7.2
深览指数
科技人人都是产品经理·硅基观察Pro··AI 生成
是时候该给Token算算ROI的账了
文章的核心结论是：企业AI部署正从“Token最大化”向“Token纪律”转变，Token消耗已成为成本中心而非创新指标。作者通过Jellyfish数据揭示高Token消耗与生产力提升严重失衡（10倍消耗仅换2倍产出），并引用多位CEO对模型收费模式的质疑。文章认为，模型分层（顶尖模型+高性价比模型）是必然趋势，最终赢家属于Token效率最高的玩家；中美AI竞争的底层逻辑在于美国定义智能上限，中国定义成本下限。适合关注AI产业投资、企业技术采购决策的读者阅读。原文 ↗
核心观点
- ▍Token消耗正从创新指标转变为企业的成本中心，企业需要从Token最大化转向Token纪律，给Token算ROI账。
- ▍模型分层（Claude Fable 5等高价值场景使用，便宜模型处理常规任务）是必然趋势，最终赢家属于Token效率最高的玩家。
- 01Jellyfish数据显示，过去9个月内每位开发者的AI支出增长了约18.6倍；使用Token最多的工程师生产力是低使用者的2倍，但消耗的Token却是后者的10倍，投入产出严重失衡。
- 02德勤测算，年收入约130亿美元的企业每年AI投入可能高达7亿美元；腾讯部分部门员工此前每人每月AI使用额度高达2000美元，年度Token预算接近24亿元。
- 03Palo Alto Networks CEO建议Token价格需要再下降90%企业才能大规模部署；Palantir CEO批评OpenAI按Token收费模式“完全错了”。
- 04Agent与软件运行方式不同，Token消耗具有不确定性；研究显示Agent完成同类任务Token消耗可达普通问答的1000倍，不同运行间消耗最多差30倍。
- 05a16z调研显示，到2025年37%的企业同时使用5个以上模型；2026年81%的企业在测试或生产环境使用三个以上模型家族。
- 06The Information数据显示，在其追踪的34家领先AI创业公司中，OpenAI和Anthropic拿走了89%的收入。
- 07Perplexity采用中国Z.ai开源的GLM 5.2作为底层模型之一，印证了美国应用公司使用中国模型降本的趋势。
反方 / 局限
- — 目前闭源前沿模型在企业支出中仍占绝对主导，用户在前沿用途上对价格并不特别敏感，这种格局是否会被成本效率模型颠覆存在争议。
TokenROIJellyfish德勤Palo Alto NetworksPalantirOpenAIAnthropica16zThe InformationDeepSeekPerplexityGLM腾讯UberPricelineNikesh AroraAlex KarpGavin BakerFreda Duan
8 分钟 · 4 卡片 · 11 资料
读原文 →