新在线不卡免费视频|www国产精品久久麻豆|美女午夜福利网站|《福克斯号上空姐们》|关于秘书的电影|美少女的哀羞txt|日产国产一区二区三区

作者 | 惜文 黃小貴

編輯 | 鄒蔚 王方

最近，一則消息在硅谷刷屏：某家企業(yè)，一個月在Claude上的支出，高達5億美元——折合人民幣約33億元，相當于每天燒掉超1億元。

現(xiàn)在，整個AI圈都在“尋找”這家公司。

幾乎同一時間，Uber、微軟等海外大廠，也開始陸續(xù)削減AI Token預算。

賬單失控的原因之一，也與Claude有關：按Token計費、權限無上限

過去兩年，整個AI行業(yè)幾乎只有一個共識：AI，一定比人便宜。

于是，全世界公司開始瘋狂燒Token。程序員用AI寫代碼，運營用AI生成內容，客服用AI回復消息，設計師用AI出圖……大量企業(yè)一邊裁員，一邊“All in AI”。

但現(xiàn)在，第一次出現(xiàn)了“AI倒退潮”，狠狠地扇了“All in AI”論調的臉——難道，AI泡沫要來了嗎？

來看幾組真實燒錢數(shù)據：

1、一夜燒掉上百萬元。

有團隊做Multi-Agent（多AI協(xié)同）實驗，僅一晚上，Token費用直接突破百萬元。

2、半小時燒穿一周預算。

有的企業(yè)只是改一個簡單網頁，結果AI連續(xù)調用、反復推理，30分鐘就耗光了一周額度。

3、月費上百萬美元。

有海外開發(fā)者公開賬單：如果按OpenAI官方價格計算，單月AI費用輕松突破100萬美元。

4、每天5000萬Token，不知道怎么花。

很多大廠高管，手中每天有超5000萬的Token預算，但“不知道該怎么花”，只能硬燒。

這些數(shù)據讓人倒吸一口涼氣，但比燒錢更值得追問的是：錢到底燒到哪里去了？是真需求，還是純浪費？是技術必然，還是管理失控？

對此，洋蔥集團創(chuàng)始人李淙，扔出一顆炸彈：“很多員工，其實在拿公司的Token摸魚，甚至接私活。白天在公司上班，同時接外面的私活：開發(fā)單、設計單、運營單。”開發(fā)者生產力平臺Entelligence.AI匯總2444家企業(yè)數(shù)據發(fā)現(xiàn)，每投入1美元AI Token費用，僅18美分產生觸達用戶的實際價值，44美分用于修復AI自身引入的Bug，27美分流向返工，11美分消耗于審查摩擦。數(shù)據來源：Entelligence.AI

上海財經大學特聘教授、DCCI互聯(lián)網數(shù)據中心創(chuàng)始人胡延平則分析，“Token消耗”原因有三：優(yōu)化不到位，簡單任務也耗Token；算力成本上漲；不少場景需求剛性不足。

接下來，鉛筆道將從4個維度，為你解讀這場正在發(fā)生的“AI倒退潮”。

一、誰在偷你的Token？——企業(yè)AI賬單里的“內鬼”和“黑洞”。

二、KPI之殤：為什么越考核AI使用率，公司虧得越多？

三、省錢密碼：什么樣的公司，正在把Token當“外匯”來管？

四、值錢機會：依靠Token，已經有一批公司開始快速賺錢。

-  01  -

誰在“偷”你的Toekn？摸魚、接私活、管理

李淙，洋蔥集團創(chuàng)始人

美股“跨境品牌電商第一股”，主營跨境零售、B 端供應鏈及海外品牌孵化

最近，Uber等海外大廠開始削減Token預算，我一點都不意外。

因為現(xiàn)在很多企業(yè)的問題，根本不是AI沒價值，而是大量Token被無效消耗了。甚至說得再直接一點，很多員工其實是在拿公司的Token摸魚，比如接私活等。亞馬遜內部KiroRank排行榜催生"Tokenmaxxing"現(xiàn)象，員工為提升排名執(zhí)行無意義AI任務推高算力消耗，后被亞馬遜下線。圖片來源：Business Insider

比如白天在公司上班，同時用公司配發(fā)的模型額度，去接外面的開發(fā)單、設計單、運營單，甚至幫別人跑跨境電商、做內容矩陣、寫程序。咸魚平臺上賣技能的基本就是這些。

很多企業(yè)現(xiàn)在AI預算失控，問題根本不在AI本身，而是老板自己都沒想清楚：AI到底應該用在哪。 

現(xiàn)在很多海外大廠會把AI使用量做成KPI，比如要求員工一天必須消耗多少Token，或者把AI使用率納入績效考核。結果員工為了完成指標去燒Token，但沒有方向感和明確的目標，所以大多都去干了和公司效益無關的事。

我有個朋友就在大廠，他跟我說老板給他發(fā)了5000萬一天的Token預算，但他真實工作里根本不知道該怎么花�？蒏PI在那里，怎么辦？只能硬燒。

現(xiàn)在企業(yè)里，真正燒Token最多的，其實就三個場景。

第一個是Research，包括內容調研、資料搜集、信息分析。

第二個是Coding，這個一定是大頭，現(xiàn)在很多企業(yè)最燒Token的就是開發(fā)部門。

第三個是自動化內容生產，包括視頻、圖文、直播素材等批量生成及電商全鏈路的運營工作。

但我覺得，現(xiàn)在很多企業(yè)最大的問題不是“有沒有用AI”，而是考核方式不對。考核AI，不能用KPI，而要用ROI（投入產出比）。

我們只看Token能不能換回利潤（或者效益）。

我給你1億Token預算，你能換回ROI，我繼續(xù)給你；換不回來，那就停。或者你能明顯提高效益，提升交付物的質量或者數(shù)量。比如你原來一周寫3篇稿，現(xiàn)在能寫30篇，以前三個人做的事情，現(xiàn)在你一個人做完。

本質上，Token在企業(yè)里的邏輯更像市場投放預算，ROI是正的繼續(xù)投，不是正的別燒。 GitHub Copilot轉向按量計費后，有用戶曬出賬單從50美元/月飆升至3000美元/月。

而且我發(fā)現(xiàn)，現(xiàn)在很多企業(yè)還有一個特別大的誤區(qū)，就是貴的人用最貴的模型。這其實特別不劃算。

比如一個月薪五六萬的高級工程師，你再給他配最貴的Codex模型，他的效率會提升，但不會提升得特別夸張，因為他本來就已經很強，天花板效應很明顯。尤其還有本能性的排斥感。

但如果你把最貴的模型，給一個只學了兩三年編程的畢業(yè)生，效果反而可能特別驚人。因為AI會瞬間把他的能力拉高一大截，把他不會的那些技能短板，一次性全給補齊了。

所以我一直覺得，企業(yè)真正正確的邏輯應該是：便宜的人加貴的模型，而不是貴的人加更貴的模型。 

真正把這套邏輯跑通的，我目前看到最多的其實是電商公司，尤其是二類電商，社群私域電商，以及做品牌的公司。這些行業(yè)，AI帶來的ROI非常明顯。

我們自己就是最直接的案例。以前我們做亞馬遜分銷時，光設計和創(chuàng)作團隊就有五六十人，還不算視頻團隊�，F(xiàn)在整個設計創(chuàng)作團隊只剩4個人。

以前一個優(yōu)秀設計師一天做20-30張高質量圖片已經很厲害了，現(xiàn)在一個畢業(yè)生培訓三五天，一天能批量跑幾百張圖，質量還不差。

服裝行業(yè)也一樣。以前攝影、設計、運營、素材生產全是重人力崗位，中后臺員工占比超50%�，F(xiàn)在攝影師快沒了，模特圖不用拍了，一句話就能生成素材。很多公司只需以前10%的人，就能完成同樣工作量。利潤立刻釋放，因為這些過去全是硬成本。OpenClaw創(chuàng)始人Peter Steinberger公開的OpenAI賬單：3人團隊指揮100個Codex智能體，30天燒掉6030億Token、760萬次請求，賬單130萬美元（Fast Mode）。圖片來源：Peter Steinberger

而且這件事帶來的變化不只是“效率提升”，它會直接改變公司的組織結構。以前公司里一個運營、一個設計各干各的，但現(xiàn)在變成一個人加一堆AI Agent，“多崗合一”變成現(xiàn)實。

具體怎么實現(xiàn)這些目標？我們分為兩步，供大家參考。

第一步：先搭一個企業(yè)自己的“AI 智能基座”。

簡單理解，就是公司內部有一個統(tǒng)一的AI操作系統(tǒng)。把員工的能力和技能，經驗進行蒸餾，完成 skills 化。

像商品上架、素材生成、標題優(yōu)化、客服回復、物流處理這些高度標準化的流程，完全可以交給AI自動化處理。而選品、運營分析、內容判斷這類需要經驗判斷的工作，則可以用高級推理模型，配合企業(yè)的知識庫和數(shù)據，讓AI輔助決策。大部分時候，人工基本不用插手。

第二步，把員工的經驗“蒸餾”進AI。簡單說，就是把人的能力、經驗、工作方法，沉淀成AI可以調用的“技能包”。人走了，能力留下。國外大廠如Meta也在做。我們稱之為AI EVO AI——讓AI不斷自我復盤、迭代。

因為未來大量中層崗位、基礎執(zhí)行崗位，本質上都會被蒸餾掉。這個事情其實已經不是預測了，已經發(fā)生了。

尤其現(xiàn)在經濟環(huán)境本來就不好，企業(yè)最大的成本本來就是人力成本。所以很多公司現(xiàn)在的邏輯很簡單：能不招就不招，能優(yōu)化就優(yōu)化。尤其年收入10億人民幣以內的中小企業(yè)，我認為未來幾年這會是一個持續(xù)狀態(tài)。

因為AI最先解決的其實不是“收入暴增”，而是降本。

我舉個很現(xiàn)實的例子：一個員工到手工資可能1萬元，但公司真實成本其實是1.3萬到1.4萬元。你讓企業(yè)多賺1.4萬元凈利潤很難，但你讓AI替代10個人可能很容易，只是替代進程和替代率的周期問題。

以前10個人干的活，現(xiàn)在1個人加9個AI Agent就能做完。所以很多企業(yè)現(xiàn)在都會非常關注效率利潤，也就是人均產值。未來很長一段時間，在 AI 普及化的公司，人均產值一定是很明顯提升。

 但與此同時，我也看到很多新的機會正在出現(xiàn)，比如AI Agent 基座的研發(fā)和服務、企業(yè)級的業(yè)務 AI 化改造等，甚至是很多人也在投身的 AI 中轉站，和算力出海業(yè)務。

因為OpenAI、Claude這些海外頂級模型，在中國一直存在支付、賬號等各種門檻，于是就有人專門做海外賬號代充、Token銷售、中轉服務。

拋開法規(guī)問題，只談業(yè)務本身，這不僅是個短期套利機會，是個長期賽道。

本質上有點像早年的貿易公司，以前是把海外商品賣進中國，現(xiàn)在是把海外Token賣進中國。

而且這個行業(yè)現(xiàn)在增長非常快，因為中國企業(yè)對頂級模型的需求一定會持續(xù)增長，但海外模型又很難真正完全進入中國市場。

- 02 -

一夜燒掉數(shù)百萬：AI的預算黑洞時刻，來了

深行智能CEO崔偉，長期從事AI咨詢及算法、系統(tǒng)研究，清華大學電機工程系博士，浙江大學經濟學院碩士生導師

最近，Uber、微軟等海外大廠，陸續(xù)開始削減AI Token預算。很多人第一反應會覺得：是不是AI不行了？恰恰相反。

在我看來，現(xiàn)在真正的問題不是AI沒價值，而是很多企業(yè)過去一年，對Token這件事，太樂觀了。甚至很多公司，已經開始發(fā)現(xiàn)：AI，不一定比人便宜。

過去一年，我明顯感覺到：企業(yè)對AI的態(tài)度，已經開始進入第三階段——算賬。

第一階段，是“不信”。很多老板覺得AI不靠譜，擔心胡說八道。第二階段，是“瘋狂上頭”。大量公司開始“All in AI”，恨不得每個人都用AI。有些企業(yè)甚至把AI調用量做成KPI，比如要求員工每天必須消耗多少Token。

但現(xiàn)在，行業(yè)開始進入第三階段：開始算賬了。因為越來越多公司突然發(fā)現(xiàn)：AI賬單，開始失控。據外媒報道，Token價格自2026年2月底以來已上漲約65%。高盛One-Delta部門指出，AI交易核心變量已從"技術是否可行"轉向"成本是否可承受"。

前幾天，有團隊做Multi-Agent（多AI協(xié)同）實驗，一晚上燒掉上百萬元。還有海外開發(fā)者公開過賬單：如果按OpenAI官方價格計算，一個月AI費用能達到上百萬美元。

很多老板看到這個數(shù)字，第一反應都是：“AI怎么比員工還貴？”但現(xiàn)實就是這樣。尤其是研發(fā)部門。

因為真正最燒Token的，不是寫文案，而是編程。代碼生成，本質上是指數(shù)級膨脹。你寫一篇文章，可能就幾千字。但程序不是。程序會不斷生成上下文、調試、推理、調用Agent、重復運行。

很多時候，一個任務跑著跑著，Token就爆了。最可怕的是：你根本沒法提前預測。很多企業(yè)現(xiàn)在的問題，其實不是“花不起”，而是：不知道自己到底會花多少。你可能只是改一個網頁，結果半小時燒掉原本預計一周的預算。

這件事和過去云計算行業(yè)特別像。

當年所有人都說：“上云更便宜，不用自己買服務器。”結果很多企業(yè)后來發(fā)現(xiàn)：長期用云，比自己建私有云還貴。

于是很多公司又重新開始搞私有化部署。現(xiàn)在AI行業(yè)，也開始出現(xiàn)類似情況。越來越多企業(yè)開始意識到：AI不是簡單“接個API”那么輕松。它已經變成一套新的財務系統(tǒng)。

甚至我最近一直在研究一個方向：未來可能會出現(xiàn)一個新崗位，叫FinAI。類似過去云計算行業(yè)里的FinOps（云成本管理）。

什么意思？簡單說：未來企業(yè)最重要的能力之一，不再只是“會不會用AI”，而是：會不會控制AI成本。比如：哪些部門該用頂級模型？哪些工作70分模型就夠？哪些任務值得燒Claude？哪些地方根本沒必要？

因為現(xiàn)在很多公司最大的問題是：“貴的模型，到處亂用。”

比如很多員工，本來只需要普通模型，結果上來就用Claude、Codex、GPT頂級套餐。老板一開始還覺得：“沒事，提高效率。”

但幾個月后財務一看賬單，人麻了。很多企業(yè)現(xiàn)在，其實根本沒有建立AI使用規(guī)范。誰能用什么模型？什么場景能燒高端Token？哪些任務必須限制調用？很多公司完全沒有規(guī)則。

于是AI調用，慢慢開始失控。我個人判斷：現(xiàn)在AI預算失控，70%是管理問題，30%才是技術問題。

管理問題包括：KPI亂設、員工濫用、模型亂選、沒有ROI考核、沒有成本約束。尤其是研發(fā)部門最明顯。因為程序員本來就是AI重度用戶，而編程又是最燒Token的場景之一。

過去幾年，很多公司都在裁程序員、擁抱AI。但現(xiàn)在一些企業(yè)突然發(fā)現(xiàn)：如果全員都按Claude Code這種模式跑，成本可能比原來還高。因為AI不是一次性費用，它是“無限續(xù)杯”，而且還是越喝越貴那種。

現(xiàn)在還有個更麻煩的問題：AI成本，本身存在巨大不確定性。今天的大模型，其實還做不到“我限定預算，你來完成任務。”

它只能告訴你：Token用完了，沒法精準控制：這個任務，到底應該花多少錢。你很難提前知道。有時候一個Agent跑偏了，能直接給你燒穿預算。

這也是為什么，很多海外公司現(xiàn)在開始控制Token。不是他們不用AI了，而是開始意識到：AI也需要財務紀律。

當然，從長期看，我認為Token價格一定會下降，因為算力本質上還是基礎設施。現(xiàn)在貴，主要是因為GPU緊缺、存儲漲價、算力供給不足。但這個階段不會永遠持續(xù)。

尤其是中國企業(yè)這兩年正在瘋狂擴產。行業(yè)很多預測認為：到2028年前后，算力和存儲產能會明顯釋放。但這里面有個特別有意思的現(xiàn)象。即便Token價格下降，企業(yè)總支出，也未必下降。因為：你會用得更多。

這其實是典型的“杰文斯悖論”。成本越低，消耗越大。以前企業(yè)可能一天只調用幾次AI，未來很可能：所有系統(tǒng)、所有員工、所有流程都掛Agent。

到時候，Token總消耗量反而會繼續(xù)暴漲。所以未來真正重要的，不是Token降不降價，而是：企業(yè)有沒有能力建立自己的AI財務模型。比如要解決最重要的問題，才燒最貴模型。

最后再說一個最近特別火的生意：Token中轉站�，F(xiàn)在國內很多企業(yè)，對Claude、GPT這些海外頂級模型需求特別強。但問題是：賬號、支付、實名認證，全是門檻。于是大量“中轉服務”開始出現(xiàn)。本質上，它賺的是“使用門檻”的差價。

國外100美元的調用額度，國內翻倍賣，依然很多人買。因為很多用戶自己根本用不了。這個市場現(xiàn)在確實能賺錢。但風險也非常大。因為它同時面臨：海外平臺封號、數(shù)據風險、合規(guī)問題、國內監(jiān)管問題。很多中轉站今天還能做，明天可能就沒了。

所以我認為：真正長期有價值的，不是簡單“賣號”，而是像OpenRouter這種平臺。它不是單純中轉，它是在做：模型調度、優(yōu)化、加速。你可以理解成：它更像AI時代的“云操作系統(tǒng)”。

整個AI行業(yè)，現(xiàn)在其實已經開始進入一個關鍵轉折點：過去一年，大家比的是“誰燒Token更猛。”接下來，大家比的會是：“誰更會經營Token。”而這，可能才是真正商業(yè)化的開始。

-  03  -

Token漲價，反而救了AI

李笛，明日新程創(chuàng)始人

明日新程主攻群體多智能體，連續(xù)獲得兩輪融資

Token不夠燒，是過渡階段一定會遇到的問題。

無論是coding，還是現(xiàn)在很流行的FDE（前線工程師），背后AI在企業(yè)里面承擔的其實是兩件事：第一，它承擔組織協(xié)同；第二，它承擔單點生產力。今天很多問題，都是圍繞這兩件事展開的。

先說單點生產力。比如編程，現(xiàn)在AI在Repo level，也就是軟件倉庫這個層級，其實已經相當有效了。如果你把任務嚴格限制在這個范圍內，它的ROI很多時候已經是成立的，甚至是非常劃算的。

你會發(fā)現(xiàn)，AI在簡單和中等復雜度任務上，其實已經證明了自己比傳統(tǒng)方式更高效。但復雜度一旦繼續(xù)增加，Token消耗就會呈指數(shù)級上漲。

第二個更大的問題，是協(xié)同。

很多人會像甲方一樣：“我要A、我要B、我要C、最好再來個D。”但他自己并沒有真正想清楚需求。由于AI的協(xié)同能力還遠遠不夠成熟，這種模糊表達會導致大量返工和廢動作。而這些返工，本質上都在燒Token。

第三個問題，是模型本身的技術路徑。

比如超長上下文�，F(xiàn)在很多模型開始做到百萬字上下文，從技術演進角度，它當然是進步；但從推理成本角度，是巨大的浪費�，F(xiàn)在整個模型層，包括Harness這一層，都需要大量優(yōu)化。

另外一個原因，是很多人以前誤判了推理成本下降速度。

2023 年的時候，很多人都覺得，模型推理成本會迅速下降。但現(xiàn)實并不是這樣。因為技術在進步，新的模型會不斷填滿舊模型節(jié)省出來的成本空間。

我相信最終，AI一定會走到“投入小于產出”那個階段，但現(xiàn)在還在過渡期。這個方向本身，已經非常接近真正的商業(yè)化了。

今天用AI的企業(yè)大概分成兩類。

第一類，是傳統(tǒng)企業(yè)。它們現(xiàn)在做AI，本質上還是“降本增效”邏輯。也就是說，它原來已經有成熟的業(yè)務流程和組織結構，現(xiàn)在只是把 AI 插進去，優(yōu)化原有流程。

比如一家咨詢公司，以前需要很多數(shù)據分析師幫客戶整理數(shù)據，現(xiàn)在AI可以更快、更便宜地完成這部分工作，這就是降本。

再比如，以前一個咨詢團隊最多服務50個客戶，如果客戶翻倍，團隊規(guī)模也必須翻倍。但用了AI之后，客戶規(guī)模擴大時，團隊未必要同比擴大，這就是增效。

這是今天大部分企業(yè)的AI使用方式。

但另一類企業(yè)，我更愿意稱它們?yōu)锳I Native超級組織。它們從一開始，就不是把AI嵌入舊流程，而是按照AI的特性，重新設計整個組織結構和業(yè)務邏輯。

舉個例子。傳統(tǒng)自媒體，原來的邏輯是：持續(xù)收集信息、分析熱點、結合媒體自己的審美和觀點，輸出內容。

但AI Native的組織不一定這樣。它可能不是“定期收集數(shù)據”，而是通過Agent持續(xù)獲取更新�？赡苊� 3 分鐘、5 分鐘就自動完成一次行業(yè)掃描。于是行業(yè)洞察會從“斷續(xù)洞察”，變成“連續(xù)洞察”。

這個變化其實是非常大的。它會催生新的產品形態(tài)、新的用戶體驗，甚至新的商業(yè)模式。

再比如組織結構。

傳統(tǒng)企業(yè)是典型的人財物、產供銷結構，有HR、財務、運營等中心化部門。但AI Native組織可能完全不是這樣。

比如HR職能，很可能會被拆散到每個業(yè)務團隊里。用人團隊自己生成JD、自己篩選候選人、自己完成初步面試，AI負責大量中間流程。于是你會發(fā)現(xiàn)，它已經不是過去那個中心化組織結構了。

所以AI Native企業(yè)，本質上不是降本增效，而是在創(chuàng)造新物種。

很多企業(yè)現(xiàn)在都在拼命轉型AI Native，但員工在實際工作中會發(fā)現(xiàn)，模型產品仍然有大量問題，于是就會出現(xiàn)很多有意或無意的浪費。我雖然沒有精確統(tǒng)計，但我相信，這種浪費比例至少占30%以上。

我們現(xiàn)在做多智能體，其實也更愿意服務AI Native 的組織。

因為我們并不想用新技術，去硬適配那些已經非常臃腫、雖然有效但極其陳舊的組織結構。我們更愿意和那些愿意重構業(yè)務邏輯的企業(yè)一起做事情。

有一家內容平臺，是最早排斥AI內容的平臺之一。但今天它會面臨一個非常尷尬的問題：如果擁抱 AI，大量AI創(chuàng)作者會沖進來，原有生態(tài)會被沖擊；但如果不擁抱 AI，它又會被未來淘汰。

我經常說，這有點像“他殺”和“自殺”的區(qū)別。不擁抱 AI，可能是自殺；擁抱 AI，則可能被 AI 創(chuàng)作者“他殺”。

但綜合來看，“他殺”反而可能更好。因為至少你還在主動改變自己，還有機會跨越這輪技術周期。

企業(yè)會不會因為Token太貴，而放棄AI？

我的答案是：會。

因為Token成本，會非常直接地反映在企業(yè)當月財務報表上。如果這個月沒效果，下個月它一定會踩剎車。

這反而是一個好信號。因為正是這種壓力，才會逼著整個行業(yè)進入真正的精細化管理階段。

比如：使用更小參數(shù)規(guī)模的模型，達到接近大模型的效果；讓更多推理發(fā)生在端側，而不是全部放在云端；不再什么任務都調用最強模型；在Harness層做更復雜、更細粒度的任務分配。

這些事情，都會被今天的成本壓力倒逼出來。

2023 年的時候，還有很多投資人告訴我：“所有業(yè)務都應該用最好的模型。”

我當時就說，這不科學。

對于模型公司，我一直認為，未來真正重要的方向，并不是無限追求更大的模型，而是小型化，小模型是否也能實現(xiàn)能力涌現(xiàn)。

而企業(yè)這邊，已經越來越務實了。很多企業(yè)今天才開始感受到Token貴，并不是因為今天才開始浪費，而是以前這些成本一直被模型公司補貼掉了。

今天企業(yè)真正應該思考的，不是“我現(xiàn)在要不要追 AI 熱點”，而是：我該如何為未來的 AI Native 組織做準備。

至于機會，我認為會出現(xiàn)兩個特別重要的方向。

第一個，是群體智能。

群體智能最大的魅力，就是它不依賴單個智能體有多聰明，而是依賴多個智能體協(xié)同后產生的智慧涌現(xiàn)。

它天然具有兩個優(yōu)勢：魯棒性更強，ROI 更高。

其實人類社會本身，就是一種群體智能結構。

現(xiàn)在OpenAI也開始投資類似方向，國內像Kimi、MiniMax，也已經開始做相關產品。去年我們談群體智能時，很多人還覺得很抽象，但我覺得現(xiàn)在正在慢慢形成行業(yè)共識。

第二個方向，是端側。

互聯(lián)網時代、移動互聯(lián)網時代，云服務是最優(yōu)解，因為邊際成本遞減。

但AI時代不一樣，推理成本是無法忽略的。因此未來一定會出現(xiàn)“云+端”的重新平衡，而且會越來越向端側遷移。

本文不構成任何投資建議。

       原文標題 : 深度 | 一天燒1億：第一次“Token大撤退”，來了