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(wù)與模型調(diào)用的AI基礎(chǔ)設(shè)施，但是進一步流向應(yīng)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(shù)量，已經(jīng)來到了千萬億(Quadrillion)的量級。這一數(shù)字很快還會繼續(xù)倍增、以數(shù)量級增加。網(wǎng)頁上的內(nèi)容，AI生的已經(jīng)開始超過人類發(fā)布的。

月初，谷歌AI Studio負責(zé)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(diào)用了60億tokens，按該業(yè)務(wù)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(jié)跳動稱，過去一個月的日均token調(diào)用超過30萬億，相當(dāng)于每個月900萬億，動態(tài)來看，相當(dāng)于躋身“千萬億俱樂部”。

如此龐大的token消耗量，真正爆發(fā)，也就幾個月的時間。與這段時間相對應(yīng)的，是多模態(tài)與智能體相關(guān)產(chǎn)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(shù)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(yīng)用，都將繼續(xù)引領(lǐng)行業(yè)的token消耗。OpenAI想把自己的獨立應(yīng)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(xué)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(nèi)容，可能想起了互聯(lián)網(wǎng)早期是如何打開流量局面的。谷歌上周匆忙發(fā)布了Veo 3.1，它的Shorts已經(jīng)加入了AI。字節(jié)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(jù)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(nèi)，OpenAI、Google、Anthropic三家大模型企業(yè)，都在智能體領(lǐng)域有所動作。在開發(fā)者日，OpenAI提出了AgentKit等一系列工具。幾天后，谷歌發(fā)布了Gemini CLI Extensions，打造智能體的Gemini生態(tài)。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(tǒng)” 里，方便低門檻地嵌入工作流。

消耗token數(shù)量，已經(jīng)成為一家企業(yè)AI含量的評估指標之一。已經(jīng)至少30家企業(yè)，在OpenAI的平臺上，調(diào)用了超過1萬億的tokens；此外，還有70家企業(yè)消耗了1千億以上。

按去年的標準，萬億token這一數(shù)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?qū)υ?0億次；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(chǎn)出1000份深度研究報告，一家咨詢機構(gòu)的研究員們想拿它做點早期調(diào)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(wù)正在積極買單。穿透到它們所服務(wù)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(guī)模與高頻的調(diào)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(fā)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(fā)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A(chǔ)I-First的傳統(tǒng)SaaS服務(wù)，包括Salesforce、HubSpot與Zendesk等。大模型帶來了垂直深度的企業(yè)服務(wù)市場，法律AI助手的Harvey，醫(yī)療AI文檔的Abridge等AI原生應(yīng)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(jīng)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(yè)對外宣傳的年度經(jīng)常性收益（ARR），很可能是一次性的實驗性收益。智能體服務(wù)更深地嵌入到客戶系統(tǒng)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(jīng)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(jīng)開始回歸12周前的熱度。RolystAI與Datainsta創(chuàng)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(fā)者智能高級總監(jiān)Nicole Forsgren認為，代碼行數(shù)是衡量生產(chǎn)力的糟糕的指標，AI生成代碼加速并不意味著項目開發(fā)加速。美國METR研究所分析開發(fā)者的實際工作產(chǎn)出時，發(fā)現(xiàn)使用AI的開發(fā)者完成任務(wù)的速度，竟比不使用AI時慢了20%。

關(guān)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(jīng)濟學(xué)成立，而且不是在芯片廠商與AI基礎(chǔ)設(shè)施廠商之間空轉(zhuǎn)，要打通token經(jīng)濟學(xué)最后一環(huán)，提升并兌現(xiàn)這些token的價值。

目前，行業(yè)做的并不好。投資者兼作家Azeem Azhar估算，2025年與人工智能相關(guān)的數(shù)據(jù)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(lián)網(wǎng)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?wù)碌墓�。它們�?dāng)中有不少上市公司，包括語言學(xué)習(xí)應(yīng)用Duolingo，設(shè)計軟件Figma，企業(yè)服務(wù)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(yè)之一，從2021年開始就與OpenAI達成合作，也是OpenAI官網(wǎng)公布的首批GPT-4用例企業(yè)。但是，它大幅減少人工內(nèi)容，引發(fā)了社區(qū)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(yīng)用的佼佼者，更多的企業(yè)收益或許更低。

而那些未上市的AI獨角獸企業(yè)，估值仍在膨脹。企業(yè)搜索聊天機器人Glean，去年年度經(jīng)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(dāng)前估值約200億美元。FT報道說，還有不少年經(jīng)常性收入約為 500 萬美元的初創(chuàng)企業(yè)正在尋求 5 億美元以上的估值；這令當(dāng)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(xiàn)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(yè)對AI促進基礎(chǔ)科研與完成經(jīng)濟價值任務(wù)，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(shù)學(xué)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(chuàng)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(dāng)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(shù)革命。但“最終”可能意味著漫長的等待。要實現(xiàn)token經(jīng)濟，打通最后一環(huán)，仍然需要解決很多技術(shù)問題與產(chǎn)品問題。

業(yè)內(nèi)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(zhì)疑酸葡萄心理。但最近，強化學(xué)習(xí)之父 Richard Sutton的發(fā)言真的震撼到業(yè)界。他認為大模型根本沒有學(xué)到“”，智能應(yīng)該從“運行時”的經(jīng)驗中生長出來。此言一出，那些奉“苦澀的教訓(xùn)”為“圣經(jīng)”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(xué)習(xí)與AGI潑了一盆冷水。在他看來，傳統(tǒng)的強化學(xué)習(xí)，信號效率極低，反饋又極其嘈雜，短期內(nèi)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(jīng)做得過頭，沒有現(xiàn)實地匹配當(dāng)前能力和行業(yè)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(yù)訓(xùn)練方法，也在對強化學(xué)習(xí)作大量研究。OpenAI內(nèi)部正在讓模型工作更長時間，但還沒找到合適的產(chǎn)品形態(tài)，來部署這種

黃仁勛把數(shù)據(jù)中心稱為生產(chǎn)token的AI工廠，英偉達負責(zé)以越來越低的成本生產(chǎn)token。所有軟硬件協(xié)同創(chuàng)新，都是為了以更少的GPU時間和更低的電力消耗產(chǎn)出更多的toke，但是，這些token能創(chuàng)造什么經(jīng)濟價值呢？

如果說2025年是AI基礎(chǔ)設(shè)施真正爆發(fā)的一年，那么，2026年需要成為追逐token價值的一年。