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)

贝森特直指美联储存在“使命蔓延”与“机构臃肿”的问题，将其比作“逃出实验室的致命病毒”，要求展开无党派审查并剥离其银行监管权。 美国财政部长贝森特上周五呼吁对美联储进行全面改革，称这家央行正受“使命蔓延”（mission creep）与“机构臃肿”（institutional bloat）问题困扰。 在《华尔街日报》（The Wall Street Journal）发表的一篇措辞尖锐的评论文章中，贝森特将美联储比作“逃出实验室的致命病毒”，认为必须将其“重新关进牢笼”。 这篇文章发布之际，特朗普政府正试图通过“宣称总统有权解雇美联储理事”来掌控美联储理事会。此前，特朗普曾持续数月施压美联储主席鲍威尔要求降息，随后又以“涉嫌抵押贷款欺诈”为由解雇美联储理事库克。目前，库克已提起诉讼，阻止特朗普的解雇。 若库克被迫离职，且特朗普的经济顾问斯蒂芬·米兰（Stephen Miran）获得参议院批准，那么特朗普提名的人选将在美联储理事会7个席位中占据4席多数——这意味着他们可推动利率政策与银行监管领域的全面变革，也将让“美联储是否独立于白宫”的问题陷入争议。 分析师表示，贝森特的文章旨在为“掌控美联储”提供合理性依据。 一本关于美联储独立性的书的合著者马克·斯宾德尔（Mark Spindel）表示，“这一切都是为了掌控政府中最具权力的机构。” 美国国会在设立美联储时，特意设计了限制白宫影响力的机制：美联储理事任期为14年，且任期交错，需经参议院批准；仅在有“正当理由”（for cause）的情况下，才能解雇美联储官员。 贝森特在文章中称，美联储已失去美国民众的信任，“必须重新树立作为独立机构的公信力，专注于实现通胀稳定、失业率低、利率温和的核心目标”。 他呼吁对美联储展开“独立、无党派的全面审查”，并提议剥离美联储对美国银行业的监管权。 2008年金融危机后，国会曾短暂考虑过一项由民主党提出的“剥离美联储银行监管权”提案，但最终反而大幅扩大了美联储的监管权限。 2008年金融危机中，美国银行业“大而不倒”的问题暴露，国会因此赋予美联储更严格的监管权力，包括对大型银行实施压力测试、设定资本金要求等。 “在所有银行监管机构中，美联储权力最大、权限最广，”研究公司资本阿尔法伙伴（Capital Alpha Partners）董事总经理伊恩·卡茨（Ian Katz）表示。 根据贝森特的改革计划，美联储应仅专注于“宏观经济监测、最后贷款人流动性支持与货币政策制定”三大领域。 贝森特提议的改革需通过立法实现，但卡茨认为，国会“极不可能”据此采取行动。 在利率政策方面，贝森特表示，美联储在经济衰退时“通过资产负债表政策降息”的做法，“仅应在真正的紧急情况下使用”。 展开全文 他指出，资产负债表政策已直接影响“经济中哪些部门能获得资金”，“干预了本应属于市场与民选官员的领域”。 贝森特称：“权力扩张催生了华盛顿的一种风气——在财政决策失误后，政府依赖美联储来‘兜底’。” 以下为《华尔街日报》刊登的贝森特所著文章的精简版。 正如我们在新冠疫情期间所见，实验室培育的实验产物一旦逃出牢笼，便可能造成巨大破坏，且难以收回。2008年金融危机后，美联储推出的“非常规”货币政策工具，也以类似方式改变了其政策体系，带来了难以预测的后果。 美联储的新运作模式，本质上是一场“功能增益”（gain-of-function）货币政策实验。非常规政策的过度使用、使命蔓延与机构臃肿，正威胁着央行的独立性。美联储必须改变方向：其标准政策工具已变得过于复杂，难以管理，且理论基础存在不确定性。而目标明确、简单可衡量的工具，才是长期实现更好政策效果、维护央行独立性的最清晰路径。 人们或许会认为，2008年后推出的新工具与金融市场集中化，能让美联储更精准地判断经济走向；至少，这些新增职能应能让美联储更有效地引导经济。但事实并非如此：2009年，美联储预测2011年美国实际国内生产总值（GDP）增速将达到4%，但实际增速仅为1.6%。那段时期，美联储两年期GDP预测累计高估规模超过1万亿美元。反复的预测失误表明，美联储对自身能力与扩张性财政政策的刺激效果过于自信。当特朗普政府转向减税与放松监管政策时，美联储的预测又过于悲观——这暴露了其对有缺陷模型的依赖，以及对供给侧效应的忽视。 2008年金融危机期间及之后的多次干预，实际上为资产持有者提供了“隐性兜底”。这种有害循环导致国家财富向“已拥有资产的群体”集中：企业领域中，大公司通过锁定低息债务蓬勃发展，而依赖浮动利率贷款的小公司则在利率上升时陷入困境；房主因固定利率抵押贷款，房产价值大幅上涨且基本不受利率影响；与此同时，被排除在资产市场之外、受通胀冲击最严重的年轻家庭与低收入家庭，却错失了资产增值的机会。 美联储未能实现通胀目标，导致阶层与代际差距扩大。其试图通过“财富效应”刺激增长的做法，最终适得其反。金融分析师凯伦·佩特鲁（Karen Petrou）在2021年出版的《不平等的引擎》（Engine of Inequality）一书中写道：“极端的不平等清晰表明，财富效应对富人极为有效，却给其他人带来了更严重的经济困境。” 美联储影响力的扩大，对其独立性产生了深远影响。通过将职权延伸至传统上属于财政部门的领域，美联储模糊了货币政策与财政政策的界限。央行的资产负债表政策直接决定“哪些部门能获得资金”，干预了本应属于市场与民选官员的领域。而与财政部债务管理的纠缠，让人怀疑货币政策正被用于“满足财政需求”。 美联储的权力扩张催生了华盛顿的一种风气：在财政决策失误后，政府依赖美联储来“兜底”。当总统与国会的政策失灵时，他们期待的是美联储干预，而非承担责任。这种“别无选择”的局面，滋生了不负责任的扭曲激励。 监管越界进一步加剧了问题。《多德-弗兰克法案》（Dodd-Frank Act）大幅扩大了美联储的监管范围，使其成为美国金融业的主导监管者。15年后的今天，结果令人失望：2023年硅谷银行倒闭事件，暴露了“货币政策与银行监管职能合并”的风险。如今，美联储既监管银行、向银行放贷，又决定银行的盈利逻辑——这种不可避免的利益冲突模糊了责任边界，也危及了自身独立性。 更合理的框架应重建专业化分工：赋予联邦存款保险公司（FDIC）与货币监理署（OCC）主导银行监管的权力，而让美联储专注于宏观经济监测、最后贷款人流动性支持与货币政策制定。 美联储独立性的核心是公信力与政治合法性——这两者都因其“超越使命范围”而受损。过度干预导致了严重的分配失衡，削弱了公信力，也威胁了独立性。展望未来，美联储必须减少其对经济造成的扭曲：量化宽松（QE）等非常规政策仅应在真正的紧急情况下，与联邦政府其他部门协调使用。此外，还需对美联储整个机构展开“坦诚、独立、无党派的全面审查”，涵盖货币政策、监管、沟通、人员配置与研究等所有领域。 美国当前面临短期与中期经济挑战，同时还要应对“央行将自身独立性置于危险境地”的长期后果。美联储的独立性源于公众信任，因此必须重新致力于维护美国民众的信心。为保障自身未来与美国经济稳定，美联储必须重新树立“独立机构”的公信力，专注于法定使命：实现充分就业、稳定物价与温和的长期利率。返回搜狐，查看更多