DeepSeek登顶全球第一，但这说明了什么

上周，一款名为DeepSeek V4．1－Flash－1017的国产大模型在全球AI平台OpenRouter上以33．6万亿Token的周调用量登上榜首——这个数字不仅远超任何单一海外模型，更是环比暴增801％的异常曲线。同一天，寒武纪董事长陈天石在季度业绩说明会上对市场上“明年芯片出货百万颗”的说法逐一否定。

一个在应用层跑出惊人增速，另一个却在供给端主动降温。这构成了当前中国AI赛道的两张底牌。

801％的环比意味着什么？

33．6万亿Token是什么概念？OpenRouter测算显示，上周全球AI大模型总调用量约188万亿Token，其中来自中国模型的总量为93．54万亿Token——占总量的近一半。而美国模型同期仅贡献22．47万亿Token。更值得注意的是，中国模型已连续26周超过美国。

但801％的环比才是真正值得盯住的数字。一个月前的基线大约在4万亿Token左右，短短几周内翻了近八倍。这种增长速度在商业产品迭代中极为罕见。

从OpenRouter的公开信息来看，它本质上是一个AI API聚合分发平台，将不同公司的API统一接入后提供给开发者使用。其Token计数的覆盖范围包括免费额度请求、按量付费企业调用以及开源模型的托管请求。DeepSeek V4．1系列凭借性能与价格的双重优势，正在这类平台上持续攫取份额。

这意味着一件事：中国大模型已经不再停留在技术验证阶段，而是进入了用户可感知、使用成本可比较的商业化竞争期。

“全球第一”的边界在哪？

这里需要先厘清一个关键概念。OpenRouter上的调用量统计并不等同于商业收入，更不是最终用户规模的全景图。

首先，OpenRouter上存在大量免费的测试性调用和开发者体验流量。一个实验型项目可能在一周内发出数万亿Token的查询请求，但对模型的边际成本几乎为零。其次，很多企业的核心推理需求是通过直接采购API或私有化部署完成的，这些流量根本不经过OpenRouter这样的第三方聚合渠道。

换句话说，33．6万亿Token确实是实打实的调用量，但它的含金量——或者说对应的商业价值——远低于数字本身所暗示的规模。

不过也不能因此轻视这一数据的意义。即便扣除无效请求和免费试用部分，一个模型能够在单一平台上实现如此体量的月度调用，足以证明其产品竞争力和用户粘性已经形成了显著的护城河。

更重要的是，OpenRouter的榜单变化趋势具有前瞻性意义。过去六个月的数据显示，中国模型在美国市场用户端的渗透率持续上升，而一些海外头部模型在中国市场的本地化适配反而落后。这种“逆向流动”在过去一年的格局中越来越清晰。

百万颗出货传闻的来龙去脉

就在同一天的另一条新闻线上，寒武纪的回应同样值得细读。

前三季度营收95．26亿元、同比增长106．76％，归母净利润37．15亿元、增幅131．49％。单看这个业绩——尤其是Q3单季营收35．31亿元、净利润14．04亿元的节奏——足够支撑市场对未来供应能力的极度乐观想象。“明年出货百万颗”的传闻正是在这个财报基础上发酵起来的。

但陈天石的辟谣给出了明确信号：公司从未就此事进行过沟通。他特别强调，公司公告是所有投资者平等获取信息的唯一有效途径，如果涉及重大事项必须依法披露。这句话的实际含义是——即使有潜在的产能扩张计划，现阶段也不具备对外释放的条件，更不应该被市场提前交易。

从产业链的角度看，“百万颗”这个量级对于目前的中国算力芯片行业来说确实是一个门槛级别的数字。假设每颗芯片均价在数十万元级别，百万出货量对应的是数百亿级的营收空间。但如果当前实际交付能力仅在几十万颗水平，贸然承诺百万级产量将对供应链稳定性和客户交付造成巨大风险。

这不是简单的预期管理问题，而是产能爬坡、良率控制和客户需求之间的真实约束。市场往往容易在股价上涨之后把乐观假设当成确定性事实，但制造业的物理规律不会因为资本市场的兴奋情绪就加速改变。

两件事一起看，AI产业真实温度如何

把DeepSeek的调用量数据和寒武纪的辟谣放在一起看，可以得出一个清晰的判断：中国AI产业的应用层正在经历快速放量，但供给端的产能和技术储备仍然受制于真实的物理约束。

一方面，大模型的应用场景在不断扩大，开发者和企业的迁移速度超出多数人的预期；另一方面，承载这些应用的核心算力基础设施（无论是训练芯片还是推理集群）在短期内面临供给瓶颈。这既是机会也是矛盾。

对投资者而言，最需要警惕的不是某个单一公司的股价波动，而是市场对供需错配的过度定价。当“出货百万颗”这样的假设开始在二级市场被当作事实来交易时，泡沫的风险就远大于机遇。

与此同时，那些能够率先突破算力瓶颈、或者在模型应用生态中建立不可替代卡位的企业，将在下一轮竞争中占据更确定的位置。关键在于分辨哪些增长来自真实需求，哪些只是统计口径的幻觉。

四个可追踪的观察指标

写到这里，留下几个可以持续跟踪的具体指标，供读者自行判断：

第一，OpenRouter榜单中各模型Token调用量的月度趋势。重点关注环比增速是否稳定，而非绝对峰值。如果Top3模型的使用占比持续扩大，说明市场正在收敛到少数几个高质量产品上。

第二，国内算力芯片厂商的毛利率变化和存货周转天数。这是比出货量更诚实的财务信号——毛利率恶化可能意味着压货压力，而存货堆积则可能是需求不及预期的先行指标。

第三，大模型企业的云账单支出增速与API调用收入的比值。这个比值越接近甚至低于1，说明商业化闭环跑得越扎实；如果长期倒挂，则需要警惕烧钱换规模的可持续性。

第四，关注工信部及行业协会是否有新的算力调度政策落地。当前国内算力资源分布不均的问题突出，政策层面的统筹效率将直接影响整个产业的成本结构。