韩国电信运营商正将AI时代的新计费单位“Token”视为新的增长机会，尝试把在通信业务中长期积累的计费、结算和客户管理能力延伸到AI市场，开辟新收入来源。

据通信行业10月30日消息，随着企业AI应用加快落地，市场对多模型统一调用、成本集中管理的需求迅速升温。依托既有计费体系、企业客户资源和数据中心基础设施，韩国运营商也在加快细化AI业务布局。

目前，KT已推出可整合AI模型调用和成本管理的“TokenFactory”，SK Telecom也在推进“Token Gateway”业务，LG Uplus则在评估Token资费相关方案的同时，着手布局提升AI处理效率的底层技术。随着AI服务普及，Token正逐步成为继通话时长、数据流量之后的又一关键计费基准。

在AI服务中，Token是模型处理问题、文档或代码并生成结果时使用的基本单位。与传统通信服务按通话时长或数据流量收费不同，AI服务的计费更多围绕输入和输出Token用量展开。

不过，AI计费结构明显比传统通信业务更为复杂。不同模型的Token单价、处理性能各不相同，即便是同一模型，输入和输出的收费标准也可能存在差异。随着企业在实际业务中同时使用多款AI模型，如何统一掌握模型调用量、费用水平和预算执行情况，正在成为越来越现实的问题。

运营商正是瞄准了这一需求，希望将“测量用量并完成计费”的既有能力扩展至AI成本管理领域。对电信公司而言，其优势不仅在于具备大规模用量统计、周期性出账的成熟体系，也在于能够结合认证、支付和客户管理能力，搭建覆盖AI服务开通、使用和结算全流程的业务模式。

KT将于10月30日上线“TokenFactory”。该平台可在单一界面内调用海内外多种AI模型，并覆盖模型选择、用量查询、费用管理和支付等环节。KT计划与全球AI模型分发平台OpenRouter合作，接入500多个AI模型。届时，企业无需逐一向不同模型单独申请开通和付款，即可在同一平台内完成选择和使用。

SK Telecom则在本月发布的“SKT Growth Gear”战略中，将“Token Gateway”列为AI时代的新业务方向。SK Telecom相关人士表示，Token Gateway将根据客户需求连接不同AI模型与基础设施，帮助客户以更高性价比使用AI，并对使用何种模型、AI承担业务的范围以及整体用量和成本等指标进行统一管理。

LG Uplus也在同步推进相关布局。除评估Token计费方案外，公司更强调提升Token处理效率的底层技术能力，为后续AI服务商业化打基础。

从行业竞争趋势看，运营商之间的较量已不再局限于“接入多少模型”，而是逐步转向“如何优化成本”，并进一步延伸至算力基础设施协同。

Token业务的核心竞争力，在于能否在满足客户性能要求的同时，尽可能降低Token消耗和整体运营成本。

KT将自研“Auto Model Router”作为TokenFactory的核心卖点之一。该技术可综合分析任务类型、处理难度、目标质量和成本约束，自动匹配合适的AI模型：简单任务调用相对低价的模型，复杂分析则切换至高性能模型。同时，KT还结合提示词压缩技术，在不改变原有语义的前提下减少冗余表达，以降低Token消耗。

除平台层能力外，KT还在推动Token分发业务与基础设施协同，包括在韩国本土数据中心直接提供AI推理服务。其思路是，在代理海外AI模型的同时，将AI模型运行在自有基础设施之上，以吸引重视数据主权和安全性的企业客户。

SK Telecom同样将模型选择和成本优化视为Token Gateway的核心能力。其设想并不止于模型接入和降本，而是希望覆盖AI执行任务的全流程管理。SK Telecom计划将AI服务带来的需求导向自有模型和数据中心，同时结合约2300万用户触点，以及实名认证、支付、计费等通信业务能力，构建整体服务体系。

相比之下，LG Uplus更聚焦底层优化。近期，LG Uplus研究人员参与的两篇AI Token优化论文入选AI学术会议“NeurIPS 2026”研讨会。LG Uplus表示，公司已在小型语言模型（sLM）中应用模型轻量化和推理加速技术，使智能手机环境下的AI处理速度较既有方式提升约4.5倍，电池消耗降低约77%。

LG Uplus计划将此次研究获得的优化技术用于自有AI服务，并考虑进一步拓展至服务器GPU环境。尽管具体商业化路径尚未明确，但业界普遍认为，降低AI处理成本的技术能力有望成为其后续竞争力的重要来源。

尽管Token需求快速增长，但盈利能力仍是行业必须面对的问题，未来竞争也可能进一步转向差异化能力比拼。

KT援引OpenRouter数据称，过去一年，该平台的AI Token消耗量增长约35倍。随着能够自动执行复杂任务的AI Agent逐步普及，Token需求预计还将继续扩大。原因在于，这类服务往往需要同时调用多款AI模型并对输出结果进行交叉验证，从而进一步推高Token使用量。

但Token消耗增加，并不必然意味着运营商收入会同步扩张。一位AI行业人士指出，如果只是提供连接外部AI模型的中间服务模式，就必须同时考虑向原始模型厂商支付的成本、可保留的利润空间，以及基础设施运维所带来的额外支出。

从KT的表态来看，其更看重自有基础设施的变现能力，而非仅仅充当Token分发中介。KT AX事业本部部长Lee Jin-hyung在10月27日举行的记者会上表示，单纯依靠中介手续费并不是主要商业模式，核心收益空间仍来自依托KT数据中心GPU直接提供推理服务。

与此同时，韩国运营商还面临全球AI模型供应商和云服务商的竞争压力。Amazon Web Services（AWS）已通过“Amazon Bedrock”整合提供多种AI模型。如果运营商的服务仅停留在“连接模型并完成计费”的层面，恐怕难以与现有市场参与者拉开差距。

一位通信行业人士表示，主打“AI公司”定位的运营商，现阶段更像是在率先提出新的增长引擎方向；但要真正获得客户认可，最终仍要靠具体的降本效果和落地能力来证明自身价值。

此外，安全和数据管理能力的重要性也在上升。企业内部文档和客户信息在接入AI模型过程中，可能面临数据泄露风险。业界指出，尤其是在同时使用海外AI模型和韩国本土数据中心的情况下，更需要建立清晰机制，明确数据处理位置和访问权限。