文 | 解码Decode 文 | 解码Decode 🙌 去年5月，当大模型厂商卷起价格战时，Tokens大概率是💯出镜率最高的英文单词。 简单来说，Tokens是大语言😎模型（LLM）用来切割自然语言文本的基本单位，可以直观的理解🙌为“字”或“词”。 就像工业时代用“千瓦时”度量电力消😴耗，互联网时代用“GB”度量数据流量，AI时代用“Token😊”来度量模型的工作量。一个Token可以理解为一个词或词片段😘（中文里可能是一个字或词语）。 Tokens的调用量，😊本质反映了模型推理过程的计算量。而计算量的高或低，直接揭示了🤔模型在实际应用中的能力、成本、速度和可行性。 因此，从🙄Tokens角度跟踪AI应用落地进展，就是一个非常深刻且切中😴要害的视角。 它意味着我们将AI从一种“黑箱魔法”或纯🔥粹的技术概念，拉回到了一个可度量、可分析、可商业化的实际生产⭐要素的层面。 简单来说，这意味着我们不再只关注AI“能😁做什么”，而是开始量化分析它“做了多少”、“效率多高”、“成😉本多少”以及“价值多大”。 谁在消耗tokens？ 😴 模型厂商以tokens为主要定价单位的底层逻辑是：模型调😎用时的tokens消耗量与相应算力投入存在强关联性。而另一条😎暗线则是，算力投入链接了营收与tokens调用量。 换😀个说法就是，模型厂商营收与其tokens调用量呈现显著同步的⭐高增趋势。 2024年6月至2025年6月，OpenA😴I大模型基础设施——微软Azure云的日均tokens调用量🚀从0.55万亿上涨至4.40万亿，与此同时，OpenAI年化😡营收（ARR）从2024年12月的55亿美元增长至2025年😎6月的突破100亿美元，并在2025年8月达到120亿-13🚀0亿美元。 也就是说，谁消耗tokens更多谁就是基模⭐厂商的主流商业模式。 就目前来看，OpenAI、Ant⭐hropic、字节跳动等基模厂商主要有C端和B端两种，其中C😢端包括原生聊天助手、工具类原生应用（影视、图片、编程等）的订⭐阅收入、付费功能以及与内部C端产品整合后的间接收入（如Goo🤗gle Chrome）； B端则包含为大客户落地AI应😊用和企业直接API调用。 C端的tokens调用量，主🌟要贡献者有三个： 1 大流量池产品内部的附加AI功能 👏 2024年5月谷歌搜索上线的AI Overview功能🤩，至2025年二季度月活已超20亿。国海证券预测，AI Ov🥳erview功能单日tokens消耗量在1.6至9.6万亿区😅间内，在2025年7月Google日均tokens调用量中的😁占比为4.9%至29.4%。 展开全文 抖音、剪🤗映、今日头条等同样为大流量池C端产品，月活量级已达到10亿（😂2025年3月）、7亿（2025年7月）、2.6亿（2024😊年下半年月均）。 百度之于搜索、美图秀秀之于图像，大流😡量C端应用的AI改造都是上述逻辑。据非凡产研，2025年7月🙄百度AI搜索访问量居国内智慧搜索品类第一、美图秀秀的国内访问😆量/存量月活、新增下载量依旧居图像品类第一，且月度收入仍在环🔥比提升。 2 原生聊天助手 ChatGPT聊天助😘手保有较大C端用户规模，2025年7月APP+网页端合计月活🤗达10.15亿，是OpenAI重要Tokens调用量驱动因素😂。 3 视频赛道拥有较大用户基础的新兴应用 除产👍品内置AI功能、聊天助手外，图像、视频、陪伴、办公、教育赛道🤩内均出现了有较大潜力的C端新兴AI应用。 字节跳动进行😡多维度布局，推出醒图/星绘（图像）、即梦（视频）、猫箱（陪伴🤩）、豆包爱学（教育）等AI应用。 其中醒图、即梦7月月😊活达到4924万（当月收入59万美元）、1393万（当月收入😅58万美元），已成为图像、视频赛道内拥有较大用户量级的产品；😊猫箱7月月活794万，当月收入达112万美元，商业转化效率较👏高。 例如接入gpt-image-1、Leonardo🤗.AI的Canva，用于文生图、文生视频、图像补全等除文本模😊态外的编辑、生成场景。根据Gemini、Kimi等大模型的折😊算口径，单张图片的输出（输入）tokens消耗量在1024（🥳kimi）—1290（Gemini）之间。 B端tok👍ens调用量主要源于企业级AI应用。其所呈现出来的特征，一是❤️渗透率较高，Google发布的“全球601个领先企业AI应用😴案例”显示，各大规模的企业已开始尝试将生成式AI投入生产，涉🙌及汽车与物流、商业与专用服务、金融服务、医疗与生命科学、酒店❤️与旅游、制作、工业与电子、媒体、营销与游戏、零售、科技、通信😍、公共部门与非盈利组织”11大行业。 二是基模厂商的B😘端收入比例较大。 数据预测2025年OpenAI来自B😉端的ARR收入占比达54%；Anthropic占比达80%。😍谷歌透露Gemini企业客户超过8.5万家，推动调用量同比增😘长35倍；火山引擎大模型收入2024年在国内公有云市场中份额😴排名第一，占比达46.4%（外部使用量，不包括豆包等内部AP😊P）。 技术迭代解锁应用需求 越来越多的toke🤔ns调用量，并非因为更大参数的大模型，而是推理增强、多模态、🙄Agent化、长上下文转型共同作用的结果。用一句话概括既是：🤩技术迭代解锁应用需求。 以GPT-5和Grok4为例：😢 GPT-5把“更强的推理能力（通过引入test-ti😆mecompute）+多模态+更长上下文+更严格的安全控制等😂”置于产品默认层面； Grok4核心升级则是把“原生工🚀具调用+多代理协同推理+超长上下文等”做成一个可商用产品。 😀 GPT-5和Grok4如此设置的目标，是希望借助技术迭😅代增强AI在更复杂、更具备“生产力”的关键场景下的实用性、准⭐确性，并且使得AI应用加速落地。 举个例子，假设原来1😅轮客服对话服务消耗200tokens，升级后客服问答场景中的🤩大模型推理过程将扩展成： 客户意图澄清+内部知识库检索😊+逻辑校验+答案润色4个环节，即4轮内部推理，每轮150～2🌟00tokens，最终消耗600至800tokens。 🎉 类似的案例在对应的推理增强、多模态、Agent化、长上下文😜转型中都能找到，其最终结果是双向增强，存量AI应用场景的解决🙄方案更好，对应的tokens调用量也倍数增长。 随着技🤯术趋势的不断推进，大量原本因“不准、不全、不落地”而被搁置的😜需求将被解锁。当准确率、可控性跨过可行性线后，用户特别是B端😡企业（有生产力场景需求）或将从观望转为批量采购。 总结🤩起来就四点，推理增强把能用变成敢用、多模态把单点工具变成端到😁端工作流、Agent化把对话变成可审计的业务系统、长上下文把😴项目级任务放进模型。 与此同时，虽然tokens调用量🥳倍数增长，但定价却是直线下降。 比如xAI的Grok-😢4-Fast，输出百万Token仅需0.5美元（约3.5元人⭐民币），但比起国内基模厂商来还是不够狠，去年9月阿里通义千问🤩主力模型最高降价85%，Qwen-Turbo低至0.3元/百💯万Tokens。 其中一部分原因是基模厂商的价格战，让😊“一百万Tokens的钱,都买不了钵钵鸡”，也有一部分是因为🤔模型厂优化算力成本的结果。 2024-2025年，为优🔥化大模型算力成本，模型厂商进行了压缩大模型单次推理计算量（稀👏疏化、量化、投机解码）、提升GPU利用率（连续批处理、编译器🚀融合）以及换用租金更便宜的云、芯片（国产替代、专用ASIC）🥳等方面的尝试，平均tokens定价实现了较大降幅。 此🥳外模型厂商还进一步通过“模型分层+价格分层”的多样化策略压低🤗模型的使用门槛，让中小预算客户也可接入，比如：OpenAI 👍用GPT-5-mini/nano覆盖轻量场景；Google以😢Gemini 2.5 Flash 主打“极速低价”；Anth😎ropic用Claude 3.5 Haiku 提供中等规模、😘高性价比选项等。 因此一个AI飞轮就已成型，当模型使用😡成本下降，企业/个人调用ROI随之上升，更多应用需求从观望向🤯采购转化，促进tokens调用量倍数增长的同时，AI应用随之🤗迎来生态繁荣。 Token经济学就意味着，可以直观的获👍得以下几个关键进展的洞察：成本与经济效益的量化、技术效能与模🥳型能力的评估、应用场景的深化与演化以及商业模式与市场格局的清❤️晰化。其中成本与经济效益的量化是最直接、最商业化的意义。 😁 尾声 如果把AI大模型想象成一个“知识电厂”，To😜ken就是它发出的“度电”，你的提示词就是“合上电闸”的指令😅，AI应用开发者就像是“家电制造商”。 从Tokens👏角度跟踪进展，就相当于电力公司和社会在跟踪： 全社会总😴用电量（AI应用的总规模）增长了多少？ 哪种家电（哪种AI👍应用）最耗电（消耗Token最多）？ 发电技术是否进步了（😀模型效率）？每度电的成本是否下降？ 新的高能效家电（高效的😂AI应用）是否被开发出来？ 从Tokens角度跟踪AI🤗应用落地进展，意味着AI行业正在走向成熟、务实和工业化。它摒🌟弃了早期对参数规模和技术炫技的过度关注，转而聚焦于一个更根本😂的问题：如何以可承受的成本，可靠地利用AI能力来解决实际问题😴并创造商业价值。 这标志着AI不再是实验室里的玩具，而😀是真正成为了驱动下一代技术和商业创新的基础效用。作为从业者、😉投资者或观察者，理解Token经济学，就如同在互联网时代理解😡带宽成本一样，至关重要。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

文 | 晓枫说 文 | 晓枫说 在全球气候治理与😴能源革命的双重浪潮下，海运业这条全球贸易的“动脉”——正经历🌟一场静默却深刻的革命。 IMO数据显示，航运业约占全球🙌温室气体排放量的2.89%，其脱碳进程直接关乎《巴黎协定》目⭐标的实现。随着碳强度指标（CII）、欧盟排放交易体系（ETS😀）从政策蓝图转化为实际成本，一场围绕技术路线、运营模式与商业🤯逻辑的全面竞赛已然拉开帷幕。在这场全球性的转型中，以ABB、😀瓦锡兰为代表的国际技术提供商，以中国船舶集团、中远海运等中国💯领军企业及众多中小创新型科技企业，共同勾勒着“全船电气化”为❤️血脉、“系统智能化”为神经的未来船舶蓝图。这幅跨国产学研协同🙌绘制的蓝图描绘了清晰的愿景，但其落地之路却布满需要全球行业共😉同应对的复杂挑战。 一、系统重构：电气化是底层逻辑变革🤗，而非简单动力替换 事实上，行业认知正经历一个深化的过🙌程——船舶电气化的核心，并非仅是安装一套电池组那么简单，其本🙄质是从“机械驱动”向“电力驱动”的范式转移，是对船舶能源分配🚀与推进系统的彻底重构。 在这一领域，东西方的技术路径呈🤯现出有趣的对比与融合。ABB力推的车载直流电网（DC Gri😢d）概念，与西门子能源的直流港口方案、瓦锡兰的混合动力解决方💯案等代表了欧洲的技术思路，其核心优势在于构建了一个高度集成化🤗的“能源平台”。相较于传统交流电系统，直流电网能减少高达10😉-20%的能源转换损耗，并显著节省设备空间与重量。更重要的是🤯，它作为一个开放的架构，能够灵活兼容当前的锂离子电池、正在兴🙌起的甲醇/氨燃料电池以及未来的新型储能技术。这种设计哲学，为😅船东提供了至关重要的“技术中立性”和“面向未来”的弹性，有效😂规避了因过早押注单一绿色燃料技术而导致的资产搁浅风险。 😉 视线回到国内，中国船舶集团在高端邮轮、大型液化天然气（LN👏G）船等领域展现的系统集成能力，以及宁德时代在船舶用锂离子电😉池、钠离子电池方面的技术创新，则体现了中国在产业链中后端的快😊速追赶。特别是宁德时代针对内河航运推出的“船舶动力电池系统”😁，已应用于长江流域等多艘电动船舶，展示了中国在特定应用场景下😘的市场化突破。 市场的选择清晰地揭示了现实的转型路径。😡根据挪威船级社（DNV）的统计，混合动力方案在新造船与改装船🎉市场中占据重要地位。这反映了行业在理想与现实间的权衡：混合动👍力作为关键的过渡技术，允许船舶在排放控制区（ECAs）和港口👍内实现“零排放”静音航行，以满足局部最严苛的法规并提升企业C😢SR形象，同时在开阔水域依靠主发电机保障续航与经济性。中远海😎运集团在旗下多艘大型集装箱船上实施的混合动力系统改造项目，正🥳是这种务实路径的体现——通过在现有船队上进行技术升级，而非全👍部新建，以更具经济性的方式推进减排。 然而，技术的先进😂性无法自动跨越经济的鸿沟。核心挑战在于，这套系统重构所带来的🤩高昂初始资本支出。一艘采用先进直流电网和电池系统的新造船，其🙄建造成本可能比传统船舶高出20%-40%，绿色溢价最终需要在😆整个价值链中被消化。这催生了新的商业合作模式，例如一些航运公🤔司开始与货主签订包含“绿色溢价”的长期运输合同，或寻求绿色金🙌融的支持。技术的普及速度，将不取决于其技术指标的巅峰，而取决😘于其全生命周期成本的竞争力。在这方面，中国银行、进出口银行等😆金融机构对绿色船舶提供的优惠利率贷款，以及一些中国船厂推出的😢“能源管理合同”模式，正在尝试通过金融创新来降低技术应用的门🥳槛。这种技术+金融的整体解决方案，可能成为推动技术普及的重要😀助力。 展开全文 二、从自动化到自主化：数据驱动🥳运营模式的范式转移 智能化是脱碳的另一大支柱，其价值远🔥超节省人力，其终极目标是通过数据驱动，实现全局能效最优和运营😡模式的重塑。 趋势正从“单船自动化”迈向“船岸一体化智🎉能运营”。ABB Ability™、瓦锡兰的船舶效能管理系统😁（EMS）等代表了西方公司在软件平台和系统集成方面的传统优势🚀。这意味着，传统的船长和轮机长角色正在演变，他们与岸上的专家😍团队共同构成一个“数字船队”的运营中枢。这种模式不仅能优化单😂船航速、航线以减少燃油消耗（据估计可带来5-10%的能效提升🙄），更能实现预测性维护，大幅降低故障停航风险。而中国公司则从🙌不同维度切入：华为的5G技术、船载通信模块和云服务正在为智能😡航运提供数字基础设施；上海国际港务集团打造的“智慧港口”系统😴，通过优化船舶在港口的作业效率，间接减少了船舶的等待时间和排⭐放；而国内诸如百舸新能这样的众多中小创新型企业，也在围绕船岸😁一体模式、新能源动力系统等加快研发和产业化进程。 在自❤️主航行这一前沿领域，西方公司如康士伯与Yara合作的“Yar😍a Birkeland”项目引人注目，而中国的进展同样值得关💯注。交通运输部水运科学研究院牵头制定的智能船舶技术标准，青岛🙄无人船基地的测试验证平台，以及系统科技有限公司等企业在自主避😍碰、智能靠离泊等关键技术上的突破，显示中国正在构建自主可控的🔥技术体系。特别是中船重工第716研究所开发的“船海智云”工业👏互联网平台，已应用于数百艘船舶，实现了设备健康管理、能效优化😂等功能的国产化替代。 然而，这片“新蓝海”也充满了“暗👏礁”。 一是法规与责任的空白。当智能系统做出决策导致事😅故时，法律责任的界定是全球监管机构面临的崭新课题。IMO正在🤔制定的《海上自主水面船舶（MASS）规则》进展谨慎，便反映了😡这一复杂性。而中国机构和企业也正积极参与相关国际标准的制定，🤩这种技术标准话语权的竞争，其重要性不亚于技术本身的竞争。 🤩 二是网络安全的致命脆弱性。高度互联的船舶使其成为网络攻击⭐的高价值目标，2020年某大型集装箱航运公司遭遇的网络攻击导🤔致全球业务中断，已为全行业敲响警钟。 三是人机协作的挑😢战。船员角色将从操作者转变为系统管理者和监督者，这一转型需要❤️体系化的培训和文化适应，对航海教育体系提出了全新要求。 🙌 三、脱碳的终极拷问：绿色燃料的抉择与全球基础设施的协同 🤗 领先的电气化平台解决了绿色能源的输送和分配问题，但最根本🔥的挑战在于——绿色能源本身从何而来？这引出了脱碳征程中最具争😊议和不确定性的领域。 目前，液化天然气（LNG）、甲醇🤔、氨、氢等选项构成了一个充满竞争的“燃料罗生门”。马士基巨资😁投入绿色甲醇船舶，中远海运集团积极探索氨燃料动力技术，而一些😜欧洲船东则看好LNG的过渡作用，每一种选择都面临“Well-👏to-Wake”（从油井到螺旋桨）全生命周期碳排放的严格审视😆。因此，船舶电气化系统的真正绿色成色，最终取决于为其供电的能🙄源来源是否在全生命周期内真正清洁。 更深层次的矛盾是“🌟鸡与蛋”的全球基础设施困局。船东不愿投资某类绿色燃料动力船，🙌因为全球加注网络几乎为空白；能源公司不愿投资数百亿美元建设全🤯球加注站，因为市场上对应的船舶数量不足。破解这一死结，单靠市😍场力量远远不够。 在这方面，中国依托其强大的基建能力，😊在国内长江流域、珠江三角洲等内河航道沿线加快建设船舶充电、加🤗注设施，这种“先内河、后沿海、再远洋”的渐进式基础设施布局策😆略，为技术验证和商业模式探索提供了宝贵的试验场。然而，要将这⭐种国内经验复制到全球航线网络，仍面临巨大的投融资和国际协作挑🙄战，亟需强有力的国际政策协调（如全球性碳税机制）、巨额的基础❤️设施投资以及形成行业共识的标准体系。这已超越技术范畴，成为对🔥全球治理智慧的考验。 然而，我们必须清醒地认识到，技术😡方案的成熟只是漫长征程的起点。未来的成功将不取决于任何单一国⭐家或公司的技术突破，而取决于整个全球生态系统的协同进化，比如🚀技术路径的多元化与融合，能否形成尊重不同国家、不同航线条件下😀的技术选择，促进东西方技术方案的交流互鉴，而非形成新的技术壁🙌垒；比如商业模式的创新与共赢，能否建立合理分摊绿色溢价、覆盖😀全生命周期成本的商业模式，确保发达国家和发展中国家的船东都能😊"用得起"绿色技术；再比如治理体系的包容性与有效性，在IMO😴等多边框架下，能否构建平衡环保雄心、技术可行性和经济承受力的🎉国际规则，等等。 可以说，未来十年，海运业这艘巨轮将航😂行在技术的“星辰大海”与现实的“惊涛骇浪”之间。这场转型，既💯是对人类工程智慧的考验，更是对全球合作精神与商业创新能力的终🚀极测验。唯有产业链上下同舟共济，方能在可持续发展的航道上行稳⭐致远。返回搜狐，查看更多