科技有「联想」圆桌实录 | 谁定义结果、谁为结果付费:Token经济的四个「商业判断」
作者:龚作仁 文章来源:Laborer
2026-11-17 14:50
作者:龚作仁 文章来源:Laborer
2026-11-17 14:50
邦小白快读
日均Token消耗约500万亿,相比2024年年初增长数千倍,有人推算到2030年还要再涨一万倍。但另一面是:调用量在涨,应用生态并没有同步爆发。从计量单位到商业回报,Token经济的中间那段路,到底该怎么走?
10月30日,由联想控股微空间、海淀区中关村街道、海淀区“五方六力”中国科学院工作组、融科资讯中心、联想创投及讯兔科技等共同发起的「科技有联想·Token畅想曲」线下沙龙,围绕“从卖Token到卖结果——商业闭环与投资回报怎么算”展开圆桌讨论。中科紫东太初总裁楚汝峰、讯兔科技联合创始人崔予淳、国泰海通证券计算机行业首席分析师杨林、联想创投高级总监叶帅民展开深度探讨。
本场圆桌对话由Edge Partner合伙人潘博文主持。以下为实录内容,略有删减,enjoy:
一、真伪判断:谁定义结果、谁为结果付费、谁持续付费
潘博文:在早期投资里,很多Token经济相关的公司还没有结果,怎么区分它们交付的是真结果还是假结果?
叶帅民:判断真结果、伪结果,最核心的是到底谁定义了这个结果、谁愿意为结果付费、谁持续付费。你现在讲的一个结果,可能只是一个更大结果里的过程节点。
如果AI扮演服务者,比如AI医生,用户就是结果定义者,我认为结果有用、愿意买单、愿意持续买单,它就是好结果。如果是替代者,比如客服,Sierra不按Token收费、也不按时长,一个电话帮你解决了、不转人工就收费。对早期投资来讲,很多时候你是在赌自己对结果的判断,所以要去找定义结果的人了解,那是不是他真正想要的东西。同时还要加上时间维度。因为随着模型能力不断提升,现在有价值的结果有可能变成未来更大结果的一部分,价值会被更大的结果吞噬。模型会不断吞噬上层应用的价值,这个是创业者必须要考虑的。
△联想创投高级总监叶帅民
潘博文:从产品视角看,我们长期希望交付的结果是什么?
崔予淳:今天希望AI先做好的是“模拟”的工作。且不说AI能主动帮大家干什么,AI能不能先学会人现在能做的事?尤其在2B领域,今天AI也没有把白领日常工作中50%以上的活做掉。重要的是,AI能不能把服务领域的人真正要做的事拆分出来并模拟出来,再逐渐交付产品。在讨论商业模式前,我们需要让AI像人。
楚汝峰:第一,基础模型只决定服务一个行业的能力上限,决定你能干什么事。第二,在此之上还需要大量工程化工作,从模型到智能体平台,去服务科研人员的论文、实验规划、任务拆解、模拟仿真全流程。第三,科研人员的目的不是用工具,而是做科研。所以服务模式分三类:基础能力、阶段性任务交付、最终联合研发成果。最后,Token会转化成不同层次的阶段性交付结果。
二、闭环判断:不是省时间,是愿意花时间
潘博文:除了Token和结果这两个指标,还有哪些信号能代表下游需求真正被满足、商业闭环已经形成?
楚汝峰:大模型出现以后,有几类原来代价特别高的事情变简单了。一是科研领域的大规模探索。蛋白质互作靶点发现原来需要七八个月,现在两周就能完成并验证有效。二是持续性、分析型工作。医生写一份出院记录,原来要分析十几个科室的结果、写七八个小时,现在通过多模态数据分析,两三分钟就能完成。三是个性化服务。科研工作者、医生、老师有大量原来没被满足的需求,可以形成一个个技能包和工具集。
△中科紫东太初总裁楚汝峰
什么叫闭环?我提一个问题,把问题解决了,就是日常的闭环。2B服务的闭环里,有全链路价值链的闭环、阶段性交付结果的闭环,也有比较小的技能型任务闭环。如果整个闭环链路做得非常完整,就像科学基础实验室把干实验湿实验完整闭环,这里边可能就是AI for Science,是科研领域往AGI发展的终极目标。
崔予淳:从我的视角看,闭环应该是时长的有机增长。交付频次、提问数量不一定算,一定要说时长,即用户跟AI生成的结果交互、使用、观看的总时长。AI一天能写十篇技术报告,但写得不够好,读起来比以前更累,就不看了,那这个东西转化成价值了吗?没有。本质上,人依赖AI的时间越长,商业闭环的程度就越高。
叶帅民:真正对于Token,我的整体感觉是,现在其实不需要什么信号,我们已经进入到Token时代,只是有些地方快一些、有些地方还需要时间。Coding领域已经有非常大的渗透,沿着生产力方向,从Coding到办公再到科研,路径非常清楚;短剧、影视行业的Token渗透率也已经很高,有的地方已经颠覆了一个产业。
三、付费判断:能力、可预期、可认定、ROI
潘博文:Anthropic的招股书显示,其收入约80%是Token收入。从二级市场视角看,大模型公司的估值锚点在哪里?
杨林:Anthropic被定义为全球最头部的大模型公司,它的营收结构、营收增速会影响整个AI产业链:一是同行的估值体系,作为天花板,大家会用它来看国内公司;二是上游的紧密度,市场会盯着它签订的长协算力合同。从长远看,现在的商业模式很多还是按API、按用量计费,风险基本由甲方承担,哪怕没有效果照样付费。未来可能从按用量到按结果付费,但前提跟模型性能相关,要求结果稳定可预期。
△国泰海通证券计算机行业首席分析师杨林
从供给方讲,第一是能力要够,达到一定阈值才能交付结果;第二是结果在某种程度上可预期,方差不能太大。比如用AI生成年报点评,第一个要求就是不能出现事实性错误,一旦出现肯定不敢用。从需求方讲,如果愿意按结果付费,结果还要能被清晰认定、归因归得清楚。供应商说提供了10%的增效,但需求方说只有5%是其贡献,5%是自己优化,那怎么界定?最后一个维度是要有清晰的ROI,投资回报率算不清楚,大概不可能按结果付费。
叶帅民:对于早期公司,留存率、月活这些都是阶段性的、动态型的指标,很难有一个公式判断必成。如果有,VC也就没有存在的价值了。
四、落地判断:Token变成水电煤之后,下一个Codex在哪
潘博文:随着Token变成像水电煤一样的基础设施,边际成本趋近于零,下一个像Codex、Manus一样的产品会在哪些领域出现?
楚汝峰:大家的共识是Token价格会越来越低,模型能力持续提升,未来会有三类形态:一是超级低成本的端侧服务;二是低成本的云端大众化服务,像Anthropic、ChatGPT、DeepSeek,覆盖更多领域;三是高效率的专业领域智能化服务,渗透到科学计算、深度推理,一次科学新发现可能持续运行三五个月,需要大规模算力集成支撑。
今天AI coding已经基本成为共识,程序员不用AI coding很难生存,效率可能是上万倍的提升。我们更关注的,是AI真正渗透到科研生产领域,从行业数据、模型、服务到最后产生价值闭环,形成一条完整链路。一旦这个链路变成类似互联网时代PaaS层的公共平台能力,就会形成一个服务矩阵。今天的Token和算力基础设施,有可能像当年的IaaS,越往上价值放大越多,在科研、生产领域,可能会形成行业共性的工具平台。
崔予淳:C端是能够创造更多内容型的东西。B端我觉得非常重要的就是信息密集型行业,短期就能看到很多突破。金融行业很大,也不是所有领域都因AI受益。无论是金融、法律、科研还是医疗,越需要信息本身去收集、处理、研究并产生价值的行业,今天越容易被AI突破。
△讯兔科技联合创始人崔予淳
杨林:我有几个判断维度。第一是容错率比较高,做错了不是致命的。像工业控制这类容错率极低的领域就相对缓慢一些;第二是有大量数据、规则能清晰列出来的行业,比如代码、法律、金融;第三是技术栈相对成熟;第四是ROI,投下去要有回报。在这几个因子下,Coding、AI设计、短剧,包括金融、法律、教育甚至AI for Science,都能更早有产品能跑出来。
叶帅民:现阶段大家投入底层模型、芯片等生产资料,核心是加大Token供给、降低Token成本。如果Token将来变成水电煤一样的基础状态,基建完成、生产资料全部Ready,经济最后的闭环就在应用和场景。
节奏上,最先爆发的是“超级个体放大器”,2025年之前跑出来的应用大概都是这一类;接下来是AI能力变强之后的真正替代,客服领域已经出现对人工岗位的替代。再往后是“kill time”。现在大家都在做效率提升,但人最后是要享受幸福生活的,怎么打发时间,未来可能是更大的机会。整个社交关系、吃喝玩乐、衣食住行,都会被重新解构。
潘博文:理解了,Token为需求出发,Token为需求服务,需求为幸福服务。今天因为时间有限,很多问题没有办法做更深度的讨论,非常感谢各位嘉宾。
注:文/龚作仁,文章来源:Laborer,本文为作者独立观点,不代表亿邦动力立场。
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
FAQ回顾
Token经济的商业模式正在发生什么变化?
Token经济当前仍以按API、按用量计费为主,调用量增长但应用生态未同步爆发。日均Token消耗约500万亿,较2024年初增长数千倍,有推算2030年再涨一万倍。未来可能从按用量转向按结果付费,但需模型能力达到阈值、结果稳定可预期、可清晰认定归因,并有明确ROI。
企业从按Token用量收费转向按结果付费,需要满足哪些条件?
供给方能力要达到交付结果阈值,结果方差不能太大、可预期,例如AI生成年报点评不能出现事实性错误;需求方要能清晰认定结果并归因,避免供应商与客户对增效贡献产生分歧;最后要有清晰ROI,投资回报算不清楚就难以按结果付费。
哪些行业更容易率先落地AI和Token经济?
容错率较高、数据与规则可清晰列出、技术栈较成熟且有明确ROI的行业更容易先跑出产品,包括Coding、AI设计、短剧、金融、法律、教育以及AI for Science。信息密集型行业短期突破更明显;工业控制等容错率极低领域相对缓慢。
如何判断AI应用交付的是真结果还是伪结果?
核心看谁定义结果、谁愿意为结果付费、谁持续付费,并加入时间维度:当前有价值的结果可能只是更大结果的过程节点,未来会被模型能力吞噬。若AI是服务者,用户认可并持续买单就是好结果;若AI替代客服,像Sierra按解决电话、不转人工收费,则结果更可验证。
Token经济形成商业闭环有哪些可观察信号?
闭环不应只看交付频次或提问数量,更应看用户与AI结果交互、使用、观看的总时长是否有机增长;人依赖AI时间越长,闭环程度越高。产业上,Coding渗透已很大,办公、科研路径清晰,短剧影视Token渗透率也较高;Anthropic收入约80%来自Token收入,说明头部模型公司营收结构影响产业链估值。
下一篇
百亿采购如何实现业数智协同:中铁工业杨皓岚将出席2026第八届亿邦产业互联网年会
北京中铁工业有限公司总经理杨皓岚将出席2026第八届亿邦产业互联网年会,并将深度拆解制度创新与科技变革下,“业数智”协同如何引发百亿平台化采购。














