當(dāng)前，全球AI產(chǎn)業(yè)的發(fā)展焦點(diǎn)已經(jīng)發(fā)生了關(guān)鍵轉(zhuǎn)變：從純粹比拼模型性能，進(jìn)入到了智能體能否大規(guī)模落地應(yīng)用的“生死競(jìng)速”階段。業(yè)內(nèi)人士暢想，未來AI要如同“水電煤”般的基礎(chǔ)資源普惠。而打通智能體產(chǎn)業(yè)化落地“最后一公里”的核心命脈在于“成本”，這直接關(guān)系到AI企業(yè)能否盈利、整個(gè)行業(yè)能否實(shí)現(xiàn)突破。
為什么成本如此關(guān)鍵？

我們可以回顧互聯(lián)網(wǎng)的發(fā)展歷程。從按Kb計(jì)費(fèi)的撥號(hào)上網(wǎng)，到百兆光纖成為家庭標(biāo)配，再到4G/5G時(shí)代數(shù)據(jù)流量成本趨近于零——每一次“提速降費(fèi)”都催生了全新生態(tài)的爆發(fā)，比如視頻流媒體和移動(dòng)支付。AI時(shí)代正處在類似的拐點(diǎn)上。
token，即大模型用來處理文本的基本碎片單元。它是計(jì)費(fèi)的尺度，也是AI組詞造句的零件。你用的token越多，消耗的計(jì)算資源就越多，成本也就越高。隨著技術(shù)進(jìn)步讓每個(gè)token的單位價(jià)格下降，企業(yè)開始將AI用于更復(fù)雜、更消耗資源的場(chǎng)景。例如，從簡(jiǎn)單的問答對(duì)話，發(fā)展到具備長(zhǎng)上下文理解、多步規(guī)劃和自我反思能力的智能體。這導(dǎo)致單個(gè)任務(wù)所需的token量呈指數(shù)級(jí)增長(zhǎng)。
經(jīng)濟(jì)學(xué)中有個(gè)著名的“杰文斯悖論”，說的是：技術(shù)進(jìn)步讓某種資源的利用效率大大提高，但結(jié)果不是節(jié)省了這種資源，而是因?yàn)槭褂闷饋砀阋?、更方便，?dǎo)致它的總消耗量反而大幅增加了。這種情況在token經(jīng)濟(jì)中正在上演。如果token成本的下降速度，趕不上消耗量的飆升，企業(yè)的總支出反而會(huì)越來越高。

多方數(shù)據(jù)給出了驗(yàn)證?；鹕揭孀钚屡兜臄?shù)據(jù)顯示，截至今年12月，字節(jié)跳動(dòng)旗下豆包大模型日均token使用量突破50萬億，較去年同期增長(zhǎng)超過10倍，相比2024年5月剛推出時(shí)的日均調(diào)用量增長(zhǎng)達(dá)417倍；谷歌在10月披露，其各平臺(tái)每月處理的token用量已達(dá)1300萬億，相當(dāng)于日均43.3萬億，而一年前月均僅為9.7萬億。即便每百萬token成本只降低1美元，每月就能節(jié)省上億美元。
那么如今市場(chǎng)上主流大模型的token成本是多少呢？以輸出百萬token為例，Claude、Grok等模型的價(jià)格普遍在10-15美元，國(guó)內(nèi)大模型雖然相對(duì)便宜，也多在10元以上。阻礙token成本下降的核心矛盾在于：大模型推理的工作負(fù)載特性與訓(xùn)練階段完全不同，而許多系統(tǒng)仍沿用為訓(xùn)練設(shè)計(jì)的舊架構(gòu)，導(dǎo)致算力、內(nèi)存和網(wǎng)絡(luò)資源無法同時(shí)高效利用，造成“高配低效”的困境。

在今年的人工智能計(jì)算大會(huì)（AICC）上，浪潮信息便針對(duì)降低token成本這一關(guān)鍵問題，推出了元腦HC1000超擴(kuò)展AI服務(wù)器，實(shí)現(xiàn)每百萬token成本首次擊破1元。其核心突破正是從計(jì)算架構(gòu)層面進(jìn)行根本性重構(gòu)，采用全對(duì)稱DirectCom極速架構(gòu)。該架構(gòu)像修“立體直達(dá)高速公路”一樣重構(gòu)服務(wù)器內(nèi)部通信，消滅擁堵和繞路。通過精細(xì)的資源調(diào)度避免算力浪費(fèi)，使得處理每個(gè)token的硬件效率和能耗比達(dá)到極致。

而這還只是剛開始。浪潮信息首席AI戰(zhàn)略官劉軍強(qiáng)調(diào)，1元/每百萬token的成本突破僅是階段性勝利，面對(duì)未來token消耗量指數(shù)級(jí)增長(zhǎng)、復(fù)雜任務(wù)token需求激增數(shù)十倍的必然趨勢(shì)，現(xiàn)有成本水平仍難支撐AI的普惠落地?！皌oken成本就是競(jìng)爭(zhēng)力，它直接決定了智能體的盈利能力。要讓AI真正進(jìn)入規(guī)?；栈蓦A段，token成本必須在現(xiàn)有基礎(chǔ)上繼續(xù)實(shí)現(xiàn)數(shù)量級(jí)的下降?！边@就要求整個(gè)AI產(chǎn)業(yè)的產(chǎn)品技術(shù)創(chuàng)新，要從當(dāng)前的規(guī)模導(dǎo)向轉(zhuǎn)為效率導(dǎo)向，從根本上重新思考和設(shè)計(jì)AI計(jì)算系統(tǒng)，發(fā)展AI專用計(jì)算架構(gòu)，探索開發(fā)大模型芯片，推動(dòng)算法硬件化的專用計(jì)算架構(gòu)創(chuàng)新，實(shí)現(xiàn)軟硬件深度優(yōu)化，這將是未來的發(fā)展方向。