斯坦利·庫布里克執(zhí)導的科幻電影《2001：太空漫游》中，飛船上擁有紅色鏡頭和冷靜嗓音的主控電腦哈爾9000，構成了舊時代AI的終極隱喻：一個孤立的、中心化的、封閉的智能體。
從冷靜報告AE-35組件故障，到面不改色將船員一一置于死地，哈爾的叛變并非簡單的系統(tǒng)錯誤，而是困于兩套沖突的底層指令，最終選擇用謀殺保全任務。
這揭示了一個殘酷的真相：僅有智商沒有情商，缺乏持續(xù)學習和反饋能力的AI，在現實規(guī)則面前，極易走向理性的反面。
真實世界中，人工智能沒有延續(xù)哈爾的陰影，在產業(yè)界的落地過程中，AI不是控制飛船的“唯一大腦”，定位更接近各行各業(yè)的“智能外腦”。
幾年前ChatGPT橫空出世帶給產業(yè)界的是無以復加的震撼，在AI加速落地的當下，產業(yè)界對智能化的追逐已經成為共識，AI正在一個個真實的業(yè)務和場景里快速滲透。
按照IDC的數據，今年上半年，中國大模型公有云服務Tokens調用總量達到536.7萬億次。其中，火山引擎份額超過49%，位列第一。截至12月，豆包大模型日均Tokens調用量高達50萬億次，僅次于OpenAI和Google。
在2025冬季FORCE原動力大會上，火山引擎總裁譚待給出了一個清晰的定調：傳統(tǒng)的IT架構已經無法滿足Agent時代需求，以模型為中心的AI云原生架構正在形成。
AI云原生架構中，模型是軟件的核心，MaaS是使用模型的最佳方式，而算力以Tokens的方式轉換為智能。
如果算力是人工智能時代的電力，那么Tokens的調用就是人工智能時代的用電量，是衡量產業(yè)界應用AI服務幾乎最精確的指標。
作為這個時代的火力發(fā)電廠，云計算行業(yè)的競爭格局也在深度重構。
一道必答題
前段時間，以準確預測2008年次貸危機聞名的“大空頭”Michael Burry把矛頭對準了AI行業(yè)，對著高科技公司望而生畏的資本開支陰陽怪氣：只要你宣布在AI上增加1美元的資本開支，你的市值就能因此增加3美元。
這番話的背景是美國科技公司集體刷新資本開支指引，谷歌上調80億美元，Meta上調40億美元，行業(yè)整體支出超過2000億美元。
但Michael Burry的嘲諷精確的點出了資本市場升騰的疑慮：大公司不計代價堆砌算力，對應的需求到底有多少？又創(chuàng)造了多少商業(yè)價值？
美國科技巨頭的投資金額創(chuàng)紀錄
作為被點名者，Meta CEO扎克伯格第一時間反唇相譏[2]：我寧愿燒光幾千億美元，也不愿冒著落后的風險。
扎克伯格雖然沒有直接回應問題，但真實的反映了巨頭們的焦慮。對高科技公司而言，在人工智能時代，投入不足的風險恐怕遠高于投入過度，大家只能硬著頭皮上。
龐大的資本開支和潛在AI收益之間的巨大鴻溝，既是資本市場為企業(yè)定價時面對的分歧，也是產業(yè)界面對的真實的不確定性。
2022年底ChatGPT橫空出世，在斬獲“蒸汽機時刻”、“iPhone時刻”等一連串驚悚標簽的同時，也把一眾以英偉達為代表的半導體公司送上了神壇。全球范圍內掀起生成式AI熱潮，但在落地環(huán)節(jié)缺少了些回腸蕩氣，多了些搖擺不定。
一方面，產業(yè)界對智能化轉型早已形成共識，智能化不是一道是否要做的選擇題，而是關乎生存與未來的必答題。
尤其當算力的需求結構重心從訓練轉向推理，Token調用量快速增加，意味著AI進入到“實戰(zhàn)”環(huán)節(jié)，用戶體驗成為衡量產品競爭力的核心論據。
但另一方面，對企業(yè)來說，智能化投資難以形成一個清晰量化的預期回報，有多大決心就多大的心理包袱。
按照譚待的說法，火山引擎通過從模型能力到基礎設施的全方位革新，正在推動AI應用從單一模型調用轉向Agent智能體生態(tài)，為的就是加快提高各行各業(yè)的“AI含量”。
人工智能領域沸騰的資本開支，產業(yè)界轉型重擔加上并不明朗的回報率，是留給云服務商的一道復雜考題。
賣算力or賣Tokens
今年11月，谷歌新一代Gemini 3模型炸場前夕，xAI出其不意發(fā)布最新版本Grok 4.1模型，率先登頂大模型競技場榜單LMArena。這距離Grok-3發(fā)布僅過去9個月。
這場低調的搶跑透露出一個信號：大模型的參賽門檻已經越來越高。
谷歌云副總裁Amin Vahdat曾在誓師大會上動員大家加把勁：谷歌必須每6個月將訓練算力翻一番，才能滿足AI市場的需求。
推理側也是如此，一次調用Token的長度越來越長，會消耗更多算力。換句話說，模型領先的成本是以持續(xù)性支出作為計算基礎，并非所有公司都能負擔得起。
出于成本和效率的雙重考量，云服務商的商業(yè)模式也在經歷重大變革：從“賣算力”過渡到“賣Tokens”（MaaS模式），本質是從“賣生產資料”轉向“賣生產力”。
“Token”可以理解為一個詞或詞片段，相當于大模型消化和生成文本的樂高積木，它真實而具體的衡量了一家企業(yè)對智能化產品的“使用量”。
和賣算力的IaaS模式相比，Maas模式意味著終端客戶可以直接調用模型的核心能力，比如文本生成、交互應答。與此同時，還能節(jié)省下開發(fā)和維護底層基建的成本。
另一方面，IaaS、PaaS等模式，其誕生的背景離不開在移動互聯網產業(yè)轟轟烈烈的增長年代。在AI云原生架構中，開發(fā)者通過API調用模型能力，Tokens能夠精確反映Agent和模型的使用成本，也是更務實的計費和資源度量單位。
從產業(yè)價值看，MaaS模式和IaaS模式也有本質區(qū)別。相比算力的銷售額，Token的消耗量更接近AI產業(yè)景氣度的“晴雨表”，原因有三點：
首先，算力可以閑置，但Token的調用量反映了模型推理過程中的計算量。換句話說，它和AI應用的實際落地情況緊密相關。而且MaaS模式是按Token的調用量收費，豐儉由人。好用的模型往往調用量更高。
按照火山引擎披露的數據，一家消費電子行業(yè)客戶引入視覺理解模型后，Token消耗量在5個月里增長了12倍。火山引擎總裁譚待透露，目前已有超過100家企業(yè)客戶Token使用量超過一萬億。
其次，算力的銷售更像一次性買賣，Tokens反而更具備可持續(xù)性。前者提供的是“用完即走”的服務，后者會基于反饋不斷優(yōu)化打磨底層模型能力，進而提高自身的生態(tài)護城河。
最后，MaaS模式大幅提升了模型規(guī)模化落地的效率，增長潛力遠超傳統(tǒng)IaaS模式。按照畢馬威的說法[3]，Maas模式將成為通用人工智能（AGI）生態(tài)構建的核心。
“Tokens經濟”不僅是一種計費形式，它更像驅動整個AI產業(yè)正向循環(huán)的一雙手。對企業(yè)來說，它意味著投入產出比可以更加清晰量化的觀測；而對云服務商來說，承接了多少Tokens的調用，也更貼近市場競爭中真實的含金量。
從汽車到消費電子，從金融到教育，越來越多的行業(yè)接受并融入火山引擎的Maas模式，并不是一場意外。
為什么是火山引擎
若論對智能化轉型的迫切程度和執(zhí)行力度，汽車行業(yè)可謂當仁不讓。
汽車工業(yè)是機械電子、材料、軟件通信等眾多垂直產業(yè)的集大成者，一直是生產制造自動化的忠實擁躉。新能源車普及后，多變的市場需求、快速的技術更替，讓百年歷史的汽車工業(yè)又成為了智能化的特區(qū)。
時至今日，火山引擎已經覆蓋了90%的主流車企。今年，豆包大模型更在規(guī)模落地上取得關鍵進展，成為中國市場智能座艙搭載量第一的AI模型。
從特斯拉領頭的新勢力，到一汽、長安等老牌車企，再到奔馳、寶馬、奧迪、大眾等海外品牌，豆包大模型已經成為AI汽車的標配項。
奔馳純電CLA等眾多新車接入豆包大模型
接入豆包大模型后，車機體驗的提升非常直觀。相較于傳統(tǒng)汽車通過規(guī)范指令控車，豆包大模型讓用戶可以隨意下達模糊指令，實現復雜的車控能力。車機整合大模型聯網搜索和深度思考后，還能直接制定出行規(guī)劃、定位車輛故障等。
在榮威M7 DMH上，車機可以準確理解用戶模糊的表述，攻克山東人的倒裝句式不在話下。即便多人同說，車機也能精準區(qū)分進行回答。而奔馳純電CLA交互效率比上代車型提升50%，喚醒速度快至0.2秒，還能識別說話人的感情，提供相應的反饋。
在大規(guī)模走向產業(yè)界之前，火山引擎的模型能力首先在字節(jié)跳動內部龐大的業(yè)務體系內完成了演練實操。正所謂自己做的降落傘自己先跳，包括抖音、今日頭條、番茄小說等50多個業(yè)務，都先于外界應用了豆包大模型。
時至今日，火山引擎豆包大模型已廣泛應用于手機、汽車、教育、消費等行業(yè)，從多方面助力各行各業(yè)智能化升級。
在智能助手方面，基于火山引擎HiAgent智能體開發(fā)工作站，海底撈打造了AI用餐管家”小撈撈”，為消費者縮減了30%預定操作時間；
博西家電的“西西子”為用戶提供智能導購、家電管家、售后服務等在線交互服務；瑞幸咖啡的AI點單助手實現“動動嘴就能點咖啡”；
中免日上的智能導購，可以根據用戶膚質、膚色、個性化需求智能推薦合適的產品。
Agent正深入各行各業(yè)的各個場景中，手機可謂端側落地Agent的試金石。OPPO、vivo、榮耀、三星等基于豆包大模型，升級AI原生體驗，包括多模態(tài)識物、智能創(chuàng)作、聯網實時問答....讓手機智能化功能實現躍遷。
在豆包大模型的加持下，智能助手具備持續(xù)學習的能力，可以結合反饋不斷優(yōu)化，做到“越用越懂用戶”。
在精準營銷和運營方面，賽力斯聯合火山引擎創(chuàng)建了用戶之聲管理平臺（VOC/Voice of Customers）。依托豆包大模型的理解、分類和總結能力，準確推測用戶情緒，并將反饋迅速提煉，提高業(yè)務團隊的決策效率。
極氪則引入部署火山引擎Data Agent數據產品，內部對數據的需求從提出到完成分析可以分鐘級別實現，打破了過去數據獲取鏈路冗長、全流程效率不足的挑戰(zhàn)。
當新車迭代節(jié)奏向消費電子看齊，這一代產品剛剛落地，下一輪變革悄然開始，每一個有效的數據和用戶反饋都是車企的核心資產，代表新車可以提前試探市場的水溫。
對連鎖品牌而言，出品和服務品質不被門店規(guī)模稀釋，可謂經營環(huán)節(jié)最復雜的問題。在智能巡檢方面，火山引擎助力喜茶、庫迪等連鎖品牌，實現了統(tǒng)一、自動化的質量管理，讓消費者無論走進哪家門店，都能體驗到高品質和規(guī)范化的服務。
從汽車到電子，從餐飲到消費，各行各業(yè)之間的業(yè)務場景千差萬別，但在“智能化”上的訴求是一樣的：通過大模型和Tokens的調用，讓分散的非結構化數據變成業(yè)務和技術語言，實現產品體驗和經營效率的提高。
不同行業(yè)間的流程與方法千差萬別，但在獲客、銷售、售后服務等環(huán)節(jié)，行業(yè)間的相似性遠遠大于差異性。火山引擎AI Agent的優(yōu)勢，恰恰在于對各個環(huán)節(jié)的適配，可以達到跨行業(yè)的通用性。
同時，基于Tokens的計費和資源度量，也讓企業(yè)的投入產出比可以更加直觀的呈現。在群狼環(huán)伺、市場瞬息萬變的競爭環(huán)境里，這無疑是一種兼具敏捷性與確定性的戰(zhàn)略選擇。
把晦澀枯燥的技術語言轉化為可以度量的效率和速度，是MaaS模式的優(yōu)勢所在，也是人工智能落地階段最核心的競爭力。
在更廣闊的產業(yè)界，AI的參數量還在以指數級擴張、應用場景還在以難以預測的方式涌現，每一次Token的調用，都是人工智能融入產業(yè)的一個腳印。作為這個時代新的景氣度指標和晴雨表，Tokens調用量背后的含金量，會越來越高。
而當“AI+”成為時代性命題，如何走向智能化的未來，目標已經清晰，路徑的共識也許還在凝聚。火山引擎之于千行百業(yè)的意義，恐怕也會越來越深刻。
參考資料
[1]AI is creating new billionaires at a record pace，CNBC
[2]I’d Rather “Misspend” Billions Than Lose the AI Race: Why Going All-In Makes Sense，Medium
[3]人工智能全域變革圖景展望：躍遷點來臨（2023），畢馬威
作者：徐珊珊
編輯：李墨天
責任編輯：徐珊珊
封面圖片來自ShotDeck
