开源中国马越：企业AI转型必须算清Token治理这本账

在2026 ITValue Summit 数字价值年会上，开源中国董事长马越分享了一个软件行业罕见的标杆案例：一家著名央企运营商斥资6000万元采购了开源中国的纯软件授权，共计10.5万个授权许可，没有任何硬件捆绑。“历史上很少有央企愿意为纯工具软件投入如此巨资，这体现了对知识产权与研发效能工具的高度重视。”马越表示。

作为拥有近2000万注册用户、超4000万代码仓、45万家企业用户的代码托管平台，Gitee走出了一条自己的商业化路径。马越指出，“白嫖”是开源领域最大的幻觉，开源技术要实现持续迭代，就必须完成商业闭环。然而，在DevOps平台盈利之后，大模型浪潮引发的行业剧变又带来了新的焦虑：开发者正在倒逼软件形态从“CPU驱动”全面倒向“GPU驱动”，传统软件工程必须升级为AI工程。

软件工程向AI工程全面迭代

马越认为，开发者是使用AI最前沿、最高频的群体。以往软件交互一启动，运转的是CPU；而在AI Native的形态下，指令一触发，运转的则是GPU。企业决策者必须清晰审视研发流程：内部业务究竟有多少仍依赖传统流程，又有多少已经交付给大模型与算力。

为了消除传统软件开发与模型应用之间的断层，下一代研发基础设施必须将软件工程全面重塑为AI工程。但伴随模型调用的日常化，企业管理层面临两重核心担忧：一是怕失控，包括接口被调包、代码和敏感数据泄露；二是怕打水漂，巨额Token消耗后并未转化出实际的业务价值。

落地企业级Token治理看板

针对AI落地的管控难题，马越提出了覆盖四个核心维度的“Token治理”架构：

1. 质量与真实性治理：杜绝模型调用中的偷换与降级风险，确保付费调用的底层模型真实可信。
2. 多层级用量监控：建立端到端的统计矩阵，精细化追踪个人、研发团队、项目组及产品线的Token消耗明细。
3. Prompt效能评估：结合调用上下文与系统日志，量化分析不同开发者的提示词工程能力，挖掘高产出使用模式。
4. 合规与数据安全：防范额度滥用，严格拦截核心敏感资产通过模型调用向外泄漏。

这一套治理机制的核心目的，是在确保安全的前提下提升资源使用效率，让企业敢于放量使用Token，并将投资回报率拉回健康区间。

打通代码与Token的证据链

治理的最终归宿是商业价值。马越强调，企业的AI支出必须形成一条可追溯至最终交付结果的“证据链”。

开源中国通过将Gitee与Moark等产品矩阵打通，构建起针对AI研发效能的全局视角：Gitee掌握代码的合并、测试与最终交付路径，Moark监控底层的Token调用开销，而分析平台则将两端数据打通对齐。这一机制回答了企业管理层长期困惑的问题——AI究竟是一笔单纯的算力成本，还是真正形成了交付产能。

马越总结道，企业对待AI投入应当遵循四大原则：可计量、可归因、可治理、可提升。只有将研发投入与实际产出一一对账，才能消除面对技术变革时的恐慌与不确定性，将算力真正转化为企业的长期竞争力。