文 | 解码Decode 文 | 解码Decode 🤔 去年5月，当大模型厂商卷起价格战时，Tokens大概率是🙄出镜率最高的英文单词。 简单来说，Tokens是大语言😘模型（LLM）用来切割自然语言文本的基本单位，可以直观的理解🤩为“字”或“词”。 就像工业时代用“千瓦时”度量电力消🚀耗，互联网时代用“GB”度量数据流量，AI时代用“Token👏”来度量模型的工作量。一个Token可以理解为一个词或词片段😂（中文里可能是一个字或词语）。 Tokens的调用量，👏本质反映了模型推理过程的计算量。而计算量的高或低，直接揭示了🔥模型在实际应用中的能力、成本、速度和可行性。 因此，从🤗Tokens角度跟踪AI应用落地进展，就是一个非常深刻且切中😅要害的视角。 它意味着我们将AI从一种“黑箱魔法”或纯🤩粹的技术概念，拉回到了一个可度量、可分析、可商业化的实际生产😁要素的层面。 简单来说，这意味着我们不再只关注AI“能🤯做什么”，而是开始量化分析它“做了多少”、“效率多高”、“成🎉本多少”以及“价值多大”。 谁在消耗tokens？ 😡 模型厂商以tokens为主要定价单位的底层逻辑是：模型调👏用时的tokens消耗量与相应算力投入存在强关联性。而另一条😍暗线则是，算力投入链接了营收与tokens调用量。 换😁个说法就是，模型厂商营收与其tokens调用量呈现显著同步的😍高增趋势。 2024年6月至2025年6月，OpenA🙌I大模型基础设施——微软Azure云的日均tokens调用量⭐从0.55万亿上涨至4.40万亿，与此同时，OpenAI年化😘营收（ARR）从2024年12月的55亿美元增长至2025年🔥6月的突破100亿美元，并在2025年8月达到120亿-13😀0亿美元。 也就是说，谁消耗tokens更多谁就是基模😂厂商的主流商业模式。 就目前来看，OpenAI、Ant😘hropic、字节跳动等基模厂商主要有C端和B端两种，其中C😎端包括原生聊天助手、工具类原生应用（影视、图片、编程等）的订😴阅收入、付费功能以及与内部C端产品整合后的间接收入（如Goo🤩gle Chrome）； B端则包含为大客户落地AI应🤩用和企业直接API调用。 C端的tokens调用量，主🥳要贡献者有三个： 1 大流量池产品内部的附加AI功能 ⭐ 2024年5月谷歌搜索上线的AI Overview功能🤔，至2025年二季度月活已超20亿。国海证券预测，AI Ov❤️erview功能单日tokens消耗量在1.6至9.6万亿区😎间内，在2025年7月Google日均tokens调用量中的😜占比为4.9%至29.4%。 展开全文 抖音、剪🥳映、今日头条等同样为大流量池C端产品，月活量级已达到10亿（🔥2025年3月）、7亿（2025年7月）、2.6亿（2024😍年下半年月均）。 百度之于搜索、美图秀秀之于图像，大流😜量C端应用的AI改造都是上述逻辑。据非凡产研，2025年7月🙌百度AI搜索访问量居国内智慧搜索品类第一、美图秀秀的国内访问🌟量/存量月活、新增下载量依旧居图像品类第一，且月度收入仍在环😘比提升。 2 原生聊天助手 ChatGPT聊天助🤗手保有较大C端用户规模，2025年7月APP+网页端合计月活👏达10.15亿，是OpenAI重要Tokens调用量驱动因素😂。 3 视频赛道拥有较大用户基础的新兴应用 除产⭐品内置AI功能、聊天助手外，图像、视频、陪伴、办公、教育赛道😍内均出现了有较大潜力的C端新兴AI应用。 字节跳动进行🔥多维度布局，推出醒图/星绘（图像）、即梦（视频）、猫箱（陪伴👏）、豆包爱学（教育）等AI应用。 其中醒图、即梦7月月😡活达到4924万（当月收入59万美元）、1393万（当月收入😀58万美元），已成为图像、视频赛道内拥有较大用户量级的产品；🎉猫箱7月月活794万，当月收入达112万美元，商业转化效率较😡高。 例如接入gpt-image-1、Leonardo🙌.AI的Canva，用于文生图、文生视频、图像补全等除文本模😉态外的编辑、生成场景。根据Gemini、Kimi等大模型的折😢算口径，单张图片的输出（输入）tokens消耗量在1024（😁kimi）—1290（Gemini）之间。 B端tok😉ens调用量主要源于企业级AI应用。其所呈现出来的特征，一是😅渗透率较高，Google发布的“全球601个领先企业AI应用😊案例”显示，各大规模的企业已开始尝试将生成式AI投入生产，涉😡及汽车与物流、商业与专用服务、金融服务、医疗与生命科学、酒店🤯与旅游、制作、工业与电子、媒体、营销与游戏、零售、科技、通信😆、公共部门与非盈利组织”11大行业。 二是基模厂商的B👍端收入比例较大。 数据预测2025年OpenAI来自B😂端的ARR收入占比达54%；Anthropic占比达80%。😍谷歌透露Gemini企业客户超过8.5万家，推动调用量同比增💯长35倍；火山引擎大模型收入2024年在国内公有云市场中份额👍排名第一，占比达46.4%（外部使用量，不包括豆包等内部AP🔥P）。 技术迭代解锁应用需求 越来越多的toke🚀ns调用量，并非因为更大参数的大模型，而是推理增强、多模态、🙄Agent化、长上下文转型共同作用的结果。用一句话概括既是：😆技术迭代解锁应用需求。 以GPT-5和Grok4为例：😉 GPT-5把“更强的推理能力（通过引入test-ti😊mecompute）+多模态+更长上下文+更严格的安全控制等🌟”置于产品默认层面； Grok4核心升级则是把“原生工⭐具调用+多代理协同推理+超长上下文等”做成一个可商用产品。 ❤️ GPT-5和Grok4如此设置的目标，是希望借助技术迭😢代增强AI在更复杂、更具备“生产力”的关键场景下的实用性、准😘确性，并且使得AI应用加速落地。 举个例子，假设原来1😅轮客服对话服务消耗200tokens，升级后客服问答场景中的🤔大模型推理过程将扩展成： 客户意图澄清+内部知识库检索😘+逻辑校验+答案润色4个环节，即4轮内部推理，每轮150～2🤔00tokens，最终消耗600至800tokens。 😅 类似的案例在对应的推理增强、多模态、Agent化、长上下文😆转型中都能找到，其最终结果是双向增强，存量AI应用场景的解决🎉方案更好，对应的tokens调用量也倍数增长。 随着技😊术趋势的不断推进，大量原本因“不准、不全、不落地”而被搁置的🔥需求将被解锁。当准确率、可控性跨过可行性线后，用户特别是B端😜企业（有生产力场景需求）或将从观望转为批量采购。 总结🥳起来就四点，推理增强把能用变成敢用、多模态把单点工具变成端到🔥端工作流、Agent化把对话变成可审计的业务系统、长上下文把😊项目级任务放进模型。 与此同时，虽然tokens调用量😅倍数增长，但定价却是直线下降。 比如xAI的Grok-😀4-Fast，输出百万Token仅需0.5美元（约3.5元人👍民币），但比起国内基模厂商来还是不够狠，去年9月阿里通义千问🥳主力模型最高降价85%，Qwen-Turbo低至0.3元/百😊万Tokens。 其中一部分原因是基模厂商的价格战，让💯“一百万Tokens的钱,都买不了钵钵鸡”，也有一部分是因为😅模型厂优化算力成本的结果。 2024-2025年，为优⭐化大模型算力成本，模型厂商进行了压缩大模型单次推理计算量（稀🥳疏化、量化、投机解码）、提升GPU利用率（连续批处理、编译器😘融合）以及换用租金更便宜的云、芯片（国产替代、专用ASIC）🙄等方面的尝试，平均tokens定价实现了较大降幅。 此🙌外模型厂商还进一步通过“模型分层+价格分层”的多样化策略压低😂模型的使用门槛，让中小预算客户也可接入，比如：OpenAI 😡用GPT-5-mini/nano覆盖轻量场景；Google以😎Gemini 2.5 Flash 主打“极速低价”；Anth⭐ropic用Claude 3.5 Haiku 提供中等规模、🎉高性价比选项等。 因此一个AI飞轮就已成型，当模型使用🌟成本下降，企业/个人调用ROI随之上升，更多应用需求从观望向🎉采购转化，促进tokens调用量倍数增长的同时，AI应用随之🤩迎来生态繁荣。 Token经济学就意味着，可以直观的获😊得以下几个关键进展的洞察：成本与经济效益的量化、技术效能与模😆型能力的评估、应用场景的深化与演化以及商业模式与市场格局的清🌟晰化。其中成本与经济效益的量化是最直接、最商业化的意义。 😆 尾声 如果把AI大模型想象成一个“知识电厂”，To🎉ken就是它发出的“度电”，你的提示词就是“合上电闸”的指令😎，AI应用开发者就像是“家电制造商”。 从Tokens👍角度跟踪进展，就相当于电力公司和社会在跟踪： 全社会总🥳用电量（AI应用的总规模）增长了多少？ 哪种家电（哪种AI😆应用）最耗电（消耗Token最多）？ 发电技术是否进步了（😴模型效率）？每度电的成本是否下降？ 新的高能效家电（高效的😆AI应用）是否被开发出来？ 从Tokens角度跟踪AI😜应用落地进展，意味着AI行业正在走向成熟、务实和工业化。它摒🌟弃了早期对参数规模和技术炫技的过度关注，转而聚焦于一个更根本⭐的问题：如何以可承受的成本，可靠地利用AI能力来解决实际问题😴并创造商业价值。 这标志着AI不再是实验室里的玩具，而😴是真正成为了驱动下一代技术和商业创新的基础效用。作为从业者、😊投资者或观察者，理解Token经济学，就如同在互联网时代理解😀带宽成本一样，至关重要。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

文 | 穆胜 文 | 穆胜 “人效”的全称是“人💯力资源效能”，对应的英文是“HR Efficiency”，而😂“Efficiency”，是投产比、效率的意思。这就产生了一👍个非常明显但鲜有人提及的问题——为什么不直译为“人力资源效率😆”，而要翻译为“人力资源效能”？ 我算是国内几个最早研🌟究“人力资源效能”的人，这里，我给出一个解释。 01 🤗主打防守的模式 人效是个投产比，分母是“人力资源投入”🌟，分子是“财务或业务产出”。从数学逻辑上看，要提升人效，显然😜有两种模式： 第一种模式主打防守，主张减少分母，即“降😘低人力资源投入”。 具体做法是，精简机构、压缩编制、裁🤗撤人员。考虑一般的企业里多多少少都有组织冗余，这样的做法显然😉是立竿见影。但问题是，一方面，这种做法不可持续，组织规模不可😅能无限缩小；另一方面，如果没有理解组织的运作机制，盲目压缩组😂织，很有可能导致业务流程和组织氛围被破坏，进而影响产出（分子😜），最终得不偿失。 事实上，大多企业就是在这条错误的道🔥路上“砥砺前行”。2015年左右，我为国内一家年营收千亿的企😍业担任人力资源顾问，当时我就为他们引入了最先进的人效管理理念😴。也就是说，很多现在才流行起来的概念，我在十年前就给他们讲过🌟了。当时现场的反馈很有意思，相当一部分HR认为：“穆老师，您💯这理念很好，但现实中，HR能够控制的只有分母，要提升人效，我❤️们只能动刀砍人、砍组织。” 道理我都讲透了，但他们看到🔥的只是分母，所以，人效管理的理念并没有在这家企业落地生根。不😜能不说，这是一种遗憾，规模如此庞大的企业，但凡找一两个试点，🤯尝试探索人效管理，形成成本端的竞争力和经营者的效能意识，他们🙌现在的江湖地位，就不会如此憋屈了。 02 主打进攻的模😜式 第二种模式是主打进攻，主张增加分子，即“增加财务或🤯业务产出”。 有一部分企业，的确能够只管业绩增长，不管🌟人力投入。甚至他们在人力资源投入上豪掷千金，还会被认为是“有😂格局”“有眼界”“战略性储备”。 说白了，如果业绩保持🤩高速增长，人力资源这点投入，还不是九牛一毛？老板们进而就可以😴上价值——“人才是最宝贵的资源，好的人才决定了企业的未来，找😢人才，不应该看价格。” 眼看着这些企业在人力资源投入上😎的“大手笔”，其他企业的HR就开始泛酸——“看看人家的老板，😢看看人家的企业，看看人家的HR！我们就没打过这么富裕的仗！”😆 其实，这种“全力进攻（分子），不管防守（分母）”逻辑⭐，还是因为企业有业绩增长的势能。老板们大可以把这种势能归结于😉自己在人才上的全力投入，甚至可以举出个别人才改变竞争格局的个🤩例，但说到底，这种势能还是来自于宏观经济和行业的红利，显然是🤯倒果为因嘛。但舆论就是慕强的，当你业绩好了，你说什么别人都会👍认为全是对的。 展开全文 我从来不相信那种豪掷投😍入，然后赌不确定性产出的投资模式，这种模式赌性太大，不靠谱。😡这就好比有的头部投资机构，宣传自己的理念是“投赛道”，也就是😘哪个赛道上出现机会的时候，就投这个赛道上几乎所有的头部项目。😉他们形容为，一把飞镖扔出去，总有一个落在靶盘上。但现实却在打🎉脸，经济红利期过去了，进入寒冬了，他们的这种投资模式就不灵了😍。所以，不要把“蒙对了”说得这么清丽脱俗嘛。 03 防😘守反击的模式 不考虑经济周期，人力资源的投资，也不能是⭐只管防守（分母）的“龟缩”；如果考虑现在是经济寒冬期，人力资🌟源的投资，就不能是只管进攻（分子）的“豪赌”。 进一步😎看，即使现在经济再回归上行期，依赖“豪赌”模式的HR们价值就👍会被认可，就有前途吗？显然也不是呀。他们所谓的专业成功，在老👏板和业务部门眼中，不过是蝇附马尾，企业要不要干掉HR，全凭老🌟板心情。 两种模式本质的问题，都是割裂了进攻（分子）与😡防守（分母）之间的关系。奉行两种模式的企业，都不清楚人力资源😆投入是如何产生业绩的，他们只能“抓一头”。 我主张的人⭐效管理，是防守反击的模式，是把有限的人力资源筹码进行合理配置🌟，最大程度确保企业的确定性增长。直观来说，即使一个企业人力资🤗源总投入不变，我认为，通过优化配置方式，也能明显提升人效。因😀为大多企业的人力资源配置方式，实在有点像是“蒙眼放筹码”“菜👍市场议价定编制”，造成的局部冗员那可不是一点点。把冗员挤出来🎉，放到一些真正需要人力投入的领域里，再辅以若干的人效赋能手段😊（选用育留等），业绩增长自然就来了。 如果考虑我的这种🔥理念，人力资源效能，应该就有两层意思：一是“效”，即效率；二😢是“能”，即产出。这个概念本身就有导向性，它表面是防守反击，❤️其实是一种精实增长的进攻理念，它坚信人力资源投入和业绩产出之⭐间的强联系，认为通过人力资源职能的各种工具能够推动经营。有没😆有发现？这个概念本身就是人力资源专业的革命，野心还挺大的！ 🙌 这样看来，中文博大精深，“人力资源效能”的翻译，实在是😜妙！返回搜狐，查看更多