今年 6 月之前，腾讯部分部门给员工的 AI 使用额度一度达到每人每月约 2000 美元，折合人民币约 1.3 万至 1.4 万元，几乎相当于一线城市一名正式员工的月薪。

　　腾讯《2025 研发大数据报告》显示，截至 2025 年底，公司本部及直接管理全资子公司共有员工约 8.74 万人，其中产研人员占 76%，约 6.64 万人。

　　如果按每名产研人员每月 3000 元额度计算，仅名义上的年度 Token 预算，就接近 24 亿元。

　　德勤此前调研了 548 家大型企业，74% 的企业过去一年已经投资 AI，其中超过一半企业，AI 支出占整个数字化预算的 36%。

　　国外研发管理平台 Jellyfish 曾做过一项调查，使用 Token 最多的工程师，生产力大约是低使用者的2倍，但消耗的 Token 却高达后者的10倍。

　　传统软件的执行路径基本固定，成本也相对可预测；而 Agent 会自主、调用工具、反思、重试，并不断携带上下文，整个执行过程具有很强的不确定性。

　　去年一项针对 Agent 编程任务的研究发现，一个 Agent 完成同类任务，消耗的 Token 可能是普通代码问答的 1000 倍。即便是同一个模型、同一个任务，不同运行之间的 Token 消耗，最多也可能相差 30 倍。

　　更重要的是，Token 越多，并不意味着效果越好。研究发现，模型准确率通常会在中等 Token 消耗区间达到峰值，之后便进入明显的收益递减阶段。

　　简单来说，Claude Fable 5 这样的 SOTA 模型在少数高价值场景中依然不可替代，但对于绝大多数普通任务而言，性能已经出现了“过剩”，ROI很低，而这部分用户正在被便宜的开源模型分流。

　　今年年初，a16z对100家大企业做了一个调研，2025年已有37%的企业同时使用5个以上模型。到2026年，81%的受访企业已经在测试或生产环境中使用三个以上模型家族，高于不到一年前的68%。

　　后来，a16z总结了企业的模型使用规律：对外、可见度高、性能敏感的任务，通常交给领先模型；而对内、标准化、重复性的任务，模型选择更多由成本决定。

　　但并不是所有人都认为，这种格局会长期持续。AI投资人 Gavin Baker 最近提出了一个观点：

　　虽然目前绝大部分经济价值仍然集中在最智能的模型上，但未来市场份额可能逐渐向性价比更高的模型迁移。

　　尽管目前开源与低价模型处理了绝大部分Token，但大部分经济价值仍然集中在最智能的模型上。未来这种情况可能会发生变化，大模型市场份额将从头部模型转移到性价比更高的模型。

　　背后的逻辑很简单，模型价格下降，意味着单位智能成本降低。同样的预算，可以调用更多 Token，也可以让更多业务接入 AI，最终提升企业的ROI。

　　Altimeter Capital 合伙人 Freda Duan 对此总结得非常直接：未来只有两种模型能够活下来——要么足够出色，要么足够便宜。

　　未来最可能的场景是，企业开始通过智能路由进行任务的精准拆分：将最高价值的复杂推理交由前沿模型，将海量基础任务交由高性价比模型，从而实现单位成本下的产出最大化。

　　如果一个模型只比 DeepSeek 强一点，但价格贵很多，它就没有长期存在的理由。对于企业和开发者而言，为微弱的能力溢价支付不成比例的成本，显然不符合基本的商业常识。

　　这种分层机制的存在，就是中美AI竞争最底层的逻辑。中国 AI 对海外生态的挤压，未必表现为中国模型公司在前台直接击溃美国巨头，而是一场更为隐秘的“底层平替”。

　　越来越多的美国 AI 应用公司，为了压降履约成本，开始将底层基础设施悄悄切换为 Kimi、Qwen 或 DeepSeek，再于前台封装自身的产品体验与工作流。比如，Perplexity刚刚发布了其计算机应用产品的新系统，就采用了中国 Z.ai 开源的 GLM 5.2 作为底层模型之一。

　　AI或许也是如此。美国模型继续刷新智能的上限，而中国模型正在不断刷新智能的成本下限。当越来越多企业开始计算Token的ROI，真正决定产业格局的，未必是谁最强，而是谁能把智能做成一种人人都用得起的工业品。