 
- 积分
- 8690
- 威望
- 1317 点
- 铜板
- 4686 枚
- 西秦金币
- 0 个
- 鲜花
- 0 朵
- 在线时间
- 97 小时
- 注册时间
- 2023-6-21
|
腾讯集团副总裁司晓：Token越来越便宜，但高智力能力越来越贵
位于深圳南山区的腾讯滨海大厦。视觉中国/图
三年前，在浙江海宁皮革城的一个档口，司晓向一位经营者演示了AI生图软件。对方觉得，生成的图还很粗糙，但已大致能用。他说了一句让司晓至今难忘的话：“以后拼的就不是谁能设计了，而是谁知道该选哪个设计。”
这个场景让司晓开始思考：当一个档主通过订阅软件，就能调用过去需要聘请设计师才能获得的能力，智力的供给方式会发生怎样的变化？
司晓是腾讯集团副总裁、腾讯研究院院长，同时也是法学博士和网络版权行业资深专家。他长期致力于互联网法律、数字经济及人工智能领域的研究与实践。
2026年8月，腾讯研究院出品了《Token经济》一书，从成本、需求、竞争等7个层面，系统回答了一系列决定AI经济走向的关键问题：比如，当智能体成为新的调用者，市场需求、商业模式与产业竞争格局将发生怎样的变化？未来又将如何影响科技竞争走向、社会规则制定及个人发展？
9月10日，围绕这些问题，南方周末记者在深圳南山区的腾讯总部采访了司晓。
“算力、存储不是临时瓶颈”
南方周末： 你和团队为什么会写《Token经济》这本书？
司晓： AI时代来临之后，各行各业变化太快了，甚至比移动互联网时代还要快。我们认为，未来三五年可能还立得住的，Token经济或许是其中之一。不管怎样，它算是现阶段最稳定的一个度量衡。我们所有的API调用、模型计价以及输入输出上下文的计量，都是以Token来计价的。
我们的研究一直都是基于商业实践。2023年3月，我和团队为新兴的微信视频号电商业务去浙江海宁调研皮草产业带。海宁中国皮革城的中小企业主当时都在为同一件事焦虑，新款皮草一上市，几小时内就会被同行仿制。过去，行业里公认的壁垒是“有好设计师”，毕竟雇一个好设计师很不容易，但这道门槛也把大多数没钱雇设计师的小企业主挡在了门外。
在交流中，我向他们演示了当时刚出现的文生图工具，只要输入一些提示词，很快就能生成一批设计草图。他们大受震撼，原来设计能力可以接近无限地供给。那道靠“有好设计师”筑起的壁垒一夜之间就松动了。
这就是一个很直观的例子，订阅的是会员费，使用的是Token，但可能替代的是设计能力，靠模型变成了一个中小企业可以调用的能力。
南方周末： 模型能力现在是在拉大还是缩小？中国大模型是否已经进入淘汰赛？
司晓： 模型之间的差距，不能笼统地说越来越小。头部模型会跑得越来越快，而且它已经逐渐进入自递归（模型开始参与改进自己）的状态，腾讯WorkBuddy很多代码也是它自己写的。
淘汰赛其实一直存在。它需要持续投入，需要提升人才密度，也需要不断有资金注入，才能持续研发新模型，降低单位Token成本，提升智能密度。我认为，大模型竞争从一开始就非常激烈。如果看国内大模型厂商上市后的市值及其波动情况，大致就能说明竞争有多激烈。
南方周末： 英伟达创始人黄仁勋将AI产业划分为算力、芯片、云、模型和应用五层，当前哪一层最赚钱？你认为硬件供需何时可能逐渐趋于平衡？
司晓： 现在肯定算力是瓶颈，HBM存储是瓶颈，所以它必然赚钱，因为大家都排队等。Token是一种“双时钟”商品，算法侧以天到周为周期，以接近零的边际成本即时全球部署；物理侧以年到数年为周期，以超大规模资本投入扩张产能。两个时钟的速度差达到50—200倍。这种快慢“双时钟”特征在以往产业中也曾出现，但Token把这种落差的幅度、节奏和预算可见性都推到了新的高度。
你可以粗略地想，一个齿轮转得飞快，但它要被另一个齿轮咬合，它的速度就被拖下来了。所以我认为算力、存储不是临时瓶颈，而是Token经济的长期硬约束。Token的消耗目前处于比较早期的阶段，都还没有到天花板，模型的尺寸会越来越大，激活参数越来越多，它对于硬件的消耗也就越来越大。
司晓。农健制图
两套价格体系
南方周末： 国内Token的定价普遍低于海外，有一些观点认为这主要源于价格补贴？
司晓： 我觉得这肯定不是主要原因。美国AI行业融资体量巨大，像“星际之门”这样的项目投资达5000亿美元，使其硬件条件相对宽裕，不必过分精打细算。因此，从训练到推理，模型往往都会采用更大的参数量。
中国可能在相对缺卡的情况下，算账会算得更细一点，会在所有的工程环节去做一点一滴的优化，能够把训练成本和推理成本真正节省下来。卡多有卡多的好处，但某种意义上，你可能不会那么注意节约。
南方周末： Token均价下降能不能判断AI行业利润变薄？
司晓： 市场上同时存在两套价格体系。底层标准化Token越来越像大宗商品，价格快速下行；高价值场景里的Token则被嵌入工作流、岗位和行业系统里，继续维持高溢价。只看均价下降就判断AI行业利润薄，看到的是成本曲线，没有看到价值正在迁移。
另一种常见的误判，是把越来越普遍的免费产品理解成AI价值正在快速下降。这种直觉来自现实体验，ChatGPT有免费版，豆包和元宝的大量能力直接开放，Kimi和DeepSeek长时间维持极低价格，面对这些现象，用户当然会产生一种自然感受，既然大家都在免费送，AI大概率会像搜索引擎一样，最终变成一种公共基础设施。
但免费并不意味着价值消失，很多时候恰恰相反。价格越接近零，用量持续增长，越可能意味着大量价值没有被价格体系捕获。于是，Token市场会同时出现两种看起来矛盾的现象——一边是公开API单价快速下降，另一边是高价值场景里的客户仍然愿意支付高额合同费用。
南方周末： 也就是说目前的Token价格体系无法完整反映Token的价值？
司晓： 中国市场的Token价值曲线呈现一个略显不同的形态，表面上定价更平，价值分布其实更隐蔽，尤其是高价值部分更难被看见。
一方面，中国AI市场的供给侧绝大多数按Token计费或按价格档订阅，很少有按结果计价的原生产品，但这并不意味着它没有高价值场景。法律、医疗、金融AI在中国同样存在，差别在商业化路径上，高价值场景大多通过项目制集成变现。例如一家做法律AI的中国公司通常把模型能力封装成项目合同卖给律所，单项目报价几十万元到几百万元，不公开按 Token收费。Token的单位价值在账面上消失了，但是被打包进了项目费里。
南方周末： 未来Token的价格，会是怎样的走势？
司晓： 毫无疑问会越来越便宜。
南方周末： 如果Token越来越便宜，未来真正昂贵的东西是什么？
司晓： 昂贵的是顶尖的模型，顶尖的模型是有定价权的。按任务价值，Token成本大致可以分成两类，走向却截然相反。一类是高智力依赖、强推理的任务，比如销售策略制定、高风险决策、面向科学发现的研究。这类任务追求的是最高质量的Token，它会主动选用最强、最贵的模型，单位成本不仅不会趋向于零，反而可能越来越高，但它换来的价值也足够大，所以贵得其所。
另一类是低智力依赖、高确定性的任务，比如日常的流程化“搬砖”工作。这类任务对智力水平要求不高，随着经济档模型的降价，Token成本会迅速趋向于零，甚至在很多环节可以直接用确定性的脚本替代，根本不必动用模型。换句话说，单价下降的红利主要落在低智力任务上，而高智力任务的账单仍会随能力升级而抬高。
南方周末： 现在普遍的情况是，国内大模型企业增收不增利。
司晓： 模型层的困境是结构性的。用户切换只需改一行API地址，迁移成本很低。没有单一模型在所有场景中占主导地位，哪个模型领先，哪个厂商占优，都在频繁轮换，一旦出现更好用或更便宜的选项，企业就会在数周内切换。编程、法律、客服、翻译、角色扮演，不同场景的最优模型完全不同。所以Token的价格一定是不断在卷的过程当中。
模型公司一旦营收增速放缓或竞争对手发动新一轮价格战，当前的利润空间就会被迅速挤压。更重要的是，这些公司仍处于大规模资本投入期，需要持续依靠外部融资支撑研发和算力扩张，盈亏平衡尚未真正达成。
南方周末： 大模型公司为什么不能通过提高价格覆盖成本？
司晓： 如果说没有真正地拉开实质性差距，或这个差距很难锁定，怎么可能在定价上能那么从容？另外，很难通过提高单价来覆盖每个Token的生产成本，没人会算得那么细。况且还有其他商业模式叠加在一起，不能只算这一笔账。
南方周末： 现在已经有一些企业在做Token出海，但受限于规则，现行数据跨境规则为什么管不了Token？
司晓： 传统数据跨境通常关心的是一份数据从哪里流向哪里、由谁处理、保存多久、能否再转移。但Token跨境既涉及输入、缓存、日志和输出如何跨境，又涉及模型生成的判断、建议和行动结果由谁负责、能否验收、是否进入敏感场景。旧规则常常只看前一层，而Token 经济真正难处理的是两层叠在一起。
一次跨境API调用同时会涉及好几条合规链路。用户输入的内容可能包含个人信息，这就涉及用户所在国的隐私法；这些数据传输到模型推理所在地，过程中需要关注数据出境合规框架；模型推理过程中产生的中间状态，如上下文、缓存、日志、记忆，可能被服务商保留，会涉及数据保留和处理规则；最后输出回传，又会触发一次跨境数据流动判断。
南方周末记者 赵继林 南方周末实习生 姜欣瑶
责编 冯叶 |
|
楼主: 太极
雷达卡
发表于
提升卡
置顶卡
变色卡
千斤顶
显身卡
