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 | 互联网怪盗团 文 | 互联网怪盗团 张雪🎉峰在各个互联网平台的账号均被禁止关注了。按照其工作人员的说法😜，“正在反省”——这个说法很暧昧，信息量可大可小。不过，出事😍的只是张雪峰的大号，其各种小号仍然在直播、发视频，公司运营似🤔乎也仍然在持续。所以可能还存在转圜的空间，或许“反省”一阵子🙌又回来了，而不会像某些其他顶流一样永久消失。当然，这都是目前👏的猜测。 我不太清楚张雪峰会“反省”多久，但是对他这个😴人，还是有一点研究的。我认为他成名的奥秘就在于：充当了数千万🔥家长乃至广大网友的“嘴替”。更具体地说，他其实是打着“专业价😀值”的旗号，为网友提供情绪价值。让网友在精神上舒服了、“爽到😅了”，其中一部分人就会爱屋及乌，花大钱去采购他提供的“专业服😜务”。 对于张雪峰的言论，我印象最深刻的有两条。第一是😢他宣称“新闻学专业没前途”，缺乏技术含量、没有就业前景，不值😴得填报。第二是他声嘶力竭地劝高三学生“抓住最后三个月时间努力❤️”，“用三个月的努力换一生的回报”。这两个片段都非常具备传播😉价值，被切片传播了无数次。不过仔细研究一下就会发现，它们几乎😉不包含任何专业信息，仅有情绪价值： 早在十几年前，新闻❤️学专业的就业前景就不太好了。一边是新媒体的崛起，另一边是传统🥳媒体基本不再提供“铁饭碗”；新闻学毕业生不容易找工作，并不是😴什么新奇的秘密。只要在网上稍微搜一下或者问问熟人，就能找到无👍数鲜活的证据。 高三学生“努力一阵子、受用一辈🔥子”，更不是任何新鲜东西，二十多年前我读书的时候就有这话了。🤔随便一个学校的高三老师都能说出这种话。讽刺的是，现在学历贬值🚀，高三学生付出努力能否受用“一辈子”，已经要打一个很大的问号🙌了。 早在十几年前，新闻学专业的就业前景就🤗不太好了。一边是新媒体的崛起，另一边是传统媒体基本不再提供“😴铁饭碗”；新闻学毕业生不容易找工作，并不是什么新奇的秘密。只😎要在网上稍微搜一下或者问问熟人，就能找到无数鲜活的证据。 ❤️ 高三学生“努力一阵子、受用一辈子”，更不是任何新鲜东西，🤩二十多年前我读书的时候就有这话了。随便一个学校的高三老师都能😆说出这种话。讽刺的是，现在学历贬值，高三学生付出努力能否受用😊“一辈子”，已经要打一个很大的问号了。 为什么这两段毫🔥无技术含量的言论，能成为张雪峰的“高光时刻”呢？因为他提供了🤔足够的情绪价值，为足够多的网友充当了“嘴替”。先说第一条：很🤔多网友出于各种各样的原因，对于新闻媒体，以及在其中从业的记者🤗、编辑，抱有不少负面情绪。例如标题党、“震惊体”、小题大做、🔥专业知识欠缺……虽然不完全是新闻工作者的错，却被不分青红皂白🙌地加到了新闻工作者头上。何况大部分人分不清专业媒体和自媒体，😀往往会把网上出现的所有逆天言论，都归结为“新闻学专业教育失败😜”的产物。 因此，当张雪峰宣称新闻专业没有前途的时候，⭐广大网友当然会振奋——不是因为他说出了一个“公开的秘密”，而💯是因为他代表大家鞭挞了“无良媒体”，帮大家出了一口恶气。直到🌟今天，每当媒体出现任何“标题党”行为，B站、知乎都会涌现出一🤩堆“这波张雪峰上大分”“张雪峰又赢了”这样的评论，导致一群路🥳人对张雪峰“路转粉”，其中一小部分或许真会成为其客户。 😜 再说第二条。高考能改变命运，高三期间的努力最值钱——对于小😘镇做题家而言，这是不可质疑的真理。可惜的是，由于当代社会日益❤️多元化，而且就业形势变化复杂，这一代学生早就不像父辈那样对高😉考抱有神话般的迷信情绪了。虽然每个高中老师都会对学生进行思想😡教育，但是张雪峰的口才显然比前者更强，声嘶力竭的演讲风格也更😜具感染力。我相信，至少有几百万高中学生的家长，曾经让自己的孩🥳子看过张雪峰的视频、直播，然后告诉他：“你看，这是拥有千万粉😂丝的成功人士张老师说的，你必须听！” 展开全文 🤔对于十六七岁的学生来说，外部榜样的说服力永远比身边的人更高。😘记得我读书的时候，老师和家长特别害怕学生受到郑渊洁、韩寒、郭🤩敬明等“非主流偶像”的影响；如果那时就有张雪峰，肯定会被捧成👏“正能量偶像”，为高中生注入“正确价值观”。每次张雪峰劝高中🌟生努力考大学，都是在充当家长和老师的嘴替；后者被伺候爽了，就👍不会吝惜以金钱作为回报。 更进一步地说，张雪峰通过其“😂志愿填报咨询服务”，还在给广大家长造一个梦：通过信息差，避免😘内卷竞争，为孩子找一个光明的未来。不用说，这正中家长的痛点—😘—中国式家长最大的特点，就是自己不努力，让孩子代替自己努力；😀但孩子的努力总有局限性，最多到考场就为止了，填志愿他们确实无🥳法“努力”。老实说，关注社会就业形势、分析大学专业优劣、判断😂子女适合学什么专业，都应该是家长的基本职责才对，而且早在孩子🙄读初中时就该开始注意了。可是咱们中国式家长，大家都懂，一言难😁尽。 于是张雪峰横空出世，通过各种免费或付费的手段，让😉家长看到了“走捷径”、轻易为子女选择美好出路的希望。而且，这😉些手段还能满足中国式家长的控制欲：“专业是我在张老师的帮助下🤩替你选的，肯定好，肯定适合你，你还有什么理由不好好学习？”比😂起殚精竭虑地认真为孩子规划未来，或者让孩子按照自己内心的愿望😀去尝试，依靠张雪峰无疑更符合广大中国式家长的情绪——他想不赚😅大钱都难啊。 当然，明眼人都知道，张雪峰并不掌握什么“🤯信息差”，其意见很难说比一般人高明到哪里去。他在2015年建😢议学生报土木工程、2021年建议报计算机，已经是网上广为流传🙌的“黑历史”了。退一万步讲，就算张雪峰真掌握了什么独家信息，🤯考虑到他的影响力，这些信息必然会在短时间内变成公开信息，大家🤗都知道了，也就无所谓“信息差”了。哪怕他仅仅在付费服务当中提❤️供独家信息，考虑到他一年能给上万家长提供付费服务，这些信息必😀然也会在短期内变得不再“独家”……（注：实际上张雪峰并不存在👍这种烦恼，因为他显然毫无独家信息可言。） 可想而知，在😅不掌握“独家信息”的情况下，要维持内容热度，只有依靠情绪价值😀而不是专业价值。前些年，全网鄙视“文科生”、觉得理工科最伟大🎉时，张雪峰就踩文科、捧理工科；后来文科专业因为方便考公而热度😊回升，反而是理工科被认为性价比偏低，张雪峰就转为在一定程度上😉捧文科。与其说是他“发现”或“引领”了潮流，不如说他顺应了潮🙄流。众所周知，顺应潮流是没有超额收益的，所以追随张雪峰的人作🚀为一个整体，必然不会有超额收益。 这就是所谓KOL的两🎉难：要提供情绪价值，就必须顺应潮流；但是顺应潮流就不可能提出😡什么新奇的观点，无法带给粉丝真知灼见。对于张雪峰而言，这个选💯择题很容易做，直接提供情绪价值就好，反正粉丝并不真正需要真知😎灼见。 记得不久前，我跟几位影视行业的朋友聊天，对方感🥳叹道：这些年电影市场时好时坏，但是票房创造奇迹的片，一般都是🤯充当了观众的“嘴替”——帮他们讲出自己不敢讲、不善于讲，或者🚀不知道该怎么讲的话。只要你能为一个足够大的、具备消费能力的观🤔众群体充当“嘴替”，那票房就差不了。具体的例子就不举了，相信🤔大家比我更清楚。 从这个角度看，张雪峰就是打着专业咨询😜服务旗号的电影明星。这是社交媒体时代的常态：“专业价值”与“👏情绪价值”日益混淆，人们看似在购买前者，其实获得的是后者。哪😆个行业不是这样的呢？返回搜狐，查看更多