数据中心之间的干线（DCI）也被大厂商自建分流掉了不少；但在政务云、行业云，以及"专线 + 云 + 安全"一体化交付这些环节，运营商在接入侧的物理覆盖、国资背景信任和监管法规壁垒，又构成了极高的耦合深度。

收入上，云已经是运营商的重要支柱；话语权上，有些环节还在争夺之中，远没到盖棺定论的时候。

第四幕，AI 时代，Token 经营

剧本又来了，但背景已经不同。顶级通用大模型是别人的，入口是别人的，运营商手里只有算力和那张网。

于是做 Token 经营，做算力分发，做算力网络，建智算中心。三大运营商也陆续推出 Token 套餐，把自己的模型、第三方模型和算力资源放进统一的平台里。

这次手里多了一张牌，算力。以前运营商只有管道，现在管道两头还连着机房。

但模型厂商和路由平台也在往上爬，OpenRouter 们正在把模型路由做成新的入口。

Token 经营到底是流量经营的翻版，还是门户的翻版，要等三五年才知道。 反正剧本我熟，等就是了。

但这一次，有些环节可能不一样。

纯转售模型 API、简单打包 Token 套餐，这些很容易退化成资源型管道，拼价格、拼带宽，最后回到"算力管道"的老路。

跨数据中心的连接、算力调度、企业级模型服务，以及合规和数据主权，这些东西都离不开网络、机房和本地化服务。运营商手里的这些资源，也许会形成新的控制点。

Token 能不能真正变成运营商的业务，收入只是一个方面。更值得看的，是哪些环节最终绕不开运营商。

剧本有相似之处，也有本质不同

剧本有相似之处。新技术来了，价值往上游和下游跑，运营商被夹在中间，于是焦虑，于是向上爬，于是发现爬上去的地方不全是自己的主场。药方也似，还是做平台，做入口，做生态。

而这种焦虑，也一次次传递给我们。运营商担心被云厂商架空，我们就研究云、算力、DCI；到了 AI 时代，又开始研究 Token、算力调度和 AI 入口。

但每一次真正留下来的，还是那张网。

回头看三十多年，运营商有过一次不再向上爬的应对，就是流量经营。它承认自己就是管道，把管道本身经营好。短信、流量这些与网络高度耦合的业务，最终都成了运营商的重要收入来源。门户、基地、应用商店、很多爬上去却都没站稳；云、Token 经营，则还在路上。

但我渐渐明白：管道不是问题，管道能力才是。

把管道经营好，不再是简单地卖带宽、卖流量。政策法规、物理部署和本地化服务这些东西，恰恰是运营商不容易被绕开的地方。

下一次技术变革来的时候，运营商大概还是会焦虑，还是会向上爬，这没什么可耻的，焦虑是活着的证明。

只是三十多年看下来，我越来越觉得，运营商未必非要成为每一轮新技术的主角。把自己的网络真正变成别人绕不开的基础能力，也许就已经够了。

三十多年，四幕戏，我一场没落。下一场开演的时候，我大概已坐在台下，看年轻人再演一遍。

从 OpenRouter 到运营商 AI 服务网络系列三：运营商 AI 转型的最大瓶颈是什么？

Wed, 26 Aug 2026 07:45:00 +0000

【导语】

上篇回顾：AISN 框架与四层演进路径。运营商目前所处的困境就是AI 系统开发能力不足。如何平衡重资产投入与系统开发投入？本文是"从 OpenRouter 到运营商 AI 服务网络"系列推文之三（终章）。

Token 经营的本质：从资源计量到 AI 价值经营

Token 究竟是什么

Token 究竟是新的计费单位、AI 能力的计量单位，还是未来 AI 任务价值结算的中间单位。在 AISN 战略中，Token 被视为智能服务的统一计量单位，其意义远超技术层面的 Token 计算。Token 经营的提出，标志着运营商计量体系从传输量向智能处理量的根本性转变。若将 Token 简单类比为 AI 时代的流量，则运营商确实难以摆脱管道角色，因为这意味着仍然以传输逻辑理解智能服务。然而，Token 的本质并非网络数据传输量，而是模型处理、生成和计量过程中的基本资源单位。它可以作为 AI 模型调用的重要计量与结算基础，但不能直接等同于 AI 服务的商业价值。相同数量的 Token，在不同模型、不同任务和不同业务场景下可能产生完全不同的价值。因此，Token 更准确的定位是 AI 服务的资源计量单位和商业计价基础，而不是最终的价值单位。随着 AI 服务从模型调用向 Agent 和任务执行演进，Token 可能逐渐成为后台资源结算单位，而用户前台购买的则是 AI 能力、任务执行和最终结果。因此，Token 经营不是流量经营的延伸，而是智能经营的起点。

竞争不是谁的 Token 套餐便宜

如果只是九块九买一千万 Token，运营商很容易陷入 Token 价格竞争。随着模型效率提升、推理成本下降和模型供给增加，单位 Token 的市场价格可能持续下降。因此，如果运营商仅以 Token 数量和价格作为竞争核心，容易陷入同质化的价格竞争。更重要的竞争方向应是扩大 AI 任务需求，并提高单位 Token 所支撑的业务价值。真正应该竞争的是谁能创造更多 Token 需求，以及谁能让单位 Token 产生更高的业务价值。

Token 是不是终极经营单位

初级阶段可能表现为"用户—Token—计费"，但随着 AI 服务向 Agent 和任务执行演进，经营关系可能逐步转向"用户—Agent—任务—结果—价值"。在这一过程中，Token 并不会消失，而更可能退居后台，承担模型调用、算力消耗和服务结算的统一计量功能。用户真正购买的则可能从 Token 数量逐渐转向客服任务、代码开发、合同审核、数据分析等具体 AI 服务。因此，Token 更可能成为 AI 服务体系的后台统一计量与结算层，而不是长期面向用户的最终商品；真正的前台经营对象将随着 AI 服务成熟度提高，从 Token 逐步转向 AI 能力、AI 任务和业务结果。如果运营商长期以Token作为业务的计费单位，那恐怕还逃不脱”管道“的命运。

关键制约：AI 系统开发能力的短板与平衡策略

运营商的能力结构失衡

运营商现有的能力结构呈现明显的偏科特征。在强项方面，运营商拥有算力基础设施、网络基础设施、用户接入、云和企业级计费结算体系等重资产及基础运营能力；在相对薄弱的方面，则主要表现为 AI 业务系统开发、互联网产品设计、开发者生态运营、模型与 Provider 生态 BD、AI 应用孵化和快速产品迭代能力。OpenRouter 的强项在于 AI 系统开发、开发者生态运营、互联网产品迭代和模型生态组织能力；其相对弱项则在于不拥有运营商意义上的大规模自建算力基础设施、全国性通信网络以及移动、固网和政企渠道体系。

AI 系统开发能力的战略价值

AI 业务系统与生态能力不是锦上添花，而是将运营商重资产转化为业务价值的关键能力。没有统一 API、智能路由、计量计费、开发者平台和运行数据闭环，算力难以形成规模化调用；没有开发者生态和 AI 应用生态，用户接入资源难以转化为持续 AI 需求；没有任务编排和服务质量保障，模型、算力和网络资源也难以进一步形成面向任务结果的产品。因此，运营商真正需要补齐的不是单一的软件开发能力，而是将基础设施、AI 资源和用户需求连接起来的业务系统与生态运营能力。

核心矛盾：重资产投入与系统开发投入的资源平衡难题

运营商面临的核心问题并非重资产投入与系统开发投入之间简单的零和博弈，而是如何在资本投入、研发投入和业务收益尚未完全确定的情况下优化能力建设节奏。过度倾向重资产，可能导致算力供给增长快于 AI 需求增长；过度强调软件能力，又可能削弱运营商已有基础设施的差异化优势。因此，真正需要解决的是资本性基础设施建设与业务能力建设之间的动态平衡，以及两者如何形成协同效应。

基于上述分析，本文提出以下可能的能力建设路径。需要说明的是，这些路径属于战略推演和建议，而非对运营商实际组织和投资决策的事实判断。

四项平衡策略

平衡策略一：分阶段投入，推动重资产与系统能力协同演进

运营商不宜试图在短期内同时完成大规模基础设施建设和完整的 AI 系统能力建设，而应根据 AI 需求增长、模型成本变化、算力利用率和业务成熟度，分阶段推进两类能力建设。这里的"分阶段"并不意味着重资产投入逐步退出、软件能力取而代之，而是指随着业务成熟度提高，投入重点由单纯扩大资源规模逐步转向资源效率提升、系统能力增强以及二者的协同优化。

第一阶段为能力验证期（1-2 年） 。核心目标是验证 Token 经营和模型聚合模式。重资产投入重点是 AIDC、智算中心和算力网络建设。系统能力建设重点不追求全面铺开，而是优先建设统一 API 入口、模型接入、基础计量计费、Token 结算和运行监控等最小可行能力，打通"模型—算力—调用—计量—结算"的基本闭环。该阶段的核心目标不是形成完整的 AI 服务生态，而是验证 Token 经营和模型聚合模式，形成可持续的 AI 服务调用需求，并观察算力供给与实际需求之间的匹配关系。

第二阶段为协同发展期（2-4 年） 。核心目标是提升算力、网络与 AI 系统的协同效率。随着 AI 服务调用规模扩大，运营商应继续完善算力网络和异构算力资源，同时明显加强智能路由、开发者平台、模型与 Provider 生态、运行数据分析以及 AI 应用孵化等系统能力建设。在这一阶段，竞争重点逐步从"拥有多少算力"转向"如何更有效地组织和使用算力"，通过模型路由、算力调度和网络感知等机制提高资源利用率、服务稳定性和单位 Token 的业务价值，逐步形成"重资产基础设施 + AI 系统能力"的组合竞争力。

第三阶段为价值经营期（4 年以上） 。核心目标是从资源规模扩张转向资源效率和任务服务能力提升。当 AI 服务形成较大规模的稳定需求后，算力基础设施仍然是运营商的重要战略资产，但投入重点可以逐步从单纯规模扩张转向异构算力优化、资源利用率提升、节点布局优化和网络协同。同时，更多系统能力应向 AI 任务编排、Agent 协同、行业知识服务、服务质量保障和结果评价体系延伸，使运营商能够从提供模型和算力资源进一步转向提供 AI 能力、AI 任务乃至业务结果。

因此，三个阶段并不是简单的"重资产优先、软件优先、重资产退出"的线性过程，而是重资产能力持续存在、系统能力持续增强、二者协同程度不断提高的演进过程。其基本变化可以概括为：第一阶段解决"有没有 AI 服务能力"的问题；第二阶段解决"能不能高效组织 AI 资源"的问题；第三阶段解决"能不能围绕用户任务和业务结果创造更高价值"的问题。

上述阶段划分属于本文提出的战略分析框架，而非对运营商实际投资节奏的预测。实际推进速度取决于 AI 需求增长、模型推理成本下降速度、算力利用率、市场竞争格局、监管环境以及运营商自身资本和研发投入能力。

平衡策略二：借力外部生态，避免全部自建

建议运营商不要试图全部自建 AI 系统开发能力，而应该借力外部生态。与互联网公司合作，引入互联网公司的 AI 系统开发能力，运营商提供算力、网络、用户接入，互联网公司负责系统开发、开发者生态、应用运营，通过调用量、服务收入或项目收益等方式建立利益共享机制。与 OpenRouter 及类似 AI Gateway、模型路由平台开展合作，借鉴其模型聚合、智能路由、开发者服务和运营机制，结合运营商本地算力、网络及政企渠道，快速验证相关业务模式。更好的方式是投资或收购具有 AI 系统开发能力的创业公司，快速获得技术团队和产品能力，避免从零开始自建的高成本和时间成本。这种AI系统开发的核心能力运营商必须自己掌握。开源加自研结合，核心系统如智能路由、计量计费自研，非核心系统如 API 网关、监控系统采用开源方案，降低系统开发成本和时间。

平衡策略三：组织变革，建立互联网化的研发体系

运营商的传统研发体系不适合 AI 系统开发，需要进行组织变革。建议建立独立的 AI 产品研发部门/子公司，独立于传统网络与 IT 部门，采用互联网公司的研发模式，包括敏捷开发、快速迭代，独立的预算和考核机制。引入互联网人才，从互联网公司引进 AI 产品、系统开发、开发者运营人才，提供有竞争力的薪酬和激励机制，建立技术与业务的复合型团队。建立试错文化，允许快速试错、快速失败、快速迭代，不追求一次性完美，而是小步快跑，建立数据驱动的产品优化机制。需要指出的是，运营商作为央企在组织变革中面临的体制性障碍，如薪酬体系、考核机制、决策流程等与互联网公司的根本差异，本研究未充分讨论，这是局限之一。

平衡策略四：聚焦核心场景，避免全面开花

运营商不应该试图在所有 AI 场景上都自建系统开发能力，而应该聚焦核心场景。聚焦政企市场，政企客户是运营商的传统优势市场，政务、医疗、工业、金融等行业具有较强的数字化基础和专业 AI 需求，在满足合规、安全和 ROI 要求的情况下具有较明确的商业化空间，集中资源打造政企 AI 服务能力，避免与互联网公司在 C 端市场正面竞争。聚焦网络加算力协同场景，发挥运营商网络加算力的独特优势，开发网络感知型 AI 服务，如低时延推理、边缘 AI，避免与互联网公司在纯软件领域竞争。聚焦任务结果而非技术实现，从用户视角设计产品，聚焦任务结果，如合同审核、代码生成、数据分析等具体场景，避免陷入技术自嗨，开发用户不关心的功能。

研究局限与后续方向

研究局限

本研究在以下维度存在局限。第一，缺乏对转型财务可行性的量化分析。文章提出了分阶段投入策略，但没有估算各阶段的投入规模、预期回报和投资回收期。运营商高层决策需要财务数据支撑，这一缺失降低了建议的可操作性。第二，未充分讨论监管合规和组织变革的体制性障碍。运营商作为央企，在 AI 服务中面临数据安全、模型合规、内容审核等监管要求，这些既是约束也可能是差异化优势。同时，运营商在组织变革中面临的薪酬体系、考核机制、决策流程等体制性障碍，本研究着墨甚少。第三，对 Stripe 收购 OpenRouter 后竞争格局的变化评估不足。Stripe 收购 OpenRouter 后，OpenRouter 获得了全球最大的支付基础设施能力，其 Token 计量与结算能力将大幅增强，这可能对运营商的 Token 经营构成直接竞争，本研究未对此展开分析。第四，缺少对市场时间窗口的判断。文章提出了分阶段演进路径，但没有评估市场留给运营商的时间窗口有多长。如果互联网公司或 Stripe/OpenRouter 提前占据 AI 服务网络的生态位，运营商的转型窗口可能关闭。第五，本文对运营商用户接入优势向 AI 用户入口转化的机制讨论仍不充分。运营商拥有庞大的移动、固网和政企客户基础，但用户规模并不自动等同于 AI 服务使用规模，二者之间还存在产品入口、用户习惯、应用生态和服务体验等转化环节。第六，本文对网络资源在 AI 推理调度中的实际价值缺乏量化分析。不同 AI 任务对网络时延、带宽和节点位置的敏感程度存在显著差异，网络是否能够形成可持续的 AI 业务溢价，需要结合实际业务场景进一步验证。

后续研究方向

后续研究可在以下维度进一步深入。第一，补充财务可行性量化分析，估算各阶段投入规模、预期回报和投资回收期，为运营商高层决策提供数据支撑。第二，深入讨论监管合规与组织变革的体制性障碍，分析运营商作为央企在数据安全、模型合规、内容审核等方面的约束与差异化优势，以及薪酬体系、考核机制、决策流程等与互联网公司的根本差异。第三，评估 Stripe 收购 OpenRouter 后竞争格局的变化，分析 OpenRouter 获得支付基础设施能力后对运营商 Token 经营的潜在冲击。第四，判断市场时间窗口，评估互联网公司或 Stripe/OpenRouter 提前占据 AI 服务网络生态位的可能性，为运营商转型提供时间维度的参考。

【终章结语】

OpenRouter 获 Stripe 超 80 亿美元收购，验证了 AI 资源编排中间层的商业价值。对运营商而言，简单算力堆叠与粗放 Token 转售均非长久之计，真正难以复制的优势在于海量终端接入、全国性网络、梯次化智算布局、企业级计费体系与政企渠道资源的综合整合能力。

本文提出，运营商应从 Token 经营向 AI 能力、AI 任务与价值经营演进，通过分阶段投入、借力外部生态、组织变革与聚焦核心场景，形成重资产与系统开发的组合竞争力。关键制约并非软件开发人员数量不足，而是 AI 业务系统、产品运营和生态组织能力相对不足。

当前，运营商正站在 AI 转型的关键十字路口。若仅将 Token 经营视为终极目标，而忽视向 AI 能力、AI 任务与价值经营的演进，未能真正形成以 AI 服务为核心、以业务结果为导向的运营模式，则即便拥有海量算力、网络与用户接入资源，最终仍可能陷入"新管道化"困境——从"流量管道"演变为"Token 管道"，难以摆脱价值传递者而非价值创造者的角色定位。反之，若能将重资产优势与系统开发能力有机结合，从"卖资源"转向"卖服务"、从"卖 Token"转向"卖结果"，运营商有望在 AI 时代重塑自身生态位，真正成为 AI 服务网络的价值创造者与主导者。

最终，运营商的成功在于是否形成重资产与系统开发的组合竞争力。运营商能否从 Token 经营走向 AI 能力与任务经营，取决于能否将算力、网络、用户接入和软件生态组织成面向用户价值的 AI 服务体系。

这才是 AI 时代运营商真正的护城河。

数据来源说明 ：本文涉及 OpenRouter 的数据主要来源于 OpenRouter 官方文档与博客、公开行业报道；涉及三大运营商的数据主要来源于公司公开披露及行业媒体报道。部分战略概念，如 AISN、Token 经营、AI 能力经营、AI 任务与价值经营，为本文提出的战略构想。本研究在财务可行性量化分析、监管合规与组织变革体制性障碍、Stripe 收购 OpenRouter 后竞争格局变化、市场时间窗口判断等维度存在局限，后续研究需进一步补充完善。

从 OpenRouter 到运营商 AI 服务网络系列二：运营商如何从"卖 Token"走向"卖 AI 价值"？

Tue, 25 Aug 2026 08:34:00 +0000

【导语】

上篇回顾：OpenRouter 获 Stripe 超 80 亿美元收购，验证了 AI 资源编排中间层的商业价值。运营商不能简单复制 OpenRouter，而应将重资产优势与系统开发能力结合。本文提出 AISN（AI 服务网络）框架，分析运营商如何从 Token 经营向 AI 能力、AI 任务与价值经营演进。本文是"从 OpenRouter 到运营商 AI 服务网络"系列推文之二。

AISN 战略框架：运营商 AI 转型的理论基础

AISN 的概念提出

AI Service Network（AISN，AI 服务网络）是本文提出的用于描述电信运营商在 AI 时代战略转型的理论框架。AISN 的核心理念是，运营商不应仅仅停留在"卖算力"或"卖 Token"的层面，而应构建一个贯穿"用户接入—网络传输—算力调度—模型路由—智能服务"的全链路 AI 服务网络，实现从"连接运营商"向"AI 服务网络运营者"的战略跨越。

AISN 概念的提出基于三个关键判断。第一，AI 时代的价值创造不再局限于单一资源（如算力、模型、网络），而在于资源的智能编排与协同。第二，用户关心的不是后台使用了哪个算力节点或哪个模型，而是任务是否快速、准确、稳定地完成。第三，运营商的真正优势不在于拥有多少 GPU 或带宽，而在于能够将海量终端接入、全国性高品质网络、梯次化智算布局、成熟的企业级计费体系与全域政企渠道进行多维融合。

AISN 与 OpenRouter 的关系

AISN 概念受到 OpenRouter 运营模式的启发，但两者存在本质差异。OpenRouter 是轻资产的 AI 模型聚合与路由平台，其核心能力在于模型聚合、API 网关、智能路由、统一计量计费、开发者生态与应用生态。而 AISN 是重资产的 AI 服务网络，运营商在 OpenRouter 式的能力基础上，进一步整合算力基础设施、网络基础设施、用户接入资源、政企渠道等重资产优势，形成"AI 能力平台 + 算力网络 + 用户入口"的新型运营模式。

简言之，AISN 与传统算力网络的区别在于其核心调度对象不同。算力网络主要解决算力资源的发现、调度和供需匹配问题，其核心对象是算力资源；AISN 则进一步将 AI 任务作为调度对象，将任务需求、模型能力、算力状态、网络状态、服务质量和用户需求纳入统一决策。因此，算力网络主要解决算力资源的发现、状态感知、供需匹配和资源调度问题，其核心关注对象是算力资源，而 AISN 进一步试图回答"一个 AI 任务应该由什么模型、在哪个算力节点、经过什么网络路径，以什么成本和服务质量完成"。OpenRouter 的优势是轻资产地组织 AI 能力，而 AISN 的目标是利用重资产优势，再补上 OpenRouter 式的业务开发和生态组织能力，形成差异化竞争力。

AISN 的核心能力

AISN 的核心能力包括五个维度。第一是统一 API 入口，提供兼容行业标准的接口，屏蔽底层算力、模型、网络的差异，降低开发者集成成本。第二是任务感知与智能路由引擎，根据任务类型、模型能力、算力状态、网络状态、成本和服务等级要求，在具备相应资源控制能力和实时状态数据的前提下，实现模型路由、算力路由和网络路径的协同优化。其核心并非简单选择最快或最便宜的资源，而是针对具体 AI 任务寻找满足质量、时延、成本和可靠性约束的最优执行路径。第三是计量计费体系，以 Token 为基本计量单位，支持按任务、按能力、按结果等多种计费模式，实现从"传输量"向"智能处理量"的计量转变。第四是开发者生态，提供完善的文档、SDK、示例代码，降低开发者集成成本，形成需求侧飞轮。第五是任务编排与结果保障，从"卖资源"转向"卖任务结果"，承诺响应时间、准确率、成本等业务指标，实现从技术语言向用户语言的转换。

AISN 的四层演进路径

AISN 的经营对象可以进一步划分为四个层级，体现运营商从资源计量向价值交付的逐步升级。

第一层是 Token 经营 。以 Token 作为统一计量和结算单位，建立不同模型、算力和 AI 服务之间相对统一的计量、计价和结算体系，使 AI 资源能够进入标准化商业运营。

第二层是 AI 能力经营 。将模型、Token、算力和 Agent 等资源进行组合，形成可以直接调用和购买的标准化 AI 能力，如文本生成、代码生成、知识问答等。

第三层是 AI 任务经营 。围绕合同审核、代码开发、数据分析、客服处理等具体任务提供端到端服务，用户购买的不再是某个模型或 Token 数量，而是能够直接完成的 AI 任务。

第四层是 AI 价值经营 。在具备行业 Know-how、业务数据和结果评价能力的场景中，从任务交付走向业务结果和价值交付，如合同风险识别、审核效率提升和合规风险降低等综合服务。

这一演进路径的核心变化可以概括为：Token 解决"如何计量"，AI 能力解决"提供什么"，AI 任务解决"完成什么"，AI 价值解决"产生什么结果"。Token 并不是这一体系的终点，而更可能是 AI 服务商业化的基础计量层。随着 AI 模型、Agent 和行业应用不断成熟，运营商的经营对象有可能逐步从 Token 向 AI 能力、AI 任务和业务价值迁移。

四层经营对象：从用户视角的演进路径

运营商最终应该经营什么，可以从四个层级理解。这四个层级并不是相互替代的关系，而是逐层叠加的关系：Token 是计量与结算基础，AI 能力是标准化产品，AI 任务是服务化产品，AI 价值是结果化产品。因此，运营商未来并不是放弃 Token 经营，而是在 Token 经营基础上进一步向更高层级延伸。Token 可以继续作为后台统一计量和结算机制，而前台经营对象则逐渐从 Token 转向 AI 能力、AI 任务和最终业务价值。

从用户视角看，四层经营对象对应着不同的产品形态和价值感知。随着经营层级提高，用户与底层技术资源之间的距离逐渐增加，用户购买的对象也从资源使用量逐步转向 AI 能力、具体任务和最终业务结果。

第一层是 Token 经营 。经营对象是 Token 及其计量、计价和结算服务。用户感知的是"我购买了一定数量的 Token"或者"按照 Token 使用量付费"，运营商提供的是模型调用、计量、计费和结算能力。这一层的产品逻辑仍然比较接近传统通信行业的资源计量模式，用户需要理解 Token 是什么以及不同模型的 Token 价格，产品差异化主要来自价格、模型供给、稳定性和服务能力。

第二层是 AI 能力经营 。经营对象是由模型、Token、算力和 Agent 等资源组合形成的标准化 AI 能力。用户不再需要直接关心使用多少 Token 或者后台使用了什么算力，而是购买一个可以直接调用的 AI 能力，例如文本生成、代码生成、知识问答、图像理解或多模态分析。运营商后台负责模型选择、算力调度、Token 计量和服务保障，用户前台感知的是 AI 能力本身。

第三层是 AI 任务经营 。经营对象进一步从通用 AI 能力转向具体业务任务。用户不再购买某一个模型或者某一种 AI 能力，而是直接提出"帮我完成什么"。例如，用户提出合同审核、代码开发、数据分析、客服处理等任务，由 Agent 自动选择和组合相应的模型、工具、算力和业务流程完成任务。此时运营商的核心能力从模型和算力资源管理进一步转向任务编排、过程控制和结果保障。

第四层是 AI 价值经营 。经营对象进一步从"完成任务"转向"产生业务价值"。用户关注的不再是调用了多少 Token、使用了什么模型，甚至也不只是任务是否完成，而是任务最终为业务带来了什么结果。例如，合同审核服务最终关注的是风险识别和审核效率提升，客服服务最终关注的是客户满意度、人工成本和问题解决率，数据分析服务最终关注的是决策效率和业务收益。此时运营商提供的已经不只是 AI 技术服务，而是围绕业务目标提供结果和价值交付。

因此，从用户视角看，四层经营对象可以概括为：Token 层——我买多少 AI 资源？能力层——我能获得什么 AI 能力？任务层——AI 能帮我完成什么？价值层——AI 最终为我创造什么结果？

这四个层级并不是相互替代，而是逐步叠加。Token 仍然可以作为后台统一计量和结算机制，AI 能力则构成标准化产品，AI 任务构成服务化产品，而 AI 价值则代表更高层次的结果化服务。用户越向上层迁移，对底层技术的直接感知越弱，对任务完成质量和业务结果的关注越强。

因此，运营商在产品设计中应遵循一个基本原则： 后台经营资源，前台经营能力；后台调度模型、算力和网络，前台交付任务和结果。 这也意味着，运营商的技术能力越强，理论上越不应该让用户承担理解底层复杂性的成本。真正优秀的 AI 服务网络，应当将模型、算力、网络和 Token 等复杂资源隐藏在后台，通过统一的产品和服务界面向用户提供简单、稳定、可预期的 AI 能力和业务结果。

用户视角下的产品设计逻辑：从技术语言到用户语言

用户真实决策逻辑：质量、时延、可靠性与综合成本

从用户角度看，一个关键判断完全成立，即用户不关心哪个算力节点，用户关心的是任务有没有快速、准确、稳定地完成。在价格可接受范围内，用户会优先选择更强的模型能力、更低的延迟、更高的成功率、更好的上下文理解。用户通常不会单独以算力节点作为 AI 服务的选择依据，而更关注任务质量、响应速度、稳定性和综合成本。对于高价值任务，质量和可靠性通常具有更高权重；对于大规模、低价值或成本敏感型任务，价格因素的重要性则会显著提高。因此，运营商的 AI 产品不应将后台算力节点作为主要卖点，而应将资源调度能力转化为用户可以感知的质量、时延、可靠性和成本优势。算力节点是后台实现，不是前台卖点。用户不会问我的请求是在张家口 AIDC 跑的还是在长三角 AIDC 跑的，用户关心的是我的任务有没有快速、准确、稳定地完成。需要指出的是，对于政务、金融、医疗等对数据主权、数据驻留、安全合规或专属算力有明确要求的场景，算力位置本身可能成为用户可感知的产品属性。因此，“算力节点不可见"主要适用于一般性的 AI 服务消费场景，而不是所有企业级和行业级 AI 场景。

运营商不能把算力节点选择当成产品卖点

如果运营商在产品设计中强调"我们的 AI 服务调度了张家口 AIDC 的 GPU 资源，通过低时延网络实现资源协同”，这种产品表达容易陷入技术导向，自以为是的理解了用户的真实需求。用户其实真正关心的是 AI 能否完成任务、响应速度如何、结果质量如何以及综合成本是多少。因此，运营商的产品设计应该从算力节点转向任务结果，不是我们调度了哪个 AIDC，而是我们帮你完成了什么任务，花了多少时间，多少钱，输出的质量如何。

运营商的算力调度能力应该藏在后台，而不是推到前台

运营商的真正优势是可以把用户请求调度到最优算力节点，可以通过网络感知选择最佳路径，可以通过边缘节点降低端到端延迟。但这些能力应该作为后台优化机制，而不是前台产品卖点。前台产品应该聚焦于任务类型、服务质量、价格透明度。后台优化才是运营商的差异化竞争力，同样的任务，运营商可以通过智能调度实现更低成本、更高稳定性，但用户感知到的是更快、更稳、更便宜，而不是调度了哪个 AIDC。

运营商应该学习 OpenRouter 的用户语言，而不是坚持技术语言

OpenRouter 的成功在于它不跟用户讲 Provider 路由、负载均衡、边缘节点，它跟用户讲一个 API 访问所有模型、自动选择最优模型、失败自动切换。这是典型的用户语言，用户听得懂、用户关心、用户愿意为此付费。运营商应该学习这种语言转换，从算力节点调度转向任务结果保障，从网络时延优化转向响应速度提升，从异构算力混训转向模型能力更强。

【结语】

AISN 是运营商 AI 转型的目标框架，但运营商面临关键制约：AI 系统开发能力短板。运营商真正缺的不是基础设施，而是互联网 AI 业务开发能力。

当前，运营商正站在 AI 转型的关键十字路口。若仅将 Token 经营视为终极目标，而忽视向 AI 能力、AI 任务与价值经营的演进，未能真正形成以 AI 服务为核心、以业务结果为导向的运营模式，则即便拥有海量算力、网络与用户接入资源，最终仍可能陷入"新管道化"困境。反之，若能将重资产优势与系统开发能力有机结合，运营商有望在 AI 时代重塑自身生态位。

数据来源说明 ：本文涉及 OpenRouter 的数据主要来源于 OpenRouter 官方文档与博客、公开行业报道；涉及三大运营商的数据主要来源于公司公开披露及行业媒体报道。部分战略概念，如 AISN、Token 经营、AI 能力经营、AI 任务与价值经营，为本文提出的战略构想。

从 OpenRouter 到运营商 AI 服务网络系列一：Stripe 80 亿美元收购 OpenRouter，运营商能学到什么？

Mon, 24 Aug 2026 09:54:00 +0000

【导语】

2026 年 8 月，支付巨头 Stripe 宣布以超 80 亿美元收购 AI 模型聚合平台 OpenRouter，验证了 AI 资源编排中间层的商业价值。与此同时，中国电信、中国移动、中国联通相继推出 TokenHub、MoMA、元景 MaaS 等 Token 服务平台。运营商是在简单复制 OpenRouter，还是在探索差异化路径？本文是"从 OpenRouter 到运营商 AI 服务网络"系列推文之一。

OpenRouter 是什么？

OpenRouter 是一个 AI 模型聚合与智能路由平台。截至 2026 年 8 月，OpenRouter 已连接 500 多个模型和 80 多个 Provider，服务超过 1000 万用户，每日处理 Token 规模超过 10 万亿。

OpenRouter 通过统一 API、智能路由、透明计费与生态飞轮机制，成为开发者与企业连接多家模型的重要入口。开发者只需接入一个 API，就能调用全球 500 多个模型，无需分别对接 OpenAI、Anthropic、Google 等不同厂商。

2026 年 5 月，OpenRouter 完成 1.13 亿美元 B 轮融资，当时估值约 13 亿美元。2026 年 8 月，Stripe 正式宣布收购 OpenRouter，交易对价据公开报道超过 80 亿美元。上述变化表明，AI 模型聚合、智能路由、统一计量与结算正在形成具有独立商业价值的基础服务层。

OpenRouter 的核心能力：不止是多模型 API

OpenRouter 的核心能力并不只是多模型 API，而是模型聚合、API 网关、模型路由、统一计量计费、开发者生态与应用生态的综合体。

统一 API 抽象机制 ：OpenRouter 通过统一 API 抽象机制屏蔽不同模型厂商的接口差异，使开发者能够以 OpenAI Chat Completions 格式调用全球五百余个模型。智能路由引擎通过对模型能力、延迟、成本、可用性等多维度的实时评估，实现动态模型选择与自动回退机制。

透明计费模式 ：在计量体系方面，OpenRouter 以 Token 为主要计量单位，但并非所有模型和模态均仅按 Token 计费，部分服务还存在按请求、图像等计费方式。对于模型推理本身，OpenRouter 通常采用 Provider 价格透传机制，不对底层推理价格加价；其公开披露的商业化机制包括用户购买平台 Credits 时的平台服务费，以及部分 BYOK 场景的平台费用。因此，OpenRouter 的商业模式并不是简单的 Token 差价销售，而是围绕模型聚合、路由、计量、结算和开发者服务形成的平台化商业模式。

数据飞轮 ：OpenRouter 的竞争壁垒不仅来自模型和 Provider 数量，更来自调用规模形成的数据反馈机制。大量真实请求能够产生模型性能、价格、延迟、稳定性和任务表现等运行数据，这些数据反过来改善模型选择和路由策略，并进一步提升平台的用户体验。因此，其生态优势不仅表现为双边市场效应，也表现为"调用规模—运行数据—路由优化—用户增长"的数据飞轮。

OpenRouter 的生态定位：模型、Provider 与应用之间的中间层

OpenRouter 在生态中的定位是模型、Provider 与应用之间的中间层。对模型厂商与 Provider 而言，OpenRouter 降低获客成本、触达长尾用户、获得真实使用数据，性能更好的 Provider 会获得更多流量。对开发者而言，OpenRouter 降低集成成本、获得更优性价比、避免单一厂商锁定。对 OpenRouter 自身而言，双边平台效应显著，模型与 Provider 越多则开发者越多，路由数据越多则路由越优。

OpenRouter 的模式本质上是一种资源编排型运营模式，其核心竞争力不在于持有大规模算力，而在于对模型、Provider 和服务路径进行智能选择与调度。这一模式为运营商 AISN（AI Service Network，AI 服务网络）战略提供了重要参照，但也揭示了一个关键问题，即 OpenRouter 的轻资产模式与运营商的重资产模式存在本质差异，运营商不能简单复制 OpenRouter 的路径。

三大运营商 Token 模式比较：中国版 OpenRouter 还是 AI 能力交易平台？

中国电信 TokenHub：Token 服务与 AI 服务平台

中国电信推出 TokenHub，定位为 Token 服务与 AI 服务平台。其核心能力包括天翼云算力分发网络平台息壤、智算基础设施平台云骁和一站式智算服务平台慧聚。中国电信 2026 年中期业绩公告显示，星辰 TokenHub 汇聚了 142 个大模型，息壤平台 2.0 已支持超 20 款异构芯片算力，自有加接入智算总规模超过 118.8 EFLOPS。从公开披露的产品构成来看，TokenHub 与息壤、云骁、慧聚等平台形成较强的算力与 AI 能力协同关系，因此其业务形态不仅包含模型聚合，也具有较强的算力聚合、资源调度和 AI 能力分发属性。与 OpenRouter 相比，其突出特征在于能够将模型服务与运营商自有及接入的智算基础设施结合起来。

中国移动 MoMA：模型聚合与路由平台

中国移动推出 MoMA，定位为模型聚合与路由平台。其在 WAIC 等场合对外展示了模型服务网 IoM、数联网 IoD、智能分发网 IDN、智能体互联网 IoA 等布局，目标是围绕模型、数据、智能体全链路提供可信供给和泛在互联服务。中国移动于 2026 年 5 月 8 日在移动云大会主论坛上正式发布移动模型服务平台 MoMA，集成超 300 款 AI 模型，首创智能路由引擎，支持成本优先、效果优先、均衡优先三种策略，可实现单位 Token 成本压降约 30%。MoMA 的意义并不只是模型数量超过 300 款，而在于其已经公开体现出"模型聚合—统一接口—智能路由—成本优化"的平台化特征，这使其在业务形态上已经明显接近模型聚合与 AI 路由平台，而不再只是传统意义上的模型资源目录。与 OpenRouter 相比，MoMA 的表述更偏智能网基础设施，但底层逻辑同样是把 AI 资源网络化、标准化、服务化。

中国联通元景 MaaS 加 Token 超市：AI 能力与 Token 价值运营平台

中国联通推出元景 MaaS 加 Token 超市，定位为 AI 能力与 Token 价值运营平台。其核心产品包括联通元景 MaaS 平台、万象数据工程平台、万悟智能体平台、联通魔方套餐、联通云犀、CubeAI 算网模一体化平台等。中国联通 2026 年中期业绩公告披露，其升级了联通元景 MaaS 平台，搭建了规模化"Token 超市"，汇聚 200 多款主流大模型，积累超过 500TB 高质量数据集。元景 MaaS 更接近 AI 能力交易平台，强调将算、网、智打包为一体化服务，转化为可计量的 Token，用户按需付费。与 OpenRouter 相比，元景 MaaS 更强调运营商的网络、算力和政企渠道优势。值得注意的是，Token 超市本身并不意味着 Token 将长期成为最终商品。其更重要的战略意义在于建立统一的 AI 能力计量、组合和结算体系，使不同模型和 AI 能力能够以相对统一的方式进入运营商的商业体系。随着 Agent 和场景化 AI 服务发展，Token 有可能逐渐退居后台，成为能力和任务服务的资源结算单位。

三大运营商与 OpenRouter 的关系：不是简单复制，而是差异化演进

从公开产品形态来看，三大运营商的平台已经表现出与 OpenRouter 相似的模型聚合、统一接口、Token 计量和智能路由特征，但其建设目标和资源基础并不完全相同。因此，更准确的判断是三大运营商并不是在简单复制 OpenRouter，而是正在吸收模型聚合与路由平台的部分机制，并尝试将其与运营商自身的算力、网络、接入、云和政企渠道结合起来。OpenRouter 的核心是模型市场与模型路由，而运营商可能发展为 AI 能力市场与 AI 基础设施路由。运营商与 OpenRouter 的关键差异在于，OpenRouter 采用轻资产加模型聚合加 API 加开发者生态模式，而运营商拥有算力、AIDC、IDC、云、网络、移动接入、固网接入、政企客户、渠道、边缘节点等重资产优势，但相对缺乏开发者生态、AI 应用生态、模型生态 BD（Business Development，商务拓展/生态拓展）、API 产品能力、开发者关系、AI 产品运营、用户增长、Agent 生态、快速互联网产品迭代能力。因此，核心矛盾是供给能力很强，但需求组织能力不足。运营商真正缺的不是基础设施，而是互联网 AI 业务开发能力。

运营商的真正优势：重资产如何转化为 AI 业务竞争优势

为什么不能简单复制 OpenRouter 的轻资产模式

OpenRouter 采用轻资产加模型聚合加 API 加开发者生态模式，而运营商不能也不应该简单复制。因为运营商最大的竞争优势恰恰是算力、网络与接入资源。因此，运营商应该研究如何把重资产优势转化为 AI 业务竞争优势，而不是试图把自己变成一个纯粹的轻资产模型中介。

运营商的三层差异化优势

运营商的真正优势可归纳为三层。第一层是算力，运营商可以掌握 GPU、AIDC、云、边缘算力，因此可以实现从模型路由到算力路由的升级，即不仅选择哪个模型，还选择哪个算力节点执行。第二层是网络。运营商可以将网络时延、带宽、网络负载、数据中心位置等网络和拓扑状态，与模型推理性能指标如 TTFT、TPOT 以及业务 SLA 共同纳入 AI 任务调度，从而形成网络感知的 AI 路由与资源编排能力。第三层是用户接入，这是运营商区别于多数 AI 基础设施平台的重要潜在优势。运营商同时拥有移动、固网、企业和政企客户等广泛的用户触点，因此具备将通信用户和政企客户转化为 AI 服务用户的潜在入口。但需要指出，用户接入资源并不会自动形成 AI 需求，运营商仍需要通过产品设计、应用生态和开发者服务将网络接入优势转化为实际 AI 使用规模。但网络感知调度的业务价值具有明显的场景依赖性。对于实时交互、边缘 AI、多轮 Agent 和多模态服务等对端到端时延敏感的任务，网络状态可能成为重要的调度变量；对于大量离线、批处理或异步推理任务，网络因素的重要性则相对有限。

真正缺的是需求侧飞轮

运营商目前已经具备较强的算力、网络、云和用户接入资源，但这些资源不会自动产生 Token 需求。真正需要建立的是"开发者—AI 应用—AI 用户—模型调用—Token 消费—算力消费—网络消费—收入—更多开发者"的需求侧飞轮。运营商需要解决的核心问题，不只是扩大 AI 供给，而是将已有基础设施转化为持续增长的 AI 服务需求。

【结语】

OpenRouter 获 Stripe 超 80 亿美元收购，验证了 AI 资源编排中间层的商业价值。对运营商而言，简单算力堆叠与粗放 Token 转售均非长久之计。运营商有重资产优势，如何转化为 AI 业务竞争优势？

数据来源说明 ：本文涉及 OpenRouter 的数据主要来源于 OpenRouter 官方文档与博客、公开行业报道；涉及三大运营商的数据主要来源于公司公开披露及行业媒体报道。部分战略概念为本文提出的战略构想。

Token运营时代：三大运营商的战略分野、共识与迷思

Tue, 26 May 2026 12:57:00 +0000

当AI的认知能力开始像电力一样流动，谁来铺设新的电网？这不是未来学问题，而是正在发生的产业变局。

国家数据局局长刘烈宏3月24日披露，截至2026年3月，我国日均Token调用量已超过140万亿，相比2024年初的1000亿增长了1000多倍，比2025年底的100万亿又增长了40%多。面对这场数据洪流，中国电信、中国移动、中国联通已集体转向——它们试图将“Token”确立为AI时代的基础交换单元，从传统的“流量管道”向“认知服务的智能调度平台”跃迁。

观察它们的战略落子，可以清晰地看到三条截然不同的路径：联通重构网络、移动夯实算力、电信聚合生态。而这背后藏着一个根本性的认知分歧——Token，究竟是标准化的“电”，还是异质性的“认知服务”？

联通：网络架构的重构者

联通是三家之中最早、最系统地将Token提升至网络架构核心的玩家。2026年5月，在2026年世界电信和信息社会日大会的技术研讨会上，中国联通研究院副院长、首席科学家唐雄燕发表了《面向Token运营的互联网基础设施演进》的主题演讲，首次提出“Token Net”技术理念，推动算力智联网AINet向面向Token运营的智能互联网基础设施全面升级。

联通的战略重心落在“以网补算”上。其重点攻坚的TDN（Token分发网络）、PD分离推理架构与KV Cache广域分发调度，意在通过网络的智能路由能力，实现Token的低成本、高吞吐传输。在四川、上海、湖北等地，联通已推出Token Plan产品，提供600万、1200万、1800万Tokens三档可选，融合套餐价格从7.5元/月至359元/月不等。目前，中国联通智算规模已达45 EFLOPS，2026年算力投资占比超过35%。

联通想做的事很明确：成为Token时代基础协议的定义者。

移动：算力底座上的“商品”逻辑

中国移动的Token运营逻辑根植于其“算力网络”战略。2025年12月，陈忠岳从中国联通调任中国移动董事长；在其领导下，移动加速推进AI战略。5月8日，在苏州举行的2026移动云大会上，中国移动正式发布移动模型服务平台MoMA，接入DeepSeek、千问等超300款主流AI模型，首创Token集约化运营模式，通过统一API网关和智能路由机制，实现单位Token成本压降约30%。

移动的底气来自规模。根据2025年全年业绩，中国移动智算总规模已达92.5 EFLOPS（FP16）。其“算网大脑”已迭代至4.0版本，实现百万亿级Token的日调度能力，具备800GB高吞吐能力，建成1ms-5ms-20ms三级时延圈，已完成1500个边缘智算中心升级。

移动的打法本质上是一种“算力批发与零售”模式：用超大规模的算力底座压低Token的生产成本，再用MoMA平台统一分销。它的定位是AI时代的超级算力供应商。

电信：务实敏锐的MaaS聚合商

中国电信在战略表述上最为直白。董事长柯瑞文曾公开表态：“智能云体系就是Token经营体系”，“Token经营的本质就是为用户提供AI服务”。

依托天翼云的深厚积累，中国电信构建了从IaaS到MaaS的五层智能云体系，自有及接入智算总规模超过91 EFLOPS。其路径的核心是“星辰·MaaS平台”——这个类似“模型大卖场”的平台不仅提供自研的星辰大模型（已入选2025年度央企十大国之重器），还接入数十家主流模型，让用户统一按Token计费调用。

5月17日，中国电信正式推出全国Token套餐，个人及家庭用户最低9.9元/月可获得1000万Tokens，开发者及中小企业39.9元/月起。

更为重磅的是，今年4月，中国电信宁夏分公司发布《2026年“Token工厂”生成能力服务集中采购项目》，整体预估含税规模174.38亿元，划分11个标包，建设词元生成、算力归集、模型适配和智能调度底座。这是三大运营商中首个以“Token工厂”命名的百亿级集采项目，标志着Token运营从战略口号走向了规模化落地。

共识：不甘只做“机房房东”

尽管路径各异，但三大运营商在核心战略上高度一致：它们集体拒绝在AI产业链中被锁定在IaaS层——就是那个只提供机柜、电力和散热的角色。向上游的MaaS层、甚至更靠近应用的智能服务层攀爬，是它们共同的方向。

Token的计费颗粒度远小于云计算时代的“核·小时”或“GB·月”。这种细颗粒度的计费模式，让运营商有机会切入模型评测、服务路由、费用结算、生态聚合等高附加值环节，而不仅仅是收机柜租金。

从资本开支动向来看，三大运营商都在缩减传统网络投资，加注算力。中国电信2026年算力基础设施投资255亿元，同比增长26%，占总投资的35%；中国联通算力投资占比同样超过35%；中国移动也在持续扩大智算投入。资源重心的倾斜，已经不是信号，是事实。

“电网幻觉”：被忽视的认知陷阱

但这里有一个被普遍忽略的矛盾。不妨把它叫作运营商的“电网幻觉”。

第一个错觉：Token可以像“度电”一样标准化计费。

三大运营商的战略论述中，都暗含了一个前提——Token是同质化的、可标准计量的单元。这是典型的基础设施思维，可惜算力不像水电气那样，有一致的质量标准。现实是，GPT-4生成的1000个Token与Llama-3-8B生成的1000个Token，在认知价值、准确性和可靠性上差距悬殊。强制统一度量，就像要求名家手笔与印刷品按纸张面积付费，头部的品牌溢价会被抹掉。这恰恰是MoMA平台推行智能路由、压缩30%成本时必须面对的问题：成本压降的背后，谁来定义、谁来交付不同模型的认知质量？

第二个错觉：网络调度可以抹平模型能力的差异。

无论是联通的TDN，还是移动的算网大脑，技术逻辑都是同一套：通过智能路由、KV Cache缓存和算网协同，在广域网上实现Token的最优分发。延迟和吞吐量当然可以优化，但问题在于：当用户需要高价值认知服务时，“选对模型”远比“就近接入一个模型”重要得多。网络的低延迟救不了模型的认知低智商。用户对“数字专家”的指名购买意愿，天然强于对底层网络调度的感知。

第三个错觉：运营商天然具备互联网平台的运营基因。

三大运营商的底色，说到底还是“建机房、拉光纤、做调度”。Token运营看似时髦，但组织能力、人才结构和决策流程，和需要快速迭代、打造爆款、运营用户社区的互联网产品逻辑，存在明显的错配。喊出“Token运营”口号不难，但要在2C市场真正做好模型选品、用户体验设计、内容生态运营，这条路远比铺设光纤更考验功力。

破局：从“AI电网”到“AI超级应用市场”

看清陷阱，是为了找到真正的方向。运营商不该是强行缓存和路由Token的“国家电网”，而应该是聚合全网最聪明大脑、提供统一消费体验的“AI超级应用市场与证券交易所”。

在这个定位下，运营商的核心价值落在三个维度：

第一，信任中枢。由运营商对入驻模型进行分级、认证和评测，用自身的央企公信力替用户解决“选模难”的问题，让不同质量的模型获得差异化的定价与推荐位。

第二，交易平台。提供统一的计费、对账与结算服务——比如话费代扣，让用户无障碍地在不同模型间切换，让模型厂商专注于提升认知水平，不必自建复杂的商业系统。

第三，服务枢纽。将Token服务与通信、云、安全、边缘等多重能力深度整合——这是互联网大厂不具备的独特优势。

中国移动的MoMA平台、中国电信的星辰MaaS平台，已经具备了“模型大卖场”的雏形；中国电信174亿元Token工厂集采、中国联通Token Plan产品的推出，则意味着Token运营正在从概念走向市场。但真正的考验在于，运营商是否敢于放弃标准化计费带来的简单叙事，转而去经营远比管道复杂得多的“认知服务质量”。承认Token不是电，而是认知服务的度量衡，这是所有战略得以成立的前提。

Token运营的大幕刚刚拉开。正视“电网幻觉”，将重心从“传输”转向“服务”，从“调度”转向“信任”——如果能做到，它们完全有可能在AI时代定义一种全新的商业基础设施。反之，如果仍然沿着“度电”式的旧地图寻找新大陆，这场声势浩大的转型，或将止步于又一轮智算设备集采的狂欢。

增值税税率调整对电信运营商有何影响？

Sun, 01 Feb 2026 00:00:00 +0000

财政部、国家税务总局发布的《关于增值税征税具体范围有关事项的公告》（2026年第9号）规定自2026年1月1日起，在中国境内利用固网、移动网、卫星、互联网提供手机流量服务、短信和彩信服务、互联网宽带接入服务的业务活动，其增值税税目由"增值电信服务"改为"基础电信服务"，相应税率由6%上调至9%。中国移动、中国电信、中国联通三大运营商已发布公告，均明确此次调整"将对公司收入及利润产生影响"，并提出将强化运营和管理应对挑战。

对运营商的影响

收入结构和受影响业务规模

各运营商的流量、宽带业务收入占比甚高，其中"手机流量服务"和"宽带接入服务"均包含在新增税负之下。以2024年财报为例：

中国移动：主营业务收入8895亿元，其中"无线互联网"业务收入3859亿元（主要为手机数据），“有线宽带"收入1302亿元（合计3282亿元）。固定宽带用户1.97亿，宽带收入占比显著。
中国电信：服务收入4820亿元，其中移动通信服务收入2025亿元，固网及智慧家庭（含宽带）收入1257亿元（合计3282亿元）。固定宽带用户1.97亿，宽带收入占比显著。
中国联通：2024年营业收入3896亿元，其中"联网通信"基础业务收入约占76%（含移动和固定宽带等）；“算网数智"新兴业务占24%。据此保守估计，约有2960亿元基础通信业务收入受税率上调影响。

上述数据表明，三大运营商主要收入中，流量上网和宽带业务规模庞大，涉及增值税税率上调的收入规模巨大。下表概括各运营商相关指标及预估税负增量：

运营商	2024年主营业务收入 (亿元)	受增值税上调影响的业务收入(亿元)	2024年归母净利润 (亿元)	税率上调后增值税增量 (≈亿元)
中国移动	10408 (营业收入)	≈5161（流量3859 + 宽带1302）	1384	约155（5161×3%）
中国电信	5294 (经营收入)	≈3282（移动2025 + 宽带1257）	330	约98（3282×3%）
中国联通	3896 (营业收入)	≈2960（基础通信收入估计）	90	约89（2960×3%）

注：收入数据来自2024年财报，税负增量估算为相关收入×(9%-6%)。表中收入单位均为人民币亿元。

对营收、利润的短期影响

收入方面： 增值税的上调本身不直接减少运营商的营业收入（因为运营商收费通常未明确列税），但可能通过资费调整对用户施加。若运营商无法完全转嫁这部分成本，则相当于增加了经营成本。

利润方面： 影响更为明显。以中国移动为例，2024年归母净利润1384亿元，净利率约13.3%。若其受影响业务收入5161亿元全部按9%计税而无法抵扣额外成本，税负将增加约155亿元，这相当于将净利润降至约1229亿元（净利率降至≈11.8%）。同理，中国电信净利润330亿元，受影响业务收入3282亿元，增税约98亿元；中国联通净利润仅90亿元，受影响业务收入≈2960亿元，增税约89亿元。若三家运营商短期内完全吸收新增税负，其2024年净利润将被大幅压缩（联通几乎盈余被耗尽）。

各公司公告均指出"将对公司收入及利润产生影响”。但实际效果还取决于成本控制与转嫁幅度。综合考虑三家运营商2024年利润率差异：

中国移动利润率最高（约13%），财务实力强，抗风险能力最强；
中国电信中等（≈6%），受冲击较大；
中国联通较低（≈2–3%），面临的压力最大。

税负转嫁可能性

运营商能否将新增税负转嫁至消费者，需综合竞争态势和监管政策。一般而言，三大运营商竞争激烈，不宜大规模统一提价，但可在新资费和套餐设计上做微调。例如：

资费上调：可能针对流量、宽带套餐适度提价，如增加流量包价格或推出阶梯式资费。3%税率上调可能对应资费上调约2–3个百分点。
优惠调整：减少赠送流量、调整促销活动等，以减少成本支出。
其他业务侧转移：鼓励用户使用增值服务、云业务或数字化服务，提高非基础通信收入占比，以提高综合盈利。

不过，监管层可能关注通信服务价格变化，防止扰乱市场。2014年电信业"营改增"后，运营商在价格上较为谨慎，整体资费并未大幅上涨。这次增税幅度较小，若完全转嫁对用户影响有限，运营商更可能通过结构优化分摊成本。

对运营商员工的影响

税负上升意味着运营商的经营压力加大，各公司均强调"提质增效、降本增效”。在成本控制大背景下，可能对员工产生如下影响：

薪酬与福利趋紧：运营商可能控制薪资增长、谨慎分配年度奖金和股权激励，加大绩效考核力度。中国移动2024年职工薪酬已达1009亿元，占营业收入9.7%，可见人力成本占比较高。在税负增加情况下，公司可能压缩人均成本，提高薪酬与绩效挂钩的比例，限制非核心人员的薪酬增幅。
奖金激励机制调整：奖金和激励方案将更紧密地与公司利润和个人业绩挂钩。若利润受压缩，年度奖金池可能相应减少；同时可能推出更多股权或长期激励以锁定关键人才。
人员编制与岗位调整：业务重心或从传统通信转向云计算、大数据等新兴领域，运营商可能推动内部转岗和再培训，将员工从成熟业务线转移到增长较快的云网融合、算力服务等部门。对于低效冗余岗位，可能通过自然减员、提前退休、内部竞岗等方式优化团队。大规模裁员可能性较小，但部门重组、职能整合等组织架构调整会加快。
工作强度和压力：在强调精益运营和创新发展的背景下，员工工作压力可能增加，需要承担更多跨领域技能任务。同时公司也可能加大对科技人才的投入，部分员工有机会参与AI和云计算等前沿项目，需不断提升技能。

总之，运营商会通过更加精细化的成本管理来应对税负上升，员工的薪资激励和岗位安排会向效率更高、贡献度更大的方向倾斜。

对消费者的影响

资费变化：三大运营商可能会将部分税负通过小幅提高套餐资费或取消优惠活动转嫁给用户。由于税率上涨3个百分点并非巨大增幅，单个用户的月账单增长通常在个位数百分点。例如，原有100元资费套餐，提价到102~103元；但运营商更倾向于通过调整套餐档次或附加包形式来分摊，而非全网统一涨价。
不同群体差异：
- 低收入用户：他们通常选择最低端的套餐，对价格较为敏感。若资费微涨，这部分用户可能更加谨慎地使用流量，尽量通过Wi-Fi上网以节约成本。也可能促使运营商推出更具性价比的基础套餐或专项优惠来维稳用户。
- 重度流量用户：本身话费支出高，增值部分可能略有增长，但对资费变化承受能力较强。他们可能会选择更大流量包或无限流量套餐，以平摊每GB成本；同时也可能继续使用家中或公共Wi-Fi来尽量降低移动数据消耗。
- 企业客户：企业通常与运营商签订专属合同或大流量套餐，对价格敏感度高但也具有议价能力。面对运营商成本压力，企业客户可能在续签合同时要求更优惠的条款或寻求套餐优化。运营商也会考虑通过套餐升级、提供额外增值服务来留住大客户，而不会轻易加倍转嫁税费。
使用习惯调整：轻微的资费上涨可能促使部分用户更注重使用效率。例如，更多人在室内偏好使用Wi-Fi替代移动网络、延后下载大文件、利用流量包和夜间流量政策。短信和彩信上税后亦不利于传统短信收入增长，但现代用户早已普遍使用微信、QQ等即时通讯软件替代短信，影响有限；对于未智能手机用户影响较小且基数较低。
替代通信服务：增值税上调可能间接推动用户更多使用Wi-Fi和OTT（Over-The-Top）服务。家庭和公共场所免费Wi-Fi的使用率可能略增，以减少移动网络费用；微信视频通话、企业云会议、OTT消息等服务将继续替代部分传统业务，从而减弱对运营商基础通信业务的依赖。

总体来看，此次增值税率由6%升至9%的调整对消费者的直接影响相对有限（单月资费上涨几元），但可能会加速用户对套餐内容和通信方式的关注，促进运营商优化产品结构，提高服务性价比。

影响对比表

影响类别	中国移动	中国电信	中国联通
2024年收入(亿元)	主营业务收入8895	经营收入5294	营业收入3896
受影响业务规模(亿元)	手机数据+宽带≈5161	移动通信+宽带≈3282	基础通信≈2960（估算）
2024年净利润(亿元)	1384	330	90
增值税增量 (≈亿元)	≈155（5161×3%）	≈98（3282×3%）	≈89（2960×3%）
备注	利润率高，承压相对小；可通过降本续稳增长	利润率中等，增税冲击明显；需加快提升新增值业务	利润率最低，增税几乎耗净利润，需提速转型

注：以上估算仅供参考。表中数据均来自运营商2024年财报。实际影响还取决于运营商成本抵扣能力和价格策略。

小结

综合来看，增值税税率上调对三大运营商的短期盈利将造成实质性压力，特别是利润率较低的电信业。运营商难以完全通过价格传导税负，需要在成本端做文章，持续提高运营效率，发展云计算、数字化等新业务以改善业绩。同时，此次税改对运营商员工和用户亦带来连锁效应：企业或收紧人力资源成本和激励政策，用户则需适应可能的小幅资费调整和促销策略变化。运营商预期通过"降本增效"和创新服务来化解影响，在稳增长的同时保障用户体验和市场竞争力。

此次增值税率调整，表面上是税收政策的微调，实质上是推动电信行业从传统管道服务商向综合数字服务商加速转型的催化剂。它迫使运营商必须摆脱对基础通信业务的过度依赖，通过技术创新和业务重构来提升盈利能力。对于从业者而言，这意味着需要拥抱变化，提升在新兴技术领域的竞争力；对于消费者而言，则是在享受稳定服务的同时，适应一个更加精细化、数字化的通信消费环境。