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)

第一财经 不同硬件、不同大脑，不同机器人厂商进入不同场🌟景，在多方变量的加持下，机器人的规模化落地似乎遥遥无期。 😎 9月17日，第一财经记者在采访第三方部署方、机器人本体厂🤗商和场景落地方时发现，一个行业新角色正在出现。一个类似于安卓🤗操作系统的中间算法层正在承担屏蔽硬件差异、兼容不同大脑架构的🔥功能，为机器人在真实场景中的规模化落地提供可能。 如今😁，这一产业角色已经吸引了谷歌、智元、富临精工（300432.❤️SZ）、格力博（301260.SZ）、东土科技（300353😴.SZ）、巨星新材料等企业押注。但在硬件厂商坚持自家体系、大🤗模型企业追逐通用智能的格局下，行业的“安卓时刻”何时到来，仍😂有待市场与现实工况的双重检验。 机器人涌入场景，跨本体🎉训练遇阻 当机器人厂商涌向场景方，新的问题正在出现。 🥳 “这个月至少有两家机器人公司正在和我们谈合作。”Kel🤩vin是长三角一家物流上市公司的技术负责人，他告诉记者，为了😢和人形机器人厂商进行合作，自己不得不拨出一个八人左右的团队和😢不同机器人企业进行对接。“我们需要开放不同的数据接口，提供一😁个专门的实验场景，还需要根据各家机器人的要求不断调整流程和测😊试参数”。 在大量的人力和物力投入之外，Kelvin坦❤️言自己算不过来ROI（Return on Investmen💯t，投资回报率）。“机器的工作效率不稳定，且运维需要大量后续😁的费用。”他向第一财经记者透露，物流企业马上就会备战“双11🤩”时间，在此期间是否继续让机器人上岗，他还在犹豫。 更😂大的问题是，由于不同厂商的机器人算法不兼容、硬件各自封闭，导🌟致一个场景的成功经验难以迁移到另一个场景。“有的时候我们的流😁水线哪怕是多一个弯折，机器人都需要重新走一轮POC（Proo⭐f of Concept，概念验证）。” “厂商觉得我🙌们不够开放，我们觉得机器人厂商要得太多。”Kelvin说，这🎉是产业上下游之间对接存在的普遍问题。第一财经记者了解到，一些👍“中间人”的角色正在产业链中诞生。前上汽自动驾驶域控制器算法😘负责人，安努智能工程算法总监杨曾告诉记者，团队正在研发的一套⭐中间件算法平台，希望像手机里的操作系统一样，把不同厂商的机器🔥人纳入统一的兼容框架。 就像手机的操作系统让不同软件在💯同一套规则下运转一样，中间件希望能够通过屏蔽底层硬件差异，使😉一套算法能够迁移到不同厂商的机器人上。“如果每遇到一个新的硬🙄件，就要重新训练，机器人在实际场景部署的速度就会非常慢。”重🌟庆大学助理教授，人工智能及多模态实验室具身智能负责人，安努智🤗能首席科学家胡喆告诉第一财经记者，想要提高机器人的通用化，跨😅本体是必须跨过的门槛。 在不改动模型本身的前提下，兼容🤩不同机器人的大脑，成为中间件的挑战。“虽然主流的模型是VLA🤔模型（Vision-Language-Action Mode😢l，视觉-语言-动作模型），但其中的架构仍然不同，有端到端，🥳也有分层式。”胡喆说，中间件在机器人大脑和机器人作业的实际场💯景中充当一个“翻译官”的角色。在他的设想里，输出的指令会先被😆中间件被转化为统一的目标和约束，再交由各家机器人自身的规划控😊制器执行。 “这样我们就不必为每一个新厂商重新训练模型🤔，只需要向每一个机器人的规划控制器下达指令，就能让中间件跑通🤗整个流程。”胡喆说。 展开全文 物理规律难仿真，🎉机器人“干中学” “我们曾经试过，在实验室里跑通了所有😴算法，结果到实际场景中发现完全不是一回事儿。”钛维云创的创始🤯人张磊告诉记者，当自己试图让机器人处理布料这样的柔性物体时，🚀由于布料材质、厚薄、摩擦力不同，实验室的环境并不能完全满足操😆作需要。 张磊透露，像布料、不规则包裹等物体，POC周😜期“很长，且难以给出确切的时间”，“因为我们需要提前磨合算法🙄、下线采集数据、再拿到实验室反复训练，才能勉强适配场景”。 🎉 工厂中的物料、工艺成千上万，换一条生产线、换一个工位，😅都可能带来完全不同的情况。 “离线的强化学习不可能把所🙄有真实场景一网打尽。”胡喆告诉第一财经记者，机器人不仅需要根😎据场景反复调试算法，还往往要重新采集数据回到实验室做离线训练😂，这让整个周期被拉长，时间和人力都被大量消耗。 边做边🚀改，或许才是机器人进行学习的关键。 胡喆透露，他正在尝😴试利用实时的在线学习算法，允许机器人在实际作业过程中一边操作😜一边采集数据，并实时更新模型。这种方式只需在现场额外增加几秒👏钟运行和100个数据量，“我们会根据模型出来的结果选择数据，😉让机器人在不断学习的过程中遗忘无用的数据，保持数据的精简，也😀不会对算力提出过多的要求”。 机器人“干中学”的另一边🙄，团队也在尝试利用仿真等手段降低机器人的学习成本。“现在大部🎉分机器人仿真环境离现实工况还有很大差距，因为仿真环境中缺乏物🔥理定律的支撑。”美国肯塔基大学空气动力实验室仿真负责人、安努❤️智能联席科学家付博直言，大部分仿真平台依赖数据驱动，却缺乏物😴理定律的支撑。 “如果只是换个环境光影、物体形状等表层🔥变量，那在这种仿真里能跑通的算法，一旦放到现实中，往往会失效😀。”付博说。 让虚拟环境逼近真实世界，并不是一件容易的🔥事。“摩擦力、空气流动等连续变化的环境很难被拆成可以极端的小👏单元。”付博解释，以机器人搬箱子举例，这个场景涉及了力学、刚😡体运动学与工程力学等基本的物理规律。付博说，加入这些规律的仿🤔真能够模拟不同重量箱子堆叠时的微小形变，计算箱内散落零件导致😡的重心偏移，并让机器人理解物体变化对抓取稳定性的影响，以及机🤩器人发力点与物体形变的关联。 他坦言，将这些物理定律的😢融入仿真环境是一个“正在进行的过程”，需逐步攻克计算量庞大的🙄技术难题。付博认为，只有当机器人在仿真环境中充分理解并内化这🤩些物理规律，才能在真实场景中更好地应对突发情况，实现泛化能力🎉的提升。“模型永远无法完全替代实验，但我们希望通过极致的物理😀仿真，让真实实验只需做一次就能验证可行性。” 谷歌提前⭐布局，中间件或成规模化关键 从机器人本体和大脑厂商到最😉终的应用企业，中间还需要大量复杂的部署工作——包括接口打通、😂场景适配、算法迁移等环节。对整个产业链而言，这是一块颇具吸引🤩力的“肥肉”，盯上的远不止安努智能一家企业。 今年6月🤗，银河通用和博世中国成立合资公司博银合创。根据双方披露内容，😀合资公司将聚焦复杂装配、智能质检等高精度制造场景，并且构建标😂准化、模块化、可复制的训练与部署体系，支撑机器人产品的快速迭🤔代与规模化部署。 今年年初，富临精工宣布公司与智元机器⭐人等相关方签署了《人形机器人应用项目投资合作协议》，各方共同😂投资设立合资公司实施人形机器人项目。当前，富临精工、智元、巨😢星新材料均为安努智能股东。就在9月，专注于北美市场的产业股东🤩格力博、聚焦机器人操作系统的东土科技也宣布增资安努智能。 👏 在海外，Google（谷歌）的母公司Alphabet孵化😎的Intrinsic也在扮演类似的角色。Intrinsic试🤩图通过通用算法和工具链降低机器人系统的集成成本，让不同厂商的😆机器人在同一套兼容框架下运行。 通过一个类似操作系统的😂中间件来对接不同机器人厂商和场景，这是安努智能董事长文宏杰提😍出的解题思路。虽然路径各异，但上述三家兼具机器人和产业方背景🙄的第三方部署商，它们的共同点都是试图在碎片化的产业格局中，寻👏找一套能跨越厂商和场景的兼容方式。 不过，机器人产业是👏否会像手机产业那样，最终走向由统一“操作系统”支撑的格局，仍😢充满疑问。一位由数码3C行业转至机器人产业的工程师告诉第一财😆经记者。与手机产业面临的问题不同，机器人领域的情况更为复杂，😅硬件厂商坚持各自的体系，而大模型企业则瞄准通用智能，“屁股决😊定脑袋，大家想的未必是同一个目标”。 多方角力之下，第😊三方部署商设想的中间件是否能够建立起产业上下游的桥梁，还需要😴进一步观察。“模型如果停留在实验室、本体如果只会跳几支舞，那😜最终只是一个故事。”文宏杰认为，在当下的机器人产业，关键不是😆讲模型和本体的“故事”，而是扎进具体场景，通过部署获取真机数🥳据和工程化经验，将商业化的流程拉通、沉淀。 在他看来，🔥这些工程化的经验和数据才能汇聚成类似“操作系统”的底座，真正🔥支撑机器人跨厂商、跨场景的落地。“如果中间件能够像安卓这样的🚀操作系统一样稳定通用、开放兼容，任何厂商都能接入，机器人产业😜的规模化会越来越近。” (本文来自第一财经)返回搜狐，😊查看更多