Token狂热退潮，企业AI应用进入“奇点前夜”：成本、价值与标准的三重博弈
撰文 | 雁秋
编辑 | 李信马
题图 | Lenovo
ChatGPT爆火之后的很长一段时间里，Token几乎无人问津；即便一年前，它仍只是AI圈内少数技术从业者的专业术语。而今年，Token骤然破圈，被冠以新生产力时代的“水电煤”之称——仿佛消耗得越多，就越接近通用人工智能（AGI）。
国家数据局最新数据显示：截至2026年3月，我国日均Token调用量已突破140万亿，相较2024年初的1000亿激增超1000倍。
这一数字看似震撼，但SmartHey在5月刊发的深度报道（《买得起Token，买得到“靠谱”吗？》）曾提出三个关键追问：这些海量Token究竟用在了哪些真实场景？它们是否真正解决了业务问题？当每一次调用都被记录、每一笔消耗都沉淀为数据，这张无形之网，最终由谁掌控？
图源：国家数据网
与此同时，市场对Token的盲目崇拜正迅速转向理性克制。高昂的调用成本让不少头部企业倍感压力：亚马逊、Uber、Meta，以及国内的腾讯等曾最激进的“算力消耗者”，如今纷纷转向精细化运营——不再鼓励粗放式调用，而是追求每一次Token投入都能对应可衡量的业务回报。
为何全球巨头几乎同步选择收敛？企业真正期待的价值增长，又将在何时兑现？
在2026年7月初的一场产业沙龙上，联想集团副总裁、中国首席战略官、中国技术管理委员会执行主席阿不力克木（阿木）展示了一张名为“奇点曲线”的模型图。他指出：“企业级Token需求正加速攀升，而其成本效率与价值效益，将共同遵循‘惯性定律’‘加速定律’和‘奇点定律’三大底层逻辑。”
这两条动态演进的曲线，或许正是解开企业AI焦虑症结的关键密钥。
01、Token经济的“三大定律”
2026年5月底起，全球商用大模型迎来迄今最大规模的价格调整：DeepSeek旗舰模型V4-Pro API价格永久下调75%，缓存命中输入成本低至每百万Token 0.025元，逼近零毛利；小米MiMo-V2.5系列API最高降幅达99%。
6月节奏持续加快——腾讯云、火山引擎、MiniMax、智谱等主流云厂商集体下调Token计费标准。6月16日，字节跳动火山引擎上线Seedance 2.0 Mini视频生成模型，生成成本较标准版降低约50%。
降价浪潮仍在延续。摩根大通预测：未来12个月内，主流模型单位Token价格还将下降超40%，基础能力正加速迈向“商品化”。
为何Token越来越便宜？阿木提出“第一定律”：惯性定律。单位Token成本的持续下行具有必然性，其驱动力来自三层叠加效应：
- 其一，芯片制程、能源效率、模型架构的持续迭代；
- 其二，“模型—算力—电力”全栈协同优化带来的结构性降本；
- 其三，在线运行态下的智能Token调度与缓存策略，进一步压缩边际成本。
然而，成本下降不等于价值自动释放——这正是“第二定律”：加速定律的核心洞见。
阿木创造性地提出“有效Token”概念，强调AI价值释放取决于三个更深层变量：碳硅融合密度、Harness工程深度，以及AI治理与配套成熟度。
换言之，低价只是入场券，能否把Token用出实效，才是决定成败的分水岭。
中国人民大学高瓴人工智能学院副院长魏哲巍教授从学术角度佐证：随着AI从单轮问答向AI Agent多步协作演进（如AI辅助编程），任务级Token消耗量可达普通对话的千倍级，企业亟需建立分场景的效费比核算体系。
一个典型对比即可说明差距：用AI完成一次信息检索，与用AI驱动分子筛选全流程，即便同耗十万Token，前者仅属“提效”，后者却可能催生“净增量”——价值量级相差一个数量级以上。
但现实是，多数企业仍困于前者。要跨越这道鸿沟，需要一个临界拐点：即总成本曲线与总价值曲线交汇的“奇点”。这便是“第三定律”：奇点定律。
在这张奇点曲线图中，纵轴代表Token总成本与总价值，横轴为时间进程。奇点之前，成本曲线陡峭上扬，价值曲线缓慢爬升——二者之间的巨大落差，正是当前企业普遍焦虑的根源。
阿木解释道：“当企业用量持续扩大，Token总成本必然上升；与此同时，AI智能体所释放的业务价值也在同步累积。一旦两条曲线交汇，AI将从‘成本中心’跃迁为‘价值引擎’，迎来真正的规模化爆发。”
“我们今天还处在打磨石斧的阶段。远古先民花数日精琢一块燧石，看似低效；但当这把石斧真正投入狩猎，整个部落的生存效率将发生质变。”
02、奇点前的“哑铃型”生存
那么，这个奇点究竟何时到来？
阿木将企业AI演进划分为五级阶梯：一级验证可行性，二级作为工具提效，三级大规模投资AI生产力，四级深度嵌入核心业务流程，五级全面构建AI原生组织。
他判断：奇点将出现在第三级向第四级跃迁的关键区间。“2026年正处于第三级起步阶段。”这意味着——钱已大量投入，但规模化创新尚未显现，恰是阵痛最剧烈的时期。
不仅中小企业举步维艰，连头部大厂也面临严峻挑战。
火山引擎总裁谭待坦言：智能体产品Token消耗极快，核心矛盾并非单价过高，而是任务执行中存在大量无效探索。“若模型能力不足，即便单Token价格低廉，用户仍需耗费10–20倍Token才能达成目标，反而造成更大浪费。”
小米集团MiMo负责人罗福莉进一步指出：“全球计算资源增速，已明显滞后于AI Agent引发的Token需求爆炸式增长。真正的出路，不在于提供更廉价的Token，而在于推动‘高效Agent框架’与‘强大且节能的模型’协同进化。”
对绝大多数企业而言，问题早已不是“要不要用AI”，而是在奇点降临前，如何健康存活。谁将真正助推奇点加速到来？是头部厂商单点突破，还是生态协同共进？当SmartHey就此提问时，阿木给出一个深刻观察：
当前AI产业正呈现显著的“哑铃状”分化格局。
哑铃一端，是金融、互联网等数字化根基深厚的头部企业——十年信息化投入构筑了数据底座与技术人才池，AI落地相对顺畅；另一端，则是AI原生初创公司——生而为AI，无历史包袱，敏捷性强。
真正承压的，是哑铃中间那段“夹心层”。阿木透露，在联想当前咨询项目中，约三分之一聚焦信息化补课（“有的企业连SCP系统都未上线”），三分之一处于数字化筑基阶段（“先帮我们打通数据平台”），仅有最后三分之一，才真正进入AI落地实操环节。
许多传统企业尚未完成“将业务流程软件化”的基础建设，便急于引入AI——这种“补课”与“赶路”并行的窘境，极易导致Token投入陷入“高消耗、低产出”的成本黑洞。
为此，联想将“三大定律”转化为可落地的产业方案：从基础设施层降本，到推出AI Foundry平台与FDE（前置开发交付一体化）模式，将专家现场经验沉淀为自动化能力，确保每一次Token调用，都能精准映射至可量化、可追踪的业务指标。
奇点之后的世界会是什么样？阿木描绘道：跨越奇点前，AI主要作用于存量优化与浪费削减，尚未创造净增量；奇点之后，AI将驱动新药研发、新材料设计、跨学科突破等“以前根本做不到的事”，开启价值增量持续超越成本投入的正向飞轮。
03、提升需求侧的话语权
然而，在产业端形成大规模正循环之前，一个被阿木反复强调的严峻现实浮出水面：当前Token的定价权完全掌握在供给方手中。
全球科技巨头榜单中，提供算力、模型或交互接口的企业估值屡创新高，它们持续讲述着“算力稀缺”的叙事——芯片产能紧张、大模型训练昂贵，因此Token理应高价。
阿木犀利反问：“如果算力真的稀缺，它理应催生巨大价值。但作为使用者的企业，有谁能像供给方一样实现估值跃升？”
需求侧的沉默，源于其高度分散性——千万级企业与个体用户，既缺乏统一议价渠道，也缺少协同行动机制。
而当下Token定价体系，远比表面更不透明。SmartHey在会后交流中提出若干关键质疑：所谓中低端泛用型Token与具备超级推理能力的顶级Token，是否存在清晰的技术分级标准？在缺乏统一基准的前提下，当前简单按“Token数量”计费的逻辑是否合理？定价依据应是硬件成本，还是任务完成质量？若Token已消耗但结果未达预期，现有计费模式是否公平？
中国信息通信研究院信息化与工业化融合研究所副所长黄伟回应指出：输出质量受多重因素影响，包括模型性能、训练数据质量、用户提示词精准度等。目前国内主流采用租赁式定价，颗粒度粗、质量难评估。
他强调，用户体验是终极标尺，长期看仍需依靠市场竞争倒逼升级。但明确方向是：深入垂直领域（如编程、金融、医疗），融合行业知识、模型调优与算力支持，才能提供真正高质量服务。
黄伟亦直指当前Token计费模式的三大痛点：
第一，成本黑箱。GPU型号、采购规模、软硬捆绑策略，乃至隐性电价差异（西北约0.2–0.3元/度 vs 东部0.6–0.7元/度），均被笼统摊入Token单价。
第二，计量混乱。不同模型对同一文本的分词逻辑迥异，100万Token在不同系统中承载的信息量可能相差数倍——黄伟直言：“计费差异可达3–5倍。”
第三，价值脱节。缓存命中与未命中价差高达百倍；部分服务商暗中降低模型精度以压缩成本，用户却难以感知。
Token亟需一把统一的“标尺”，正如工业时代以“千瓦时”度量电力、互联网时代以“GB”度量数据流量——唯有标准化，方能实现价值可测、成本可控、交易可信。
但在统一标准落地前，一个更本质的问题被阿木提出：“假设部署一个AI智能体，它的损益表能否清晰列示？”目前，尚无企业能真正回答。员工有薪资、KPI、五险一金，而智能体的投入（Token消耗）与产出（业务价值）之间，仍缺乏可对齐的会计语言。
“AI原生组织需四大支柱支撑——组织变革、技术底座、治理体系、专项投资。遗憾的是，当前多数企业四项皆缺。”阿木总结道。对企业而言，与其苦等奇点来临，不如俯身补齐这四大配套。
写在最后
过去半年的Token狂飙，始终在亢奋与焦虑间剧烈摇摆。这张“奇点曲线”，精准刻画了产业的情绪撕裂。
但需谨记：奇点终究是一个数学概念。真正值得叩问的，并非“它何时到来”，而是“当它来临时，你的组织是否已准备好承接这场价值跃迁？”
这也恰是联想实践的底层逻辑——“有效Token”的释放，关键不在算法有多先进，而在Harness工程的深度；而Harness工程的灵魂，不在代码，而在人。
注：文内图片除特殊标注外，均由联想提供