一、先把 AI Coding 看成一条供应链
算力 → 模型智能 / Token → Agent 编排 → 工具与执行环境 → 可验证代码 → 商业结果
最上游是 GPU、数据中心、电力和云基础设施。模型厂商把这些计算资源加工成可以调用的智能能力，也就是 Token。
Coding Agent 再把 Token 与代码库、上下文、Terminal、测试、CI、浏览器等工具组合起来，让模型不只是“回答问题”，而是连续执行工程任务。
最终企业真正需要的也不是 Token，更不是一段看起来正确的代码，而是：
Bug 被修复、功能被完成、PR 可以合并、软件可以运行。
Token 更像一种工业原料，而不是最终商品。
二、钱与价值沿着两个相反方向流动
价值大致从上游向下游流动：
算力 → Token → Agent 行为 → 代码 → 软件结果
而钱通常反方向流动：
企业 / 开发者 → Coding 平台 → 模型厂商 → 算力基础设施
开发者给 Coding Agent、IDE 或软件平台付费。平台再购买 OpenAI、Anthropic、Google 等模型厂商提供的智能能力。模型厂商继续向 GPU、云服务、数据中心、电力等基础设施投入巨额资金。
因此，判断哪一层能赚钱，不能只看“钱有没有经过它”。
这一层有没有能力把一部分价值截留下来。 具有稀缺资源、不可替代性、客户入口。
三、不同环节的议价权
最上游的算力层当前仍然非常强势。GPU、先进芯片、数据中心、电力和大规模资本都具有较高稀缺性，因此大量 AI 投资首先沉淀在这里。
模型厂商同样处在强势位置，因为最先进的智能能力仍然稀缺。
但是模型之间正在快速竞争。随着不同模型能力接近、推理成本下降、多模型 Router 普及，客户更容易切换供应商。
模型很重要，但“单纯拥有一个模型 API”的稀缺性正在下降。
Coding Agent 层则出现巨大分化。
如果一个产品只是：
买模型 Token → 包一个 UI → 再卖给用户
那么它几乎没有供应链控制力，上下游都可能把它吃掉。
但如果它掌握：
-
开发者入口；
-
项目上下文；
-
Agent 工作流；
-
工具调用；
-
企业权限和历史数据；
那么它就开始拥有新的不可替代性。
Repo、CI、代码托管和执行环境同样非常重要，因为不管最终调用的是哪一个模型，代码最终都必须进入真实的软件工程流程。
四、供应链里的风险也在逐层转移
和传统供应链一样，AI Token 供应链中的每一层都在试图把部分风险推给别人。
算力基础设施承担的是：
巨额资本开支之后，设备和数据中心会不会被充分利用。
因此它们希望通过长期采购、算力租赁等形式，把需求风险锁定给下游模型厂商。
模型厂商承担模型训练失败、模型落后以及推理成本风险。
它们通过按 Token 或计算量收费，把一部分使用量风险继续向下游传递。
Coding Agent 平台又会通过套餐、Credit、超额使用量收费等方式，避免自己承担用户无限使用 Token 的成本。
与此同时，它们还会通过多模型 Router 降低自己对单一模型供应商的依赖。
但是有一个风险很难继续向下转移：
代码最终是否正确，以及软件结果有没有商业价值。
目前 AI 公司通常出售的是“智能能力”和“工程辅助能力”，而不是对最终软件结果进行完全担保。
因此 Bug、安全事故、错误决策、软件无法产生商业价值等最终风险，仍然大量沉淀在使用 AI 的企业一端。
这意味着：
Token 成本可以层层转嫁，但最终结果风险目前仍然主要由客户承担。
五、未来最重要的趋势：单位智能越来越便宜，但智能消费越来越大
未来一个非常重要的前提是：
单位价格能够购买到的智能会越来越强。
这种改善可能同时来自：
-
GPU 和数据中心规模化；
-
推理系统优化；
-
模型架构优化；
-
后训练优化；
-
蒸馏、小模型和 Router；
-
更好的缓存和上下文管理。
因此，完成同等质量任务所需要支付的单位智能成本，大概率会持续下降。
但这并不意味着 AI 总支出会下降。
恰恰相反。
当智能越来越便宜，人类会开始消费更多智能。
阅读整个代码库 → 搜索资料 → 修改多个文件 → 跑测试 → 发现错误 → 再修改 → Review → 部署。
一次任务消耗的 Token 可能远高于今天的一次聊天。所以未来很可能出现一种看似矛盾的现象：
Token 越来越便宜，但 Token 总消费量越来越大。
这和计算机、带宽、电力的发展非常相似。单位资源越来越便宜，反而催生了更大的总体需求。
六、因此 Token 会逐渐“商品化”
如果模型能力越来越接近，Token 越来越便宜，模型切换越来越容易，那么 Token 会逐渐从一种高度稀缺资源变成相对标准化的生产资料。
这并不意味着模型厂商消失。
而是意味着：
单纯拥有 Token，不再足以形成高利润。
于是产业链中的稀缺性会开始迁移。
过去可能是：
谁拥有最强模型，谁拥有最大的价值。
未来越来越可能变成：
谁能把大量廉价智能组织起来，谁拥有最大的价值。
七、未来真正稀缺的东西会向下游迁移
当 Token 商品化以后，AI Coding 中最值得关注的四种资源会越来越重要。
工作流入口
谁掌握开发者每天工作的入口，谁就决定 Token 从哪里购买、调用哪个模型、如何被组织。
因此 IDE、Repo、CI/CD、Agent 平台争夺的本质并不是一个编辑器功能，而是：
智能消费的调度权。
私有上下文
模型大家都可以买。
但一个企业自己的：
-
代码；
-
历史 PR；
-
内部文档；
-
架构知识；
-
用户数据；
-
工程规范；
别人无法轻易获得。
所以模型越商品化：
独有上下文的价值反而越高。
验证能力
生成代码会越来越便宜。
真正困难的问题逐渐变成：
怎么知道这段代码是对的。
因此测试、Review、安全检查、评测体系、真实运行反馈的重要性都会上升。
AI 生产能力越强，验证能力越有可能成为新的瓶颈。
结果责任与信任
目前多数企业卖的是工具。
但如果未来某家公司敢说：
不按照 Token 收钱，我按照 Bug 是否修好、功能是否完成、PR 是否成功合并收费。
那么它实际上从“工具供应商”变成了：
风险承接者。
只要它真的有能力控制这个风险，就可以获得更高利润。
因为供应链里一直有一个基本规律：
能够定价并承接别人不愿意承担的风险，本身就是一种商业能力。
八、AI Coding 供应链最终可能形成的新结构
因此，从供应链角度看，AI Coding 正在经历一个非常典型的价值迁移过程。
最开始，最稀缺的是 智能本身。 于是大量的钱首先流向 GPU、数据中心和模型厂商。
随着智能逐渐便宜和标准化，价值开始往下游迁移：
Token ↓ Agent 编排 ↓ 工作流 ↓ 私有上下文 ↓ 验证 ↓ 结果责任
所以未来 AI Coding 的核心竞争，很可能不再只是：
谁的模型代码能力高 5%。
而会逐渐变成：
谁能够调用最合适的智能，掌握最完整的上下文，控制整个工程工作流，验证最终结果，并最终对结果负责。
Token 会越来越像能源，而 Agent 会越来越像生产系统。
真正长期高利润的位置，不一定属于生产能源的人，也不一定属于简单转售能源的人。更可能属于：
掌握稀缺基础设施的人，以及能够把廉价智能稳定转化成高价值商业结果的人。