當世界被token淹沒，價值去哪里了

這個世界生成與消耗的token正在激增，。AI的價值開始從芯片流向包括云服務與模型調用的AI基礎設施，但是進一步流向應用，依然是雷聲大雨點小。

進入2025年的最后一個季度，AI巨頭每個月消耗的token數量，已經來到了千萬億(Quadrillion)的量級。這一數字很快還會繼續倍增、以數量級增加。網頁上的內容，AI生的已經開始超過人類發布的。

月初，谷歌AI Studio負責人Logan Kilpatrick披露，公司最近一個月消耗了1300萬億tokens。OpenAI也在宣傳旗下API每分鐘調用了60億tokens，按該業務占公司收入25%折算，整個公司也達到了每月消耗1080萬億tokens水平。上周，字節跳動稱，過去一個月的日均token調用超過30萬億，相當于每個月900萬億，動態來看，相當于躋身“千萬億俱樂部”。

如此龐大的token消耗量，真正爆發，也就幾個月的時間。與這段時間相對應的，是多模態與智能體相關產品的滲透。它們都太吃token了。如果說，用戶與AI進行一次對話，消耗的token數量為1個單位，那么，生成一段10秒鐘的視頻，消耗的token差不多是前者的3000倍，如果是深度研究，那么更是消耗了單次對話的百萬倍之巨。

無論是視頻生成，還是智能體應用，都將繼續引領行業的token消耗。OpenAI想把自己的獨立應用Sora打造成短視頻的TikTok，開啟新的貨幣化路徑；奧特曼甚至想學馬斯克，后者的Grok在X上通過“擦邊”，吸引了不少流量；OpenAI甚至開始推出成人內容，可能想起了互聯網早期是如何打開流量局面的。谷歌上周匆忙發布了Veo 3.1，它的Shorts已經加入了AI。字節跳動則通過豆包海外版Cici，悄然搶占拉美與東南亞市場。所有這些，都成為消納token的新出口。

如果視頻生成試圖牢牢占據消費者心智與時間，那么智能體想蠶食的就是軟件世界。就在這半個月內，OpenAI、Google、Anthropic三家大模型企業，都在智能體領域有所動作。在開發者日，OpenAI提出了AgentKit等一系列工具。幾天后，谷歌發布了Gemini CLI Extensions，打造智能體的Gemini生態。又過了一周，Anthropic新推出更輕量級的Claude Skills，將智能體功能“封裝”在“文件夾系統” 里，方便低門檻地嵌入工作流。

消耗token數量，已經成為一家企業AI含量的評估指標之一。已經至少30家企業，在OpenAI的平臺上，調用了超過1萬億的tokens；此外，還有70家企業消耗了1千億以上。

按去年的標準，萬億token這一數量級，可以嚇人一跳。如果一次簡單對話，平均輸入輸出1000個tokens，那么，單個用戶足夠對話10億次；如果主要是輸出，每秒鐘吐出100個token，單個用戶需要盯著屏幕300多年。但是，按照最近的標準，萬億tokens也就夠產出1000份深度研究報告，一家咨詢機構的研究員們想拿它做點早期調研工作，很快就花完了。如果按GPT-5的API價格計費，這差不多花費百萬美元左右。

B2B服務正在積極買單。穿透到它們所服務的終端用戶，OpenAI這些萬億token消耗量的大客戶們，往往擁有龐大的用戶規模與高頻的調用需求；它們往往非常害怕錯過，被時代所拋棄，愿意花錢試一試。事實上，它們也往往不依賴單一模型。

在OpenAI公布出來的名單中，開發者工具占比最高。代碼審查的CodeRabbit、AI軟件工程師的Cognition、AI終端的Warp，以及IDE和開發工具的JetBrains等等，都消耗了海量token，肯定遠超萬億級別。其次就是鼓吹AI-First的傳統SaaS服務，包括Salesforce、HubSpot與Zendesk等。大模型帶來了垂直深度的企業服務市場，法律AI助手的Harvey，醫療AI文檔的Abridge等AI原生應用也由此誕生。

但是，問題在于收益，尤其是具備用戶黏性的經常性收益。以光速獲得的收益，也許也會以光速失去。買家的熱情可能是情緒性的。部分AI企業對外宣傳的年度經常性收益（ARR），很可能是一次性的實驗性收益。智能體服務更深地嵌入到客戶系統與工作流中，需要花費大量時間與精力，也是維持用戶粘性的摩擦成本。

最典型的之一，就是曾經的“氛圍編碼”（Vibe Coding），紅極一時。但人們在嘗試、付費之后開始流失。僅用8個月就成為AI獨角獸的Lovable，已經開始回歸12周前的熱度。RolystAI與Datainsta創始人認為，過去的“氛圍編碼”明星都在“死去”；除了Base44，因為它還在燒錢打廣告。

谷歌開發者智能高級總監Nicole Forsgren認為，代碼行數是衡量生產力的糟糕的指標，AI生成代碼加速并不意味著項目開發加速。美國METR研究所分析開發者的實際工作產出時，發現使用AI的開發者完成任務的速度，竟比不使用AI時慢了20%。

關鍵在于用了這些token都干什么了，能帶來什么收益。消耗的token越多，意味著花費的成本越高。要想token經濟學成立，而且不是在芯片廠商與AI基礎設施廠商之間空轉，要打通token經濟學最后一環，提升并兌現這些token的價值。

目前，行業做的并不好。投資者兼作家Azeem Azhar估算，2025年與人工智能相關的數據中心年度支出約為4000億美元，而同期人工智能收入約600億美元。入不敷出，比互聯網早期的光纖基建的泡沫時期還嚴重，后者資本支出僅為收入的4倍。

這也包括那些拿到了OpenAI萬億token消耗獎章的公司。它們當中有不少上市公司，包括語言學習應用Duolingo，設計軟件Figma，企業服務HubSpot與Salesforce，在今年的AI泡沫浪潮中，市值不升反降。Duolingo是最積極擁抱AI的企業之一，從2021年開始就與OpenAI達成合作，也是OpenAI官網公布的首批GPT-4用例企業。但是，它大幅減少人工內容，引發了社區爭議；它的部分功能的本身，也可以逐步被大模型所取代。事實上，按照常識，愿意如此公開的，往往已是AI應用的佼佼者，更多的企業收益或許更低。

而那些未上市的AI獨角獸企業，估值仍在膨脹。企業搜索聊天機器人Glean，去年年度經常性收入約1億美元，今年年中融資后估值72億美元；AI搜索平臺Perplexity的ARR約1.5億美元，當前估值約200億美元。FT報道說，還有不少年經常性收入約為 500 萬美元的初創企業正在尋求 5 億美元以上的估值；這令當年的SaaS熱潮也相形見絀。

它們許多在工作中并不好用，沒有兌現最值錢的那部分價值。有的可以部分增強人類的工作，但完全不是它所宣傳的那樣能替代員工。

行業對AI促進基礎科研與完成經濟價值任務，充滿了過度的期待。OpenAI一位高管在推文中宣稱 GPT-5 “解決”了多個長期未解的數學難題，但事實證明，這些問題其實已有解，只是未被收錄或廣為人知，GPT-5做的，不過是檢索到了這些文獻檢索，而非創新證明。這遭到了哈薩比斯 （Demis Hassabis）、楊立昆（Yann LeCun）等競爭對手的嘲諷。

這當然并不意味著，AI最終無法如最狂熱的支持者所宣稱的那樣，變成一場新的技術革命。但“最終”可能意味著漫長的等待。要實現token經濟，打通最后一環，仍然需要解決很多技術問題與產品問題。

業內的大佬們正在冷靜下來。年中的時候，蘋果指出了大模型思考的幻象（The Illusion of Thinking），但由于，AI追趕遲緩了，還被質疑酸葡萄心理。但最近，強化學習之父 Richard Sutton的發言真的震撼到業界。他認為大模型根本沒有學到“”，智能應該從“運行時”的經驗中生長出來。此言一出，那些奉“苦澀的教訓”為“圣經”的人們，不得不重新各自解讀。

大神卡帕西是的一位。上周，他也對智能體、強化學習與AGI潑了一盆冷水。在他看來，傳統的強化學習，信號效率極低，反饋又極其嘈雜，短期內不再看好，未來需要幾次重要的算法更新；他還認為，智能體的能力還沒跟上，工具卻已經做得過頭，沒有現實地匹配當前能力和行業需求。即使樂觀地看，我們離所謂的AGI也還要10年。

OpenAI研究副總裁Jerry Tworek則打了個圓場，認為自己正在做的事情離AGI可能不遠，但對另一部分人來說可能并不如是。團隊正在完善預訓練方法，也在對強化學習作大量研究。OpenAI內部正在讓模型工作更長時間，但還沒找到合適的產品形態，來部署這種

黃仁勛把數據中心稱為生產token的AI工廠，英偉達負責以越來越低的成本生產token。所有軟硬件協同創新，都是為了以更少的GPU時間和更低的電力消耗產出更多的toke，但是，這些token能創造什么經濟價值呢？

如果說2025年是AI基礎設施真正爆發的一年，那么，2026年需要成為追逐token價值的一年。