
Token,这个 AI 大模型处理信息的最小单元,正在从技术术语变成经济语汇。当 Agent 把单任务消耗推高数十倍,当算力账单以肉眼可见的速度膨胀,一个绕不开的问题浮出水面:Token 经济的临界点到了吗?需求的爆发,究竟在什么时候、以什么方式到来?
10 月 30 日,由联想控股微空间、海淀区中关村街道、海淀区“五方六力”中国科学院工作组、融科资讯中心、联想创投及讯兔科技等共同发起的“科技有「联想」·Token 畅想曲”线下沙龙在京举行,其中圆桌论坛环节围绕这一主题展开讨论。腾讯研究院高级研究员白惠天、联想控股前瞻技术研究院首席技术专家杨宇航、中国信息通信研究院人工智能研究所平台部副主任李荪、中国科学院软件研究所助理研究员张洪滨,从个人 Token 账单、组织提效的“碰壁”,到产业落地、泡沫之争与上游算力的真实压力,进行了深度探讨,共识与分歧同样清晰。
本场圆桌对话由北京青创伯乐投资有限公司合伙人宾爽主持。以下为实录内容,略有删减,enjoy:
议题一:
Token 都消耗在哪?个体、机构、Agent 场景差异巨大
宾爽:大家日常的 Token 消耗量主要用在了哪些场景?
白惠天:我本身是 AI 技术实践者,日常使用场景十分多元。之前博士阶段主要帮助做研究,现在切换为多 Agent 模式开展科研工作;同时覆盖写文章、制作 PPT、调试各类小工具等。
杨宇航:普通领域分析研究,Token 消耗并不大,几十万 Token 即可完成;但当使用 Agent、生成视频等场景,日均消耗很容易达到几千万 Token,阶段性消耗差距非常明显。
李荪:我的 Token 消耗分为三块。第一是个人工作,主要面向政府咨询业务,多用于材料整理、思路梳理、背景调研,消耗可控;第二是家庭场景,孩子会和大模型对话,把想法转化成图片、视频;第三是单位业务,我们定期监测国内外近百款大模型,模型迭代快、测试维度持续增加,这一块产生了很高的成本开销。
张洪滨:我个人每日 Token 消耗规模达到 3—5 亿,主要用于三块:一是依靠 Agent 持续监控行业软硬件动态,适配 AI 软件栈的碎片化生态;二是新模型到来时,借助 Agent 生成高性能代码完成适配优化;三是开源社区代码仓库海量 PR 合并,利用 Agent 完成代码 Review 工作。
议题二:
Token 效率怎么定义?不止模型层,组织协同是重要卡点
宾爽:现在 Token 用量越来越大,但行业还没有类似电力一样成熟的效率度量体系,Token 效率该如何定义与衡量?
白惠天:Token 贯穿从底层能源到上层应用的“五层蛋糕”框架,效率可以分为模型层与应用层两个维度。模型层效率方面,过去行业信奉“大力出奇迹”,随着 MoE 架构普及,按需激活参数,实现“小身材、大能力”。应用层效率的核心在于模型路由,简单任务交给低成本小模型,复杂高难度任务调用高阶大模型;可以检索获取信息的场景就不要生成,以此提升投入产出比。

△ 腾讯研究院高级研究员白惠天
同时,个体使用 AI 实现提效已经成为现实,但从超级个体走向组织级应用,还面临巨大阻碍。组织内部信息不同步、上下文割裂,会带来大量额外消耗,这是 AI 应用迈向更高效率绕不开的门槛。类比电力发展历史,单点电灯实现效率提升,但完整流水线体系建立,才带来全社会效率跃迁。AI 同理,个体提效到组织、社会层面的整体提效,还有很长的路要走。
宾爽:放眼全行业,还有哪些降本路径?
白惠天:除了技术本身,组织模式重构是关键课题。如何让擅长 AI 的超级个体在复杂组织中持续发挥价值、实现多人协作,是行业亟待解决的命题。
议题三:
Token 与产业落地,人工智能 + 的核心卡点不在算力
宾爽:结合“人工智能 +”政策方向,Token 和产业之间是什么关系?哪些产业会率先迎来落地?
李荪:现有认知里,大家普遍认为“能源 → 模型 → 应用”,但中间缺失了数据这一层。Token 既是能源的转换载体,也是数据的度量衡。能源是生产动力,数据是生产资料,二者缺一不可。

△ 中国信息通信研究院人工智能研究所平台部副主任李荪
算力属于公共基础设施,建好之后各行各业都可以共享;而“人工智能 +”真正的卡点,是把行业原生数据改造为 AI 可用的生产资料。国家数据局成立推动数据要素市场化,和“人工智能 +”的底层逻辑不谋而合。在我看来,在产业落地场景中,Token 更多是数据的载体,和能源的绑定关系反而没有想象中紧密。
落地节奏上,数字化程度高、知识密集型行业推进速度最快。第一梯队是宣传传媒行业,2C 创意场景对专家规则约束低,大模型的“幻觉”特性反而可以转化为创意优势;其次,医疗、教育、消费服务业等第三产业落地进度靠前。从国家政策规划来看,2030 年要实现 AI 全面赋能经济社会,未来工业、农业也会逐步深度渗透,同时重点发力消费升级,推动消费品创新与消费模式变革。
议题四:
Token 消耗暴涨,是产业泡沫吗?
宾爽:近几年 Token 消耗量实现成千上万倍增长,消耗海量算力与电力。这一轮增长是否属于泡沫?生产力价值能否匹配投入?
白惠天:AI 领域会出现资产估值过高,但不会走向崩盘式泡沫。从金融学资产定价模型来看,未来 AI 的现金流尚未完全释放,市场波动会非常剧烈。但和过往概念不同,Token 已经成为可以写入生产函数的生产要素,不再只是代币概念,实实在在参与价值创造。每一次重大技术变革都会伴随过热,而正是资本与产业的热情投入,推动技术真正落地。
杨宇航:类比“要想富,先修路”。当前 Token 消耗规模高速增长,但生产效率并没有同步成千上万倍兑现,这是基建先行的正常现象。未来价值会逐步兑现、Token 成本持续下行,消耗与价值两者会逐步拉齐。先建好基础设施,后续才会涌现大量应用。

△ 联想控股前瞻技术研究院首席技术专家杨宇航
李荪:AI 带来生产力跃升是确定趋势,但 Token 消耗增长和生产力提升并非线性关系。参考工业技术发展规律,一项新技术走向成熟,必须经过中试验证阶段。当前的高投入,本质是中试验证期的前期成本,短期很难形成完整价值闭环,但在为未来产业成熟铺路。AI 原生不止是技术、平台原生,更需要组织、人才、法律法规等整套体系配套,当八大支撑条件全部齐备,新质生产力的价值才会完整释放。
张洪滨:行业现在过度关注 Token 的采购价格,更应该关注每百万 Token 能够创造多少实际价值,但目前还没有统一的评测基准。同样数量的 Token,不同使用者产出效果天差地别,资源管理能力决定价值产出。可以对标互联网发展历程:经历萌芽、试错、去泡沫,最终沉淀真实需求与真实应用,当前我们正处在这一过程当中。
议题五:
Token 暴涨向上游传导:推理侧迎来定制化机遇,RISC-V+AI 值得期待
宾爽:Token 需求爆发向上游算力基础设施传导,带来哪些压力与创新机会?
张洪滨:应用侧爆发对底层不是单纯压力,更是应用牵引的发展机遇。行业正在从以请求为核心的大模型时代,走向以任务为核心的 Agent 时代。Agent 涉及多轮工具调用等待,对软硬件系统提出全新要求。训练侧技术路线会走向收敛,但推理侧场景百花齐放,软硬件需要针对不同场景做定制化改造。RISC-V 开放免授权,产业可以深度参与指令集标准化,非常适配 AI 时代快速迭代的需求。“ARM+ 安卓”成就移动互联网,AI 时代的绝佳组合,或许是“RISC-V+AI”。

△ 中国科学院软件所助理研究员张洪滨
议题六:
行业格局:不会赢家通吃,走向智能平权,产学研各有舞台
宾爽:面向未来,AI 产业格局是百花齐放,还是赢家通吃?
杨宇航:不会出现赢家通吃,这是一场智能平权、创造平权的浪潮,企业、个人都拥有机会。基建与工具平台,更适合产业界承担,需要大规模资源投入;模型迭代、科研创新,高校与研究机构同样拥有广阔空间。
我个人还担任中国中文信息学会产学研创新生态工作委员会秘书长一职,在这里我简单介绍我们近期在产学研协同方面做的三件事:一是评测,把各类真实业务问题抽象成测评任务,发布出来作为“靶子”,降低参与门槛,吸引大量团队参与,孵化产品雏形;二是人才,通过工委会选拔和推荐青年科学家和科创企业代表参加联想之星 CEO 培训班,推动科学家与企业家深度交流碰撞,补齐科研人员产业经营认知;三是联合孵化,依托投资平台,对接高校原创研究,匹配产业场景,共同孵化科技创业项目。
收尾:
一句话预判 Token 使用量未来增长
宾爽:最后请各位嘉宾,用一句话预测 Token 使用量的增长,并说明理由。
白惠天:Token 的需求才刚刚被打开。因为 Token 经济的终点始终是人,当下还有大量群体尚未完成数字化、没有深度使用 AI,想要实现技术平权、智力普惠,Token 需求必然迎来指数级增长。
杨宇航:Token 会保持高速增长。核心驱动来自两点:AI 自主学习能力持续演进,以及应用场景大门持续打开。
李荪:Token 消耗量会持续上涨,但行业追求的是更高的有效比与性价比。AI 技术迭代越来越多借鉴人类认知学习逻辑,人文社科力量也在深度参与 AI 工程化落地,轻量化、模型压缩等工程技术也会持续优化投入产出。
张洪滨:2030 年 Token 规模将达到今天的一万倍。这一判断来自图灵奖得主 David Patterson,由三个乘数构成:AI 算法迭代带来 50 倍增长、软硬件系统演进带来 50 倍增长、全球 AI 算力中心规模扩张 4 倍,50×50×4 合计一万倍。
免责声明:本文为本网站出于传播商业信息之目的进行转载发布,不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。本网站对此咨询文字、图片等所有信息的真实性不作任何保证或承诺,亦不构成任何购买、投资等建议,据此操作者风险自担。