螞蟻數(shù)科：Token效能將是衡量企業(yè)級(jí)AI價(jià)值的核心指標(biāo)

以O(shè)penClaw為代表的自主執(zhí)行智能體爆火，標(biāo)志著AI應(yīng)用已從“對(duì)話交互”向“任務(wù)執(zhí)行”加速演進(jìn)。企業(yè)在加速擁抱的同時(shí)，也面臨著算力浪費(fèi)、安全合規(guī)等多重挑戰(zhàn)。如何讓智能體真正實(shí)現(xiàn)規(guī)模化、可持續(xù)地落地，成為產(chǎn)業(yè)界共同關(guān)注的核心議題。

3月26日，在中關(guān)村論壇未來(lái)產(chǎn)業(yè)創(chuàng)新發(fā)展論壇中，螞蟻數(shù)科大模型技術(shù)創(chuàng)新部總經(jīng)理章鵬在演講中表示，OpenClaw的爆發(fā)將帶來(lái)企業(yè)級(jí)AI范式革命，推動(dòng)大模型在產(chǎn)業(yè)場(chǎng)景的落地從‘參數(shù)競(jìng)賽’走向“Token效能競(jìng)爭(zhēng)’。”

圖說(shuō)：螞蟻數(shù)科大模型技術(shù)創(chuàng)新部總經(jīng)理章鵬在中關(guān)村論壇演講

OpenClaw類智能體的快速普及，反映了市場(chǎng)對(duì)自主執(zhí)行型智能體的需求，但在真實(shí)產(chǎn)業(yè)環(huán)境中，其落地面臨顯著挑戰(zhàn)：由于缺乏對(duì)行業(yè)規(guī)則、業(yè)務(wù)流程的深度理解，智能體在執(zhí)行復(fù)雜任務(wù)時(shí)往往反復(fù)調(diào)用工具，導(dǎo)致Token消耗遠(yuǎn)高于有效產(chǎn)出。據(jù)了解，在一些高頻調(diào)用場(chǎng)景中，OpenClaw的Token消耗成本可達(dá)集成式Agent成本的數(shù)十倍甚至百倍，這種高投入低產(chǎn)出的模式，讓其在產(chǎn)業(yè)規(guī)模化應(yīng)用中面臨可持續(xù)性難題。

“大模型產(chǎn)業(yè)落地的下半場(chǎng)，核心命題不是模型參數(shù)規(guī)模的競(jìng)爭(zhēng)，而是單位Token效能的持續(xù)提升。”章鵬認(rèn)為，企業(yè)應(yīng)結(jié)合實(shí)際場(chǎng)景與需求，選擇大小模型結(jié)合的AI解決方案，以更低算力成本實(shí)現(xiàn)更高業(yè)務(wù)價(jià)值。

以金融場(chǎng)景為例，該領(lǐng)域每天需處理海量高頻低時(shí)延的任務(wù)——快速識(shí)別意圖、提取關(guān)鍵信息、檢索排序等等，這些任務(wù)具備高并發(fā)、快響應(yīng)、高精準(zhǔn)要求，傳統(tǒng)行業(yè)推理大模型能力強(qiáng)大，但在這些場(chǎng)景就像“殺雞用牛刀”，成本高昂，響應(yīng)偏慢，資源浪費(fèi)。

“產(chǎn)業(yè)真正需要的是，在確保專業(yè)、嚴(yán)謹(jǐn)與合規(guī)的前提下，實(shí)現(xiàn)最優(yōu)性價(jià)比與響應(yīng)速度的AI解決方案。”章鵬表示。他認(rèn)為，大參數(shù)模型在復(fù)雜推理與深度分析方面表現(xiàn)效果更優(yōu)，小參數(shù)模型則在高頻小任務(wù)場(chǎng)景的擁有更低延遲與更高性價(jià)比，產(chǎn)業(yè)需要大小模型相結(jié)合的方案，才能更高效低成本地解決真實(shí)場(chǎng)景問(wèn)題。

在中關(guān)村論壇上，螞蟻數(shù)科發(fā)布了輕量級(jí)金融專用模型Ling-DT-Fin-Mini-2.5，這是Ling DT系列大模型的首款模型。據(jù)介紹，Ling DT Fin Mini 2.5是一款輕量級(jí)MoE模型，基于Ling 2.5最新的混合線性注意力架構(gòu)，針對(duì)金融領(lǐng)域高并發(fā)、低時(shí)延的任務(wù)場(chǎng)景進(jìn)行優(yōu)化，在保持專業(yè)深度的同時(shí)，可將推理成本壓縮至可規(guī)模化部署的水位。它相比業(yè)界主流的同能力通用模型，推理速度快100%，處理相同任務(wù)量的硬件成本顯著降低，為金融機(jī)構(gòu)帶來(lái)切實(shí)的降本增效價(jià)值。

事實(shí)上，當(dāng)AI智能體加速滲透產(chǎn)業(yè)核心場(chǎng)景、執(zhí)行真實(shí)任務(wù)后，大小模型相結(jié)合已經(jīng)成為行業(yè)趨勢(shì)。近期，OpenAI便相繼推出兩款小模型GPT?5.4 mini與nano，主打低延遲與高性價(jià)比，作為執(zhí)行層子智能體主力。

章鵬表示，技術(shù)發(fā)展終將回歸產(chǎn)業(yè)對(duì)效率的理性要求，下一階段的競(jìng)爭(zhēng)中，Token效能將成為衡量企業(yè)級(jí)AI價(jià)值的核心指標(biāo)。螞蟻數(shù)科將持續(xù)深耕企業(yè)級(jí)AGI，進(jìn)一步推出百靈企業(yè)版Ling DT大模型及其行業(yè)版，加速智能體在企業(yè)級(jí)復(fù)雜場(chǎng)景的規(guī)模化落地。