北美大厂AI收费模式变革：从Tokens到PTU的演进与投资机遇

行业研究·行业专题计算机·人工智能投资评级：优于大市 证券分析师：熊莉021-61761067xiongli1@guosen.com.cnS0980519030002 摘要 Ø事件：海外云厂数据中心AI收费方式从Tokens到PTU的变化，是行业为适应AI应用增长和成本管理需求而进行的调整。随着AI Agent等应用兴起，Token消耗量呈指数级增长，超大型客户的Token账单失控，促使云厂商推动计费模式转型。PTU模式成为超大型客户的主流选择，行业整体呈现“ PTU + Token”的格局，并逐步向更高比例PTU演进。 Ø影响一：模式切换初期ROI阶段性触底。定价复杂性带来短期利润波动，但这是行业成熟的必经之路，市场预期已充分消化该利空。 Ø影响二：为客户提供更优服务，提升客户粘性。PTU/MaaS模式提供可预测成本，深度绑定大客户，长期将显著提升AI用量与粘性，构建更可持续的收入增长引擎。 Ø影响三：毛利率从“波动”到“稳健”变化。短期来看，该收费策略的转变带来云业务毛利率旅游下；但随着资源利用率的提升及合同稳定性的增强，远期来看，整体毛利率结构从高弹性向高韧性转变，盈利质量更佳。 Ø影响四：定价变革或可带来新的投资机遇。云厂定价模式目前正处于变革拐点期，预计未来一年内定价变革影响消化完毕，订单长协化趋势明显，收入与利润增长确定性显著提升，或可带来新的投资机遇。 Ø风险提示：AI应用落地不及预期、市场需求不及预期、行业竞争加剧、宏观经济波动。 目录 AI收费演变：从Tokens到PTU01定价模式改变，影响云厂Capex和ROIC02云厂商应对措施03风险提示04 Tokens计费模式不利于企业长期规划预算 ØTokens计费模式存在局限性，在AI快速发展的背景下，成为企业规模化应用的障碍。 •Token计费模式：以实际消耗的Token数量为计价单位，用户按调用AI模型时产生的输入/输出Token量付费。 •特点：适用于中小客户或按需使用场景，灵活性高，但成本随使用量波动，超大型客户若Token消耗量巨大，账单可能失控。 •局限：难以预测长期成本，不利于企业规划预算，且在高频调用或复杂任务场景下，成本可能迅速攀升。技术不可预测性与商业预算困境共同导致客户抵制，阻碍AI业务落地。 资料来源：Gartner，国信经济研究所整理 资料来源：Gartner，国信经济研究所整理 AI定价模式演进：从“按次零售”到“资源订阅” ØAI定价模式演进：从“按次零售”到“资源订阅”的必然阶段。随着AI Agent等应用兴起，Token消耗量呈指数级增长，超大型客户（如A3级别以上）的Token账单失控，促使云厂商推动计费模式转型。PTU模式成为超大型客户的主流选择。 •PTU（预配吞吐量单位）计费模式：用户预先购买一定数量的PTU，云厂商为其分配相应的计算资源（包括硬件、软件、模型等），按年/月/季固定收费，与实际Token消耗量无关。 •特点：1）成本可预测。用户可提前锁定成本，便于企业财务规划。2）资源保障：确保用户独享计算资源，避免因共享资源导致的延迟或性能波动，适合对延迟敏感、需稳定吞吐量的场景。3）客户粘性高：通常要求用户签订长期合同（如3年），增强客户与云厂商的合作稳定性。 •局限：若用户实际使用量低于购买的PTU，可能存在资源闲置成本；若使用量超出PTU，需额外付费或升级套餐。 资料来源：国信经济研究所整理 定价模式类比移动互联网：从0.01元/KB到“无限流量” ØAI收费模式从Tokens逐步切换到PTU，这种“按次零售”到“资源订阅”，是行业经历的必然阶段。定价模式的转型类似于中国的移动互联网收费，经历了从最早的0.01元/KB到今天的包月“无限流量”，用户从“购买流量”转向”购买服务“的转变。 •2G时代：1994年，中国首个GSM电话拨通，正式进入2G时代。2000年以后，中国移动推出”神州行“等品牌，流量收费模式为3元/15M、5元/30M，超出部分按0.01元/KB计费。2003年中国移动在部分省市推出WAP包月套餐，每月流量不限，收费在10-20元之间，短信和通话仍然为主要业务。 •3G时代：2009年，工信部正式发放3G牌照，我国进入3G时代，流量计费从KB转向MB。以2009年中国移动推出的无线上网卡为例：150元/月包3GB国内流量，超出后按0.1元/MB计费。随着2010年iphone 4引入国内，流量需求激增，流量单价大幅下降。 •4G时代：2013年4G牌照发放，中国进入4G时代。2015年国家明确提出”提速降费“，流量单价大幅降低，进入包月无线流量时代。2016年11月腾讯推出”大王卡“，开启”定向免流“时代，19元包月，腾讯系APP免流，用户从”购买流量“转向”购买服务“。此后不限量套餐全面爆发。 •5G时代：2019年6月，5G牌照正式发放，中国进入5G时代。进入”按速率分级“时代，推出如199元套餐限速1GB，299元套餐限速2GB的速率套餐，流量多少不再成为定价的核心。 目录 定价模式改变，影响云厂Capex和ROIC02AI收费演变：从Tokens到PTU01云厂商应对措施03风险提示04 AI定价模式改变云厂商Capex ØAI定价模式演进，会对云厂商的财务状况产生两大核心影响。在资本支出方面： •Tokens模式下：厂商基于不确定需求投资，导致CAPEX呈脉冲式波动，风险很高。在按需计费模式下，云厂商收入波动大，难以精确预测未来算力需求。这导致其在进行大规模基础设施投资时面临巨大风险：投资不足可能导致服务中断和客户流失；投资过度则会造成资源闲置和成本浪费。这种“不确定性”的投入模式财务风险极高。 •PTU长协模式下：CAPEX可以根据合同按需规划，变得更加平滑和可预测。长期承诺合同提供可预测现金流。这使得厂商能：1)基于锁定需求精确规划采购；2)利用长单优势优化供应链；3)锁定能源供应确保稳定。这降低了财务风险，提升了资本效率。 资料来源：微软财报，国信经济研究所整理 资料来源：谷歌财报，国信经济研究所整理 毛利率短期承压下降，长期实现稳定增长 ØAI定价模式演进，会对云厂商的财务状况产生两大核心影响。在毛利率方面：Tokens模式下：毛利率差异较大，极不稳定。PTU模式下：虽然单客户利润可能不那么高，但由于资源利用率提升和客户被锁定，整体毛利率会进入一个更稳定、更健康的增长通道。 •毛利率短期承压下降,长期客户回升+成本优化，实现稳定增长。短期：为了吸引客户从按需付费转向长期承诺（PTU），云厂商必须提供有吸引力的折扣。因此每单位算力的毛利率会暂时下降，市场可能会因此担忧云厂商的盈利能力。长期：长期合同极大地增强了客户粘性，降低了流失率。同时，由于成本可预测，客户会更愿意扩大AI应用的规模，总用量的提升将弥补单价下降的损失。此外，可预测的需求使云厂商能优化供应链（如与芯片商谈更好价格）和运营成本（如提升数据中心利用率），可以摊薄单位成本。定价模式转变，使得毛利率将从短期的低点回升，并进入一个比Tokens模式下更稳定、更健康的增长通道。 资料来源：亚马逊财报，微软财报，谷歌财报，Meta财报，国信证券经济研究所整理（注：微软25Q3之后单独披露云业务毛利率，此前仅披露利润率。计算方式为：部门营业利润/部门营收，Google和亚马逊计算方式同微软） AI定价模式改变云厂商ROIC/毛利率 •投入资本回报率(ROIC)方面：从历史表现来看，受整体收入、利润增长推动，2025Q4大厂R0IC整体同比上升。回顾近几年数据，AI需求推动各厂商资本开支大幅上行，公司的ROIC表现受到明显影响，随着AI推动收入、利润提升，整体呈现现上行趋势。2025Q4，受AI、云服务等需求驱动.Meta、微软净利润维持同比增长，ROIC分别同比增长0.78、2.46个pct。其中Meta、微软净利润环比增速较快影响整体ROIC环比表现。 •ROIC未来会触底反弹，或可显著提升。长期合同让CAPEX从“脉冲式”的盲目投资转变为“平滑式”的精准投资，资本使用效率大大提高。此外资产周转率也有提升，同样的硬件资产能产生更多的收入，资产周转率提升。长期毛利率的稳定增长将提升净利润，也会带来ROIC的进一步提升。 目录 AI收费演变：从Tokens到PTU01定价模式改变，影响云厂Capex和ROIC02云厂商应对措施03风险提示04 云厂商基于核心优势的差异化战略布局 Ø面对AI定价方式从Tokens向PTU /长期承诺的转变，全球云厂商基于各自的核心优势，采取了差异化的应对策略。 •微软：具备强大的企业客户基础、与OpenAI的深度绑定、以及Windows、Office 365、GitHub等核心产品构成的庞大生态系统。它不只是提供AI算力，而是将AI能力（特别是基于GPT的Copilot）深度融入其核心生产力工具中。通过推出“Azure AI承诺计划”，鼓励企业客户签订1-3年的消费承诺合同，将AI支出锁定在其整个云生态系统内。其目标是让客户在使用Office、Windows等日常工具时，自然而然地消费AI服务，从而实现深度锁定。 •亚马逊：全球云市场份额第一，拥有最广泛的客户基础和最强大的基础设施，同时通过自研Trainium和Inferentia芯片获得了显著的成本优势。大力推广“AI/ML节省计划”（Savings Plans），为客户提供比按需付费显著优惠的价格，特别是针对使用其自研芯片的任务。AWS的目标是利用其规模效应和成本控制能力，以最具竞争力的价格吸引客户签订长期承诺，从而巩固其市场领导地位。 •谷歌：在AI/ML领域拥有深厚的技术积累，自研的TPU在性能上具有领先优势，同时拥有PaLM、Gemini等强大的自研大模型。谷歌强调其在AI技术上的领先地位，通过提供高性能的TPU Pods集群和先进的Vertex AI平台，吸引对性能和技术有极致要求的客户。谷歌将其“承诺使用折扣”（CUDs）扩展至AI平台，旨在通过技术优势而非单纯的价格战来赢得长期合同。 资料来源：微软官网，谷歌官网，亚马逊官网，国信经济研究所整理 大模型厂商计费模式与服务形态的转型 面对AI定价方式从Tokens向PTU /长期承诺的转变，上游的模型厂商的收费方式与服务形态也发生了转变。 Ø从API调用到企业级订阅：API调用按Token用量向开发者及中小企业收费，模式灵活但成本不可预测。当前大模型厂商更倾向推出面向大型企业的“企业级订阅”或“专用实例”服务，客户签订年付或多年合同，可获固定调用额度、更高SLA、专属算力资源及优先技术支持，该模式为企业提供成本确定性，也为厂商锁定长期收入。 Ø从公有云到私有化部署：金融、医疗、能源等行业客户对数据安全、隐私防护与低延迟性有着极高要求，不愿将敏感数据上传至公有云。大模型厂商提出大模型私有化部署方案：客户购置硬件服务器后，可将大模型直接部署于自有私有云或本地数据中心。收费采用“一次性授权费（涵盖模型许可与部署服务）+年度维护费（覆盖模型迭代与技术支持）”模式，彻底摆脱Token计费限制，为客户赋予最高等级的控制权与安全性。 Ø从单一模型到平台服务（MaaS）：大模型厂商正从主要提供单一的基础模型API，加速演进为模型即服务（Model-as-a-Service, MaaS）的全新形态。大模型厂商不再局限于输出模型本身，而是围绕客户的全流程AI需求，搭建起一套覆盖数据清洗、特征工程等数据处理环节，适配多场景的模型微调服务，灵活高效的部署运维方案，以及实时动态的监控管理体系等在内的完整工具与服务矩阵。客户无需再投入大量成本搭建独立的AI基础设施，只需像订阅云服务一样，按需订阅整个AI能力平台，就能快速启动AI应用开发，大大降低了AI应用的技术门槛与试错成本。 资料来源：阿里云官网，国信经济研究所整理 目录 AI收费演变：从Tokens到PTU01定价模式改