FDE 企业 AI 落地与交付 · 需求、方案与交付 · 2026-09-01

腾讯司晓:词元(Token)是智能时代最显性的脉搏

腾讯司晓解析Token经济:5000倍消耗增长成智能时代脉搏,案例见证AI设计价值。 核心内容:

  1. 海宁皮革城设计抄袭案例与AI文生图解决方案
  2. Token消耗爆发数据及个人高消耗案例(如文科研究员308亿总量)
  3. 机器端长程任务与工作流驱动Token增长的核心逻辑

尊敬的各位领导、各位观众:大家好。今天我想跟大家分享词元(Token)经济这个话题。通过后面几个案例,大家可能会更容易理解,为什么我选择“词元(Token)是智能时代最显性的脉搏”这句话,作为分享的副标题。我想先从一个案例开始。2023年3月,我带着团队去地方产业带调研,那时候我们的视频号电商业务开始做微信小店。在浙江海宁的皮革城,我跟一位老板有过一段对话。他讲到一个困扰,好不容易请设计师、设计院设计了一个新产品样式,别说放到网上卖了,只要挂到档口上,很快就会被人拍照抄走,爆款马上就没了。后来我用AI文生图,给他生成了一些设计草图,他觉得这个东西很神奇,说:“虽然我不会设计,但是我会挑。我在这个行业干了几十年,大概知道这一批里面挑哪个能火。”这场交流之后,我就有了一个感觉,大模型卖的并不是模型本身,而是在这个场景里设计能力的智力服务。而人类作为驾驶员,核心能力在于品位和选择。刚才从几位领导的致辞,到院长的发言,大家都提到了Token使用的爆炸式增长。我看到一组数据:2024年年初,全中国日均消耗Token数是1000亿;到了今年6月,我们公布的数据是日均500万亿,整体增长了5000倍。这里还有两个更直观的例子。第一,是某个开源的Token消耗监测应用,安装在本地后,可以把各个AI产品的Token使用量统计加总。在它的排行榜上,第一名的用户,一个月消耗了1200亿Token。也就是说,这位国外技术大神,一个人消耗的Token,相当于中国在2024年年初全国口径日均消耗量的1.2倍。这个人我们不知道是谁,但我可以讲一个身边的文科生案例。一位坐在我办公室附近的文科研究员,最近三个月的Token消耗非常高。她是非常极致的使用者,自己的视频号内容几乎全由数字人出镜。她有一天最高消耗17亿Token,从5月至今总量是308亿,日均2.8亿。按这个趋势,这样一个文科研究员,一年也能用到1000亿Token的量级。这是真实发生的,我可以对数据真实性负责。还有一个关键数字,她的对话有20万轮,准确说是196,049轮。这一定不是普通的人机对话,而是Agent在背后有大量调用。可以说,Token消耗的爆发性增长首先来源于机器端,而不是人类的直接调用。说白了,人的注意力和时间都有限,不可能直接消耗太多Token。真正的增量,一定是来自工作流和长程任务:当机器端的AI能够持续执行3到16小时的长程任务,Token消耗才会快速上升。就像无人驾驶一样,人类整个行驶里程的增加,一定不是靠人开车,而是到机器能够自己开、汽车能够完全自动驾驶的阶段,才会爆炸性增长。它的物理瓶颈会变成道路使用率问题。换句话说,道路使用率决定了总里程上限。这和后面要讲的Token总量软硬件瓶颈有直接关系。粗略估计,每向上一层,消耗可能上升一到两个数量级,也就是乘以十或者乘以一百。大概是这样一种指数级消耗,能够解释刚才那两位超级个体,为什么可以使用到那么多Token。所以这里有一个结论。这个结论的形成,其实受到刘烈宏局长很大的启发。上次在江小涓老师组织的中国数字经济年会上,我有机会向烈宏局长请教了一个问题:到底怎么看Token能卖钱、大数据不一定能卖钱这个现象。他讲了一句话,Token本身能够商业化,恰恰证明了它是大数据变现的一种方式。这是一个例证。这个判断给了我很大的启发。从数据来说,原始数据机器不能直接训练,需要先Token化,再用于模型加工;模型加工又通过GPU运转和电力消耗生产出Token,进而售卖智力服务,最终由客户付费。这样讲还是比较抽象,我来讲一个具体例子。英伟达创始人黄仁勋曾讲过,整个Token的成本由五层蛋糕决定。作为“卖铲子”的一方,赚钱最多的是芯片那一层。现在大家也知道,存储HBM的价格很高,又拿走了其中一大部分。所以我们的结论是,利润会流向当前最难被替代的环节,而这个瓶颈一旦变化,整个利润分配也会跟着变化。我们现在面对的情况是:对于一个看起来像数据的产品,它的硬成本中有70%是硬件约束,由能源、芯片和基础设施决定;所谓算法的贡献,实际上只占20%,最多到30%。所以从这个角度,我甚至可以说得夸张一点,它更像一个工业制品。每生产一个Token,就像生产一个螺丝钉一样,其中有很多刚性的东西。因此,它和我们讲的比特有非常根本的区别,和互联网时代的商业模式也有根本区别。互联网模式的边际成本基本是零。你把软件研发出来,包括SaaS服务也是一样的,只要研发出来,多一个用户,多一个微信用户、多一个淘宝用户,没有多少成本。但AI不一样,多一个AI用户,用户消耗的每一个Token都有刚性成本,没有边际成本为零的效应。而且它还没有那么强的网络效应。什么叫网络效应?就是你在一个对话框里,可以随时切换到另外一个AI,去进行对话。用户忠诚度非常低,哪个AI强、哪个便宜,就马上切换过去。这是一个非常现实的例子。所以它的商业模式,跟互联网时代一定不一样。这里可以得出一个结论:Token的成本主体是物理性的、重资产的。AI看上去像软件,骨子里却越来越像重工业。这里还有一个特别有意思的例子,就是AI有两个时钟的迭代效应。第一个时钟在软件侧,基本上按周,甚至按天迭代,这个说得一点都不夸张。从算法侧看,MoE、FlashAttention、KV Cache管理、连续解码等等,这里只是举…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/LargeLanguageModel/2026090127563.html