从“卖Token”到“卖结果” | 科技有「联想」沙龙激辩Token经济三大议题
内容提要
10月30日，“Token畅想曲”沙龙在北京举行，产学研投嘉宾围绕Token经济展开讨论。与会者认为，Token是可机器化交付的智力服务，当前供给扩张快于需求，远未到爆发点，需挖掘长尾需求并提升Token效率。AI短剧、金融投研等垂直应用处于领先地位，商业模式应从卖Token转向卖结果、按结果付费。嘉宾预计2030年全球Token消耗或达当前的万倍，同时需关注成本、泡沫与安全治理问题。
延伸解读
Token经济的瓶颈不在算力，而在数据与需求
沙龙上多位嘉宾指出，当前Token供给能力指数级扩张，但需求曲线尚未跟上。中国信通院李荪认为产业落地关键卡点在数据而非算力，行业落地优先次序取决于数字化程度和知识密集度。腾讯研究院白惠天则强调，需挖掘用户自身都难以清晰描述的长尾潜在需求。这意味着，Token经济要迎来爆发，不能只靠堆算力，更要解决数据供给和需求挖掘问题。
从卖Token到卖结果：付费模式正在重构
圆桌讨论中，嘉宾们提出商业模式应从卖Token转向卖结果、按结果付费。联想创投叶帅民以AI客服公司Sierra为例，该公司不按Token用量或通话时长收费，而是在问题解决且未转人工时才收费。国泰海通杨林进一步提出按结果付费的三个前提：模型能力达到阈值、输出结果可预期且可清晰认定、投资回报可以算清。这为评估AI应用商业闭环提供了可操作的判断框架。
Token效率成为衡量价值的新标尺
面对Token消耗高速增长，嘉宾们建议从价格看向价值，关注单位Token的实际产出。白惠天用“Token效率”衡量调用量增长与价值创造的关系，并举例模型层通过混合专家架构按需激活参数，应用层通过模型路由将简单任务交给低成本模型。中科院张洪滨则给出成本公式：Token产出量除以生成成本。这些视角提醒读者，Token经济不能只看消耗规模，更要看效率与产出。
泡沫之争：谨慎乐观下的风险提示
对于Token消耗高速增长是否构成泡沫，四位圆桌嘉宾均持谨慎乐观态度。白惠天认为存在高估但不构成崩盘式泡沫，因为Token可作为生产要素进入生产函数；杨宇航表示价值兑现与成本下降将逐步拉齐；李荪认为当前处于技术成熟必经的中试验证阶段；张洪滨建议从价格看向价值。嘉宾们同时提醒，需关注成本、泡沫与安全治理问题，当前Token经济远未到达爆发点。
Q&A
Token在AI时代具体指什么？为什么说它是智能经济的度量衡？
Token（词元）是大模型处理信息、调用算力、交付智能服务的基本计量单位，正成为智能经济的重要“度量衡”，并重塑算力、云计算、大模型及智能体应用等环节的成本与价值逻辑。
当前Token经济的供需状况如何？是否已经爆发？
当前Token供给能力指数级扩张，稀缺性快速下降，但市场需求曲线尚未跟上供给扩张，大量潜在需求未被挖掘。嘉宾们认为当前Token经济远未到达爆发点，产业落地仍有卡点。
Token经济有哪些典型的垂直应用场景？哪些领域跑得最快？
AI短剧和金融投研是当前Token在垂类应用中跑得最快的赛道。AI短剧通过结构化提示词库和批量生成消耗大量Token；金融投研中AI应用渗透率高速提升，核心竞争力来自完成专业任务的深度和稳定性。
从“卖Token”转向“卖结果”的商业模式具体怎么实现？
嘉宾提出三层交付模式：基础能力交付、阶段性任务交付和联合研发成果交付。商业闭环的标志是“时长的有机增长”，即用户愿意持续投入时间使用AI产出的成果。按结果付费需满足三个前提：模型能力达到阈值、输出结果可预期且可清晰认定、投资回报可以算清。
Token消耗高速增长是否意味着泡沫？嘉宾们怎么看？
四位嘉宾均持谨慎乐观态度。白惠天认为存在高估但不构成崩盘式泡沫，因为Token可作为生产要素进入生产函数；杨宇航表示价值兑现与成本下降将逐步拉齐；李荪认为当前处于技术成熟必经的中试验证阶段；张洪滨建议“从价格看向价值”，关注单位Token的实际产出。
Token经济的成本如何计算？有哪些提升效率的方法？
成本公式为：Token产出量除以生成成本，成本等于计算、存储、通信、电力等要素与硬件利用率的乘积。提升Token效率的方法包括：模型层采用混合专家架构按需激活参数，实现“小身材、大能力”；应用层依靠模型路由，简单任务交由低成本模型，复杂任务才调用最强模型。
未来Token消耗量会增长到什么规模？下一个爆发点可能在哪些领域？
据图灵奖得主David Patterson测算，2030年全球Token消耗量有望达到当前的一万倍。下一个爆发点方面，崔予淳看好信息密集型行业；杨林提出容错率高、数据充分规则清晰、技术栈成熟、投资回报可算四个判断因子；楚汝峰判断Token服务将分化为超低成本端侧、大众化云端和专业领域智能服务三类形态；叶帅民认为机会将集中于应用场景，社交、娱乐、消费等领域存在被重新解构的空间。
