其实讨论的核心不是Token之间的差异，而是如此调用量下的底层支撑。

始终相信模型能力终究可以追平差距。

关键在于如此大的调用量是用了多少算力基建来支撑的，而未来就算力需求继续增加，是否依旧需要当下如此澎湃预期的硬件端上下游供给？

就算回到模型本身，于DS而言，它只需要证明“用1/10甚至1/50的成本达到接近的性能”这条路走得通，就足以颠覆全球AI的商业逻辑。其真正价值甚至不在于公司利润，而在于压住海外顶级模型的定价权，让中国所有下游AI应用公司都用得起便宜的“燃料”，于大众而言，调用的模型就算付费也轻松，这应该就是智力平权里最大的红利所在。

而Anthropic这些模型则需要证明：尽管对于高端复杂任务而言，“安全感”和“可靠性”带来的护城河可能更深，但对于大量常规任务而言，那6-12个百分点的质量差距，是否值得企业多付20-50倍的价格。而一旦这些开源模型的能力逐渐追平，这些厂商的活路只能依赖少量的高端付费又能活多久？

聊这些实际上就是想探讨一下，当下海外疯狂投入的基建是不是真的能实现饱满的未来回报，以及未来算力基建在东大模式下，是不是也要如此高规的庞大投入？

要回到现实路径去探讨支撑后续产业的可投资逻辑。