De l'infrastructure électrique à l'économie de jetons : le « gâteau à sept couches » de la chaîne industrielle de l'IA

Titre original : Des infrastructures électriques à l’économie Token : le « gâteau à sept couches » de la chaîne industrielle AI

Auteur original :律动BlockBeats

Source originale :

Reproduit : Huoxing Caijing

La force motrice de l’ère de l’IA est passée du modèle au Token

Au cours des deux dernières années, la logique narrative de la première moitié de l’industrie de l’IA s’est principalement concentrée sur la « guerre des grands modèles » lancée par les grandes entreprises. Le nombre de paramètres est passé de centaines de milliards à mille milliards, le coût d’entraînement est passé de dizaines de millions de dollars à plusieurs centaines de millions, les clusters GPU se sont étendus de quelques milliers à plusieurs dizaines de milliers de cartes. Tout le monde discute de qui a le modèle le plus puissant, qui se rapproche le plus de l’AGI, comme si la fin de la compétition IA dépendait uniquement des performances du grand modèle lui-même.

Mais en 2026, la logique motrice de l’industrie de l’IA a changé. Selon le dernier rapport de JPMorgan, ce qui continuera à alimenter l’expansion des infrastructures IA n’est plus l’entraînement de modèles, mais la demande massive en inférence IA. À l’avenir, la consommation de puissance de calcul la plus importante ne sera plus l’entraînement de grands modèles, mais la multitude d’Agents IA à travers le monde. Chaque appel, chaque interaction, chaque exécution de tâche consomme essentiellement des Tokens. L’industrie de l’IA passe du « l’ère des modèles » à « l’ère de l’industrie Token ».

Car ce qui fera réellement tourner le monde de l’IA à l’avenir, ce ne sera pas seulement le modèle lui-même, mais le système de production, de distribution, de gestion et de consommation autour du Token. Surtout après l’émergence massive des Agents IA, la question centrale deviendra : comment générer, distribuer, orchestrer et consommer efficacement les Tokens en temps réel à l’échelle mondiale.

Comme l’a récemment proposé Jensen Huang, l’IA n’est pas simplement une industrie logicielle, mais un système d’infrastructures fondamentales, semblable à l’électricité ou à Internet. Dans son architecture en « cinq couches », l’industrie IA est divisée en : énergie, puces, infrastructures, modèles et applications. Et avec le passage de l’« époque de l’entraînement » à l’« époque de l’inférence », GoodVision AI préfère voir toute la chaîne économique de l’IA comme un « gâteau à sept couches » tournant autour du Token :

Première couche : Électricité — la base énergétique de l’ère IA
Deuxième couche : AIDC — l’usine à Tokens
Troisième couche : GPU — l’équipement de production de Tokens
Quatrième couche : LLM — le moteur de production de Tokens
Cinquième couche : Distribution de Tokens — le « réseau électrique » de l’ère IA
Sixième couche : Optimisation et gestion intelligente des Tokens — le cerveau de l’ère IA
Septième couche : Agent IA — le terminal de consommation de Tokens

De l’énergie, des GPU, à l’AIDC, en passant par les nœuds en périphérie, jusqu’à l’inférence de modèles et la gestion intelligente, l’industrie IA est en train de former un système industriel de Tokens sans précédent.

Mais à ce stade, ce système est encore loin d’être mature.

Certains possèdent des GPU de pointe mais sont limités par l’énergie ; d’autres ont construit d’énormes AIDC mais manquent d’une gestion efficace ; certains ont développé de puissants Agents IA mais font face à des coûts et des latences d’inférence élevés ; d’autres contrôlent des nœuds en périphérie mais ne parviennent pas à former un réseau cohérent. La chaîne industrielle dans son ensemble se développe rapidement, mais il existe encore de nombreux décalages, redondances et goulets d’étranglement en termes d’efficacité entre les couches.

Ce n’est qu’en connectant véritablement ces sept couches d’infrastructures, en les faisant collaborer et en les intégrant, que l’industrie IA pourra passer de l’« ère des outils » à une « ère d’adoption massive » propre au monde intelligent.

Première couche : Électricité — la base énergétique de l’ère IA

La révolution industrielle a été une lutte pour le charbon et le pétrole, l’ère de l’Internet pour le trafic et les serveurs, et l’ère de l’IA voit la guerre revenir à la source : l’énergie.

Car l’IA consomme finalement de l’électricité. La consommation électrique d’un grand centre de données IA est proche de celle d’une ville de taille moyenne. Partout dans le monde, de nouveaux AIDC (centres de données IA) voient le jour, confrontés au même problème : on peut acheter des GPU, construire des terrains, mais l’approvisionnement en électricité ne suit pas, tout comme la gestion du réseau électrique.

C’est pourquoi de plus en plus d’entreprises IA se concentrent à nouveau sur les infrastructures énergétiques. Lors de GTC 2026, Jensen Huang a même défini le futur centre de données comme une « usine à Tokens ». La partie la plus en amont de cette usine engendrera une industrie énergétique superpuissante.

Sur le marché chinois, des entreprises comme Yangtze Power, China Nuclear Power, China General Nuclear, Three Gorges Energy, Longyuan Power, Huadian New Energy représentent respectivement l’hydroélectricité, l’énergie nucléaire, l’éolien et le photovoltaïque. Parmi elles, le nucléaire et l’hydroélectricité, grâce à leur stabilité d’approvisionnement, deviennent les sources d’énergie fondamentales pour l’AIDC ; tandis que l’éolien et le photovoltaïque bénéficient de la demande croissante pour l’électricité verte et ESG dans l’industrie IA. Avec la mise en œuvre de « l’Est pour le calcul, l’Ouest pour l’énergie » et la construction de grands centres de données IA, la synergie entre bases d’énergie renouvelable et centres de puissance se renforce rapidement.

Aux États-Unis, des géants traditionnels comme NextEra Energy, Dominion Energy, Duke Energy, Southern Co., Exelon profitent également de l’expansion des centres de données IA. NextEra est le leader nord-américain de l’électricité verte ; Dominion contrôle les principales lignes de transmission dans le corridor de données du Nord de la Virginie ; Exelon, grâce à sa stabilité nucléaire, devient un bénéficiaire clé de la demande d’électricité « 24/7 » dans l’ère IA. Globalement, le secteur électrique mondial évolue d’un service public traditionnel vers une couche de ressources clés pour l’infrastructure IA.

En résumé, la compétition dans cette couche passe d’une « guerre des prix » entre entreprises énergétiques traditionnelles à une « compétition pour le verrouillage de l’électricité » entre centres de données IA, fournisseurs de cloud et entreprises énergétiques. Celui qui pourra sécuriser une énergie stable, à long terme et à faible coût, détiendra la première « perle du dragon » de la production de Tokens.

Deuxième couche : AIDC — l’usine à Tokens

Une seule GPU n’a pas d’intérêt, ce qui compte, c’est la mise en cluster à grande échelle. C’est pourquoi l’AIDC est apparu.

Il ressemble aux hauts fourneaux, centrales électriques et lignes de production de l’époque industrielle, regroupant des milliers de GPU pour créer une capacité stable de production de Tokens. Mais des problèmes commencent à apparaître : la construction d’un AIDC traditionnel prend souvent entre 18 et 36 mois, et l’extension du réseau électrique peut prendre encore plus de temps. Lorsque la demande IA croît de façon exponentielle, la vitesse de construction des IDC traditionnels ne suffit plus pour répondre à la nouvelle économie Token.

Sur le marché américain, Equinix est l’un des plus grands opérateurs de centres de données au monde, avec plus de 240 centres dans plus de 30 pays. Son avantage principal ne réside pas seulement dans le nombre de ses centres, mais dans sa capacité d’interconnexion mondiale et ses ressources réseau à faible latence, en faisant une infrastructure clé pour le déploiement de la puissance de calcul IA.

Digital Realty, via sa plateforme PlatformDIGITAL, s’est également positionnée dans l’infrastructure IA, en servant de grands fournisseurs de cloud et institutions financières.

Sur le marché chinois, Runze Technology est l’un des opérateurs AIDC les plus représentatifs. Son activité principale évolue progressivement de l’hébergement IDC traditionnel vers des centres de puissance IA, avec un avantage clé dans la gestion de grands centres, ressources électriques et opérations AIDC. Oufeide Data, Capital Online, etc., continuent d’étendre leurs activités dans les centres régionaux, l’infrastructure cloud et l’hébergement de puissance IA. Sugon (Inspur) privilégie la coopération dans le secteur gouvernemental et de la recherche.

Une autre tendance vient de la « transformation des mines ». CoreWeave, IREN, Applied Digital, Cipher Mining, initialement liés à la cryptomonnaie, se sont rapidement tournés vers l’infrastructure de puissance IA face à la demande explosive en GPU IA. IREN mise sur le « vert + puissance IA » via des centres GPU alimentés par des énergies renouvelables. Applied Digital et Cipher Mining se transforment également de l’exploitation minière traditionnelle vers des infrastructures de calcul haute performance pour l’IA.

Par ailleurs, la tendance à la miniaturisation, à la modularité et à la décentralisation des usines IA commence à émerger. Comme à l’époque de l’Internet, où l’on est passé des grands serveurs au cloud, la puissance IA doit se diffuser des grands centres vers des nœuds périphériques régionaux.

C’est pourquoi GoodVision AI a choisi une autre voie : construire des usines IA plus légères, modulaires, rapidement reproductibles. Contrairement aux grands AIDC traditionnels, GoodVision AI met l’accent sur la décentralisation, l’efficacité des clusters GPU à haute densité, et la synergie entre énergie et puissance de calcul.

Son principe central n’est pas de construire un seul centre de données gigantesque, mais de déployer rapidement des nœuds IA dans des régions à forte densité de population, généralement des centres de puissance de 2 à 4 MW pour l’inférence. Ce modèle permet une intégration plus rapide aux ressources énergétiques locales et s’adapte mieux à la tendance d’expansion de la demande d’inférence IA vers l’edge.

Si l’on compare un AIDC traditionnel à une grande usine sidérurgique de l’ère industrielle, alors GoodVision AI construit plutôt une « usine Token régionale » — plus légère, flexible, proche des utilisateurs, et mieux adaptée à l’évolution vers un réseau mondial distribué d’inférence.

Troisième couche : GPU — l’équipement de production de Tokens

Si l’électricité est l’énergie, alors le GPU est l’équipement de production. Lors des premières années de l’explosion de l’IA, les GPU servaient principalement à l’entraînement ; mais à l’avenir, la demande croîtra surtout pour l’inférence. Car l’entraînement concerne peu d’entreprises leaders, tandis que l’inférence s’infiltre dans chaque application, chaque appareil, chaque terminal. Robots, véhicules autonomes, lunettes IA, et même la collaboration entre Agents IA consommeront en temps réel des Tokens.

NVIDIA reste le cœur absolu de l’industrie mondiale des puces IA. Ses GPU H100, B200, Blackwell, etc., définissent presque les standards mondiaux pour l’entraînement et l’inférence IA. Plus important encore, NVIDIA ne vend pas seulement des puces, mais construit un écosystème complet avec CUDA, TensorRT, DGX, HGX, etc., ce qui oblige ses concurrents à défier non seulement la performance des GPU, mais aussi tout l’écosystème logiciel IA.

AMD est le principal challenger, avec des GPU IA comme le MI300X. Contrairement à NVIDIA, AMD insiste sur un écosystème ouvert et la plateforme logicielle ROCm, espérant attirer développeurs et entreprises par une approche plus ouverte.

Broadcom et Marvell représentent une autre voie — ASIC et interconnexion à haute vitesse. Face à la complexité croissante des scénarios d’inférence IA, de plus en plus d’entreprises tentent de concevoir des ASIC sur mesure pour améliorer l’efficacité énergétique et réduire les coûts.

Intel, quant à lui, entre dans le marché IA via ses CPU serveurs et ses cartes d’accélération Gaudi, espérant réintégrer la compétition en s’appuyant sur son écosystème CPU.

Sur le marché chinois, Cambricon est l’un des acteurs les plus représentatifs des puces IA nationales, avec sa série SiYuan et son framework AI Neuware. Huaguang Information détient une licence pour l’architecture AMD Zen, se concentrant sur le marché DCU et l’inférence IA.

Moore Threads, Sau Xin Technology, Muxi Co., Ltd., Biren Technology, etc., représentent la voie de la substitution nationale des puces IA en Chine. Elles insistent toutes sur la compatibilité avec l’écosystème CUDA et tentent de construire des clusters GPU domestiques.

De CUDA à la mémoire HBM, en passant par les Tensor Cores, le cœur de toute l’industrie IA réside dans l’amélioration continue de « l’efficacité de génération de Tokens par unité de temps ». Parallèlement, GPU, serveurs, modules optiques, refroidissement liquide, commutateurs, etc., liés à l’infrastructure, jouent un rôle clé dans cette efficacité.

Ces composants, moins visibles que NVIDIA ou OpenAI, mais déterminants pour le fonctionnement réel de l’IA, sont comme les rails, les réseaux électriques et les ports de la révolution industrielle. La révolution IA ne sera pas seulement une révolution logicielle, mais une mise à niveau globale de la chaîne industrielle couvrant énergie, puces, réseau, cloud et infrastructure.

Vertiv est un leader mondial dans les systèmes d’alimentation sans interruption (UPS) et la gestion électrique pour centres de données.

Inspur est un leader chinois dans les systèmes de refroidissement liquide et de contrôle thermique, avec des clients comme BAT. Avec la montée en puissance des GPU, le refroidissement liquide devient une norme essentielle pour les AIDC.

Chint Electric, Kehua Data, Kstar, etc., jouent un rôle clé dans les systèmes UPS, l’alimentation électrique et l’alimentation des IDC.

Dans le domaine des modules optiques et du réseau, Zhongji Xuchuang, New Easun, Tianfutong bénéficient de la croissance explosive des besoins en communication à haute vitesse dans les clusters IA.

Quant aux serveurs complets, Dell, HPE, Supermicro, Lenovo, Inspur prennent en charge l’assemblage et la livraison à grande échelle des serveurs IA.

Cette couche, bien qu’indirecte vis-à-vis de l’utilisateur final, détermine si l’infrastructure IA peut fonctionner de manière stable. Refroidissement liquide, UPS, modules optiques, commutateurs, stockage d’énergie et serveurs sont comme les rails, le réseau électrique et les ports de la révolution industrielle, devenant la véritable « activité lucrative » dans le monde de l’IA.

Quatrième couche : LLM — le moteur de production de Tokens

Les LLM (grands modèles de langage) déterminent comment les Tokens sont compris, générés et organisés. Au cours des deux dernières années, OpenAI, Anthropic, Google, Meta, xAI, DeepSeek, etc., ont lancé une compétition mondiale pour les « grands modèles ». Le nombre de paramètres est passé de centaines de milliards à mille milliards, et les capacités du modèle se sont étendues du simple texte à la multimodalité, la déduction, le code, la collaboration d’agents et la mémoire à long terme.

Mais à mesure que l’industrie évolue, le marché commence à réaliser que ce qui sera vraiment important à l’avenir, ce n’est plus « qui possède le plus grand modèle », mais « qui peut faire fonctionner le modèle à moindre coût et avec plus d’efficacité ». Car le modèle lui-même ne crée pas directement de valeur, c’est le processus d’inférence après chaque appel qui génère la vraie valeur.

Cela signifie aussi que les LLM évoluent de « démonstration de capacité » à « moteur de production de Tokens » dans le monde de l’IA.

OpenAI, Anthropic, Google Gemini, Meta Llama, etc., en mode fermé ou open source, se disputent l’accès à l’écosystème IA de demain ; tandis que de nouveaux acteurs comme DeepSeek, avec des coûts inférieurs et une meilleure efficacité d’inférence, commencent à remodeler la compétition. La compétition au niveau des LLM ne se limite plus à la simple course aux paramètres, mais s’évalue désormais selon plusieurs dimensions :

Coût par Token, efficacité d’inférence, capacité de contexte, multi-agent, collaboration, mémoire à long terme, synergie entre modèles et infrastructure

Car ce qui compte vraiment dans l’ère de l’IA, ce n’est pas seulement que le grand modèle soit « intelligent », mais qu’il puisse être déployé à grande échelle, en continu, à faible coût dans le monde entier. GoodVision AI a aussi ses propres optimisations à ce niveau : en collaborant avec des fournisseurs de grands modèles, en déployant ces modèles dans des centres IA, passant d’une simple location de puissance à une offre directe de services Token ; ce qui permet d’améliorer la marge commerciale tout en offrant une expérience utilisateur plus conviviale.

Cinquième couche : Distribution de Tokens — le « réseau électrique » de l’ère IA

Une fois l’AIDC construit, la question suivante apparaît : comment faire utiliser cette puissance de calcul dans le monde entier ?

Les plateformes de location de puissance de calcul ont alors émergé. Elles ressemblent à un « réseau électrique » de l’ère IA, décomposant et redistribuant les ressources GPU centralisées, puis les louant selon la demande aux développeurs, entreprises et applications IA.

AWS, Azure, Google Cloud, Alibaba Cloud, Tencent Cloud restent les acteurs les plus puissants à cette couche. Ils disposent des plus grandes infrastructures cloud mondiales et intègrent progressivement les ressources GPU IA dans leur offre IaaS.

Mais parallèlement, de nouvelles « clouds natifs IA » apparaissent rapidement. CoreWeave, Nebius, Nscale, etc., construisent des plateformes GPU cloud spécifiquement pour les besoins d’entraînement et d’inférence IA. Plus flexibles que les cloud traditionnels, plus focalisées sur les tâches IA, elles excellent aussi dans l’optimisation des clusters GPU.

CoreWeave est l’un des acteurs les plus représentatifs de NeoCloud. Initialement spécialisé dans le minage Ethereum, il s’est rapidement tourné vers le cloud GPU IA, devenant aujourd’hui un acteur clé soutenu par NVIDIA.

DigitalOcean, Vultr, etc., sont des plateformes cloud légères, destinées aux développeurs et startups, mettant en avant la rapidité de déploiement et le faible coût.

Sur le marché chinois, en dehors des géants, des acteurs comme UCloud, Kingsoft Cloud, Capital Online, etc., dominent le marché de la location de GPU et de puissance IA. La compétition à ce niveau ressemble à celle du réseau électrique dans ses premières phases : comment distribuer efficacement une puissance dispersée.

Sixième couche : Optimisation et gestion intelligente des Tokens — le cerveau de l’ère IA

C’est peut-être la couche la plus sous-estimée mais aussi la plus critique. Avec l’explosion de l’utilisation des Agents IA, on s’est rendu compte que toutes les tâches ne méritent pas d’utiliser le modèle le plus cher. Beaucoup de tâches simples peuvent être traitées localement ; d’autres, en temps réel, sont mieux gérées en périphérie ; des tâches très privées ne peuvent même pas être envoyées dans le cloud. Après la question « ai-je assez de puissance de calcul ? », apparaît une nouvelle question : « comment utiliser cette puissance de manière plus intelligente ? »

Avec la croissance exponentielle de la demande en Tokens, « faire en sorte que le bon modèle, au bon endroit, traite la bonne tâche » devient la clé pour une utilisation rationnelle et efficace des Tokens. C’est aussi une des directions que GoodVision AI explore, en construisant une couche de gestion intelligente et d’orchestration.

Comme le système électrique aujourd’hui : certains besoins viennent du grand réseau, d’autres du solaire sur le toit. La vraie clé, c’est cette couche intermédiaire : le « système de gestion intelligente ».

Le futur de l’IA sera probablement structuré de la même façon : des tâches simples traitées par de petits modèles locaux, des tâches complexes par de grands modèles cloud, des tâches très privées en périphérie, et des tâches à haute fréquence par une orchestration hybride cloud.

En dehors de GoodVision AI, des entreprises comme QingCloud, Lambda, OpenRouter, Fireworks AI, etc., sont aussi des leaders dans l’optimisation et la gestion intelligente des Tokens.

Et cette couche « gâteau » chevauche fortement celles d’avant : AIDC et location de puissance. Quand les ressources GPU, les nœuds régionaux et la taille des tâches d’inférence augmentent, posséder simplement des ressources de calcul ne suffit plus pour établir une barrière durable. De plus en plus d’opérateurs AIDC et de plateformes GPU commencent à réaliser que la vraie clé de l’efficacité et de la rentabilité réside dans la gestion dynamique des modèles, de la puissance de calcul et du flux de Tokens.

C’est pourquoi beaucoup de plateformes initialement axées sur l’AIDC ou le cloud GPU évoluent vers la « couche de gestion intelligente ». Par exemple, UCloud, Inspur, Sugon, etc., tentent de combiner leurs infrastructures GPU, leurs ressources multi-cloud et leurs capacités d’orchestration pour passer d’une simple vente de puissance à une optimisation de cette dernière.

Septième couche : Modèles et Agents — les consommateurs de Tokens

Cette couche, bien qu’étant la plus proche de l’utilisateur, est aussi la plus concurrentielle. Lors de GTC 2026, Jensen Huang a déclaré : « À l’avenir, chaque entreprise sera à la fois producteur et consommateur de Tokens. »

Un Agent IA peut faire appel à plusieurs modèles, outils, API, tout en continuant à inférer, planifier et exécuter. Cela signifie que la consommation de Tokens par l’IA dépassera largement celle des interactions humaines et IA d’aujourd’hui. Certains utilisateurs intensifs d’IA construisent des systèmes multi-Agents en parallèle, avec des milliards de Tokens consommés chaque jour.

Ce n’est plus seulement 1 milliard de personnes utilisant l’IA, mais 10, 100 ou même 1000 milliards d’Agents IA en fonctionnement simultané, s’appelant et s’interconnectant. Le vrai goulet d’étranglement passera de « capacité du modèle » à « efficacité de gestion des Tokens ».

Les géants technologiques n’ont pas besoin d’être rappelés : Microsoft, Google, Meta, Amazon, etc., intègrent progressivement l’IA dans tous leurs produits via des systèmes de bureautique, de recherche, de réseaux sociaux et de cloud.

Les éditeurs de logiciels d’entreprise comme Adobe, Salesforce, ServiceNow, Palantir accélèrent dans le domaine des Agents IA d’entreprise et des workflows automatisés. Par ailleurs, Hugging Face devient le « Github » de l’ère IA, non seulement une communauté de modèles, mais aussi une infrastructure clé pour l’écosystème mondial de développement IA.

Sur le marché chinois, des acteurs comme iFlytek, Kunlun Wanyou, 360, Kingsoft Office, SenseTime, etc., développent leurs stratégies autour des assistants IA, des outils de bureautique IA et des Agents IA.

Lorsque le « gâteau à sept couches » sera réellement constitué, le monde de l’IA pourra véritablement commencer.

Aujourd’hui, l’industrie de l’IA est encore dans un système d’infrastructures en cours de maturation.

Certains possèdent des GPU de pointe mais sont limités par l’énergie ; d’autres ont construit d’énormes AIDC mais manquent de gestion efficace ; certains ont développé de puissants modèles et Agents mais font face à des coûts et des latences d’inférence élevés ; d’autres contrôlent des nœuds en périphérie mais ne parviennent pas à former un réseau cohérent.

De l’électricité, de l’AIDC, des GPU, aux LLM, à la distribution de Tokens, à la gestion intelligente et aux Agents IA, toute la chaîne industrielle de l’IA, bien qu’en rapide expansion, présente encore de nombreux décalages, redondances et inefficacités.

Ce n’est qu’en construisant cette « gâteau à sept couches » complète et en la faisant fonctionner de manière efficace que l’industrie IA pourra sortir de l’« ère des outils » pour entrer dans une « ère d’adoption massive » propre au monde intelligent.

Le futur de l’IA ne sera plus seulement quelques grandes entreprises entraînant de grands modèles, mais des milliards d’Agents IA en ligne, en collaboration continue, consommant puissance de calcul et Tokens. Chaque interaction, chaque inférence, chaque appel à un outil ou exécution automatique sera soutenu par une synergie d’énergie, GPU, réseau, gestion et inférence.

Cela signifie aussi que l’industrie IA évolue d’un « logiciel » vers un « super-industrie » englobant énergie, puces, cloud, edge et gestion intelligente.

Comme la révolution industrielle a nécessité non seulement la machine à vapeur, mais aussi le chemin de fer, le réseau électrique et les ports ; la révolution Internet a nécessité non seulement le PC, mais aussi la fibre optique, les centres de données et le cloud. La véritable maturité de la révolution IA ne sera pas seulement une application à succès, mais la formation d’un « réseau d’infrastructures intelligentes » capable de produire, distribuer, orchestrer et consommer en permanence des Tokens à l’échelle mondiale.

Et lorsque ces sept couches d’infrastructures seront enfin connectées, la logique concurrentielle de l’industrie IA sera complètement réinventée. Les entreprises les plus importantes ne seront plus seulement celles qui possèdent les plus grands modèles, mais celles capables de connecter énergie, puissance, réseau, modèles et flux de Tokens.