随着开源模型性能逼近前沿闭源模型，智能能力正在快速商品化。自2025年1月以来，调用规模暴涨350倍，开源模型推理服务无需准入许可，一个充分竞争的推理算力市场正在形成。Galaxy Digital最新研究指出，推理市场的结构与传统交易场所有着惊人的相似性：Token买方如同交易者，推理服务商如同做市商，而OpenRouter等撮合平台则扮演着交易所的角色。
杰文斯悖论正在上演：企业切换至开源模型所节省的成本，会再度投入用于生成更多Token。OpenRouter数据显示，上周平台路由调度的Token总量达到2025年1月的125倍，其中开源模型流量占比从此前27%提升至75%。
过去三个月，推理服务商、GPU算力租赁交易平台及流量调度平台的风险投资热度急剧升温。
推理市场结构：Token买方、卖方与撮合平台
推理业务存在三类核心参与主体：Token买方、Token卖方以及交易撮合平台。
Token客户包括终端用户、使用Cursor的开发人员、Lovable与Harvey等应用、智能代理集群以及将API接入生产流程的企业。需求弹性分化明显：15%高价格弹性（开发者试验）、25%中等弹性（对话服务）、40%低价格弹性（企业SaaS）、5%价格无弹性（实时响应业务）。总量数据会夸大需求粘性：价格下调10%仅能带动调用量提升0.5%–0.7%。但边际Token需求弹性极高，下一阶段需求由智能代理驱动，OpenRouter超过70%的调度Token来自命令行工具与智能代理，几乎所有新增Token需求都属于弹性需求。
推理服务商（Token卖方）消耗GPU算力小时生成Token，并在撮合平台上报报价。撮合平台（如OpenRouter）对接买卖双方，收取服务费用。关键区别在于Token并非双边交易市场——Token按需生产、交付即消耗，不存在可供仓储、转售的存量，因此缺少买方报价盘，价格发现机制受限。
以OpenRouter上DeepSeek V4 Pro报价为例，同一款开源模型存在18家服务商报价。现象突出：第一，Token报价集中在人为锚定价位；第二，报价区间跨度极大（0.435至1.74美元，价差4倍），量化精度信息披露不全；第三，Token市场不存在促使价格收敛的机制，仅有单边报价盘，缺乏二级市场。
微观结构：做市商逻辑与裂解价差
本文所指微观结构，聚焦Token交易底层运行机制：各参与方实际持有的标的、利润空间如何形成，以及各方账面承载的风险。
Token买方毛利 = 使用Token创造的价值 − 采购成本。买方通过高效模型流量调度（如Coinbase调度开源模型削减90%现金支出）、业务负载重构（批量任务定价减半、缓存降低60%-80%成本）、采购流程专业化（FinOps团队管控）来压降成本。
撮合平台毛利 = 价差 + 服务费 + 衍生收入。OpenRouter在用户充值时收取5.5%服务费，若GPV达10亿美元，可实现5500万美元净收入。平台掌握终端用户体验，未来可向服务商抽取费用，类似Robinhood向Citadel收取订单流付费。但550个基点的无风险费率偏高，市场或出现低价竞争者。
推理服务商盈亏 = Token销售收入 − Token生产成本。服务商为自产Token持续报价，以GPU算力小时作为库存载体，赚取生产成本与售价之间的价差。类似炼油商的裂解价差策略：做多GPU算力小时、做空现货Token。每GPU小时毛利公式为 m = p · R · u − c，其中p为Token单价，R为每GPU小时产出Token数，u为算力利用率，c为GPU小时租赁成本。
举例：GPU小时成本2.74美元，Token定价0.90美元/百万Token，输出速度1000Token/秒，满负荷时每小时收入3.24美元，价差收益+0.50美元；利用率降至50%则亏损1.12美元，盈亏平衡利用率85%。
注意Token单价与产出率相互制衡：更快响应意味着更小批次和更少产出，因此低延迟定价更高。服务商可通过提高定价、压降成本、提升利用率、拉高产出率来增厚利润。技术优化手段包括：模型量化（FP4相比FP8提升1.8倍产出）、前缀缓存（缓存命中率90%时GPU开销降低90%）、推测解码、预填充/解码任务分离（提升10%-30%）、MoE专家并行（吞吐增长1.5-2.5倍）。
这些优化最终会向vLLM、SGLang等开源引擎扩散，技术优势快速衰减：预填充/解码分离普及耗时11-16个月，MLA耗时3-8个月，EAGLE-3仅1-2个月。部分开源实验室允许服务商提前获取权重，换取15%-30%收益分成，类似做市商争夺IPO订单流量。
算力期货：双边交易市场
Token本身无法标准化和稳定存续，因此风险转移必须下沉到同质化的GPU算力小时。Ornn算力价格指数已用于标准化价格发现，Architect Innovation Exchange等平台提供双边流动性。算力现货年化实际波动率均值高达130%，当前达312%。当租金飙升时（2026年5月较谷底上涨101%），现货交易成本翻倍，而Token价格单调下降，未对冲的推理服务商面临亏损。
引入对冲后，毛利公式变为 m = p·R·u − (F0 + f)，其中F0为期货价格，f为资金成本。正向市场（Contango）中，买方支付持有成本；反向市场（Backwardation）中，买方获得折价收益。通过期货合约，敞口价格风险转化为确定成本，服务商仅需管理自身可控的产出率R和利用率u。
对冲模式仍存在基差风险、需求不确定性和合成多头敞口等局限。总体而言，推理算力市场正逐步成熟，从Token生产到算力期货的完整金融生态系统正在形成，为参与者提供了全新的风险管理和价值捕获工具。