日耗300亿Token：算力巨头的AI账本与智企实践

在外界看来，算力基础设施供应商理应是AI浪潮中最从容的角色——无论大模型竞赛多么激烈，服务器与硬件总是刚需。但在2026 ITValue Summit数字价值年会上，超聚变数字技术股份有限公司CEO刘宏云却直言：“我们自身就很焦虑。”

焦虑的根源在于：正因为天天与大模型厂商打交道，他们更早感受到了模型能力的跃升节奏，也最早看到了随之而来的巨额账单。超聚变内部拥有数千名员工，目前日均消耗超过300亿个Token，全年预计消耗7万亿至10万亿个Token。按市场公允价格折算，单年开销高达6亿至7亿元人民币，三年累计开支可能逼近29亿元。

离算力越近，账单越先到期

刘宏云将当前企业面临的AI焦虑拆解为三笔现实账：

1. 存量资产贬值：过去一二十年投入巨资搭建的ERP、CRM等系统，在AI面前迅速显得笨重迟缓，改造成本牵一发而动全身。
2. 投入时效风险：AI每三个月迭代一轮，针对仓储、物流或营销场景的微调与定制投入，极易被新一代通用模型直接抹平。
3. 失控的成本模型：钱花出去了，能否换来对等的业务增量，多数企业根本算不清。

这种困局并非孤例。Uber在2025年底向5000名工程师开放了编程智能体Claude Code，并通过内部活跃度排行榜刺激使用。到2026年3月，Uber 84%的开发人员已成为智能体用户，约70%的代码提交包含AI贡献。然而，Uber的CTO在4月公开承认，公司全年的AI预算在短短四个月内便消耗殆尽，单人月均API开销在500至2000美元不等，AI相关成本同比飙升约6倍。

超聚变副总经理、CIO蓝文广将AI价值链拆解为四个层级：瓦特到FLOPS、FLOPS到Token、Token到AI智能体、再从智能体到业务价值。每跨越一层，价值衰减的概率就多一分。“瓦特是电，是成本；Token是能力，是投入；只有业务价值才是装进口袋的东西。”在AI的第一份账单远快于第一份收益到达时，盲目铺量往往换来预算失控。

告别单一指标：走出AI落地的虚荣陷阱

针对行业内津津乐道的“AI自动代码生成率达50%”等数据，蓝文广认为这不足以衡量真实落地效果。代码生成量与业务稳定性、上线率以及研发整体提效并不能画等号。

“更值得关注的是研发全流程的效能闭环，包括需求分析、规格书生成、编码、测试、安全检测到最终部署。尤其是代码的返工率和上线率，才真正说明AI的可用性。”蓝文广指出，许多企业此前将资金耗费在营销型数字人等表层场景，并未触碰核心流程。

第三方机构的调研印证了落差：埃森哲数据显示，跨过AI应用试点阶段的中国企业比例已升至88%，但真正实现收入、利润或效率显著增长的企业仅占14%。大部分企业面临的现状是：各业务线各自采购工具、消耗Token，年底却无法核算ROI。

架构代际演进与“智企”地基

刘宏云判断，过去四五十年间由大型机演进至PC、移动端，以CPU为底座、高代码企业软件为上层的IT架构体系，正迎来代际更替：

• 算力底座转移：企业硬件核心正全面转向GPU，上层流程软件将被AI全面改写；
• 企业皆是Token工厂：如同工业时代必须用电，未来所有企业都将是Token的“制造者与消费者”，不同Token供给的成本、质量与时延将直接决定市场竞争力；
• 分水岭加速显现：在AI加速渗透下，先行者与后发者之间的经营效率差距可能在3到5年内拉大至10%到15%。

为了承载这套架构演进，超聚变提出了“智企”路径，并以自身为实验场展开治理。此前公司内部运行着80多个不同模型，缺乏统一规范。为此，超聚变设立了企业级“Token工厂”项目，统一负责模型路由、本地化部署与API分流治理，确保每一笔推理支出都流向匹配的算力路径。

与此同时，超聚变耗时三年梳理了内部近8000项具体的生产经营动作，以此作为AI重构业务流程的基础单元。智企的落地无法一步到位，而是沿着“高确定性任务排查与活动级分析、业务流重构、企业级大脑形成、最终实现生态级协同”这四个阶段逐步递进。让AI算清自身账本，才是企业构建新一代AI架构的真正起点。