Token越烧越多，为什么企业AI还是广种薄收？

Tokenmaxxing(Token 消耗最大化），也在 KPMG、亚马逊等公司中盛行。有的公司还把 token 用量与晋升联系起来，员工 token 额度不用完、AI 生成率低于 80%，甚至会被批评。

这些听起来像段子，却都是企业进入 Agent 时代之后，真实发生的故事。

但如果多问一句，动辄消耗数十亿、上百亿 Tokens，到底换回了什么，产出了多少业务价值？会议室的空气突然就安静了。

企业做 AI，广种而薄收，这并非个例。

《中国企业数字化转型指数》显示，跨过 AI 试点阶段的企业占比从去年的 46% 跃升至 88%，但能够在企业层面显著提升生产效率、收入和利润的企业占比，仅从去年的 9% 上升至今年的 14%。多数企业仍面临“投入增加、回报有限”的价值兑现难题。

（图源埃森哲中国）

重投入并没有带来重回报，这种广种薄收的局面，像极了中国人熟悉的传统农业，不缺土地，也足够勤劳，但亩产量就是难以提高。

袁隆平院士说过一句话：高产更高产，是个永恒的主题。

他培育出的超级杂交水稻，不断刷新着世界水稻的单产纪录，靠的是良种、好土，与精耕细作的合力。对应到产业 AI 的世界里，Agent 真正跑进生产环境，需要的是一套从数据到算力、从开发到运维的完整技术体系以及生态协同能力。

让企业 AI 告别广种薄收，数博会期间，一块黑土地和一个正在崛起的产业联盟中，显现出一条清晰的高产之路。

今天，大模型与 Agent 的技术供给已经十分充沛，能力也以周为单位在迭代，所以，企业想把 AI 落地在业务中，并不缺少好的 AI 种子。但 AI 落地之后，还需要一片数智沃土，让智能体在业务中真正跑起来。

所谓沃土，就是一个智能体从获取算力、理解任务、调用工具、执行流程到持续产生价值，能够在一个完整的技术生态内跑完整个链路，这就需要把技术体系做厚。

以华为云为例，它给出的答案是一套面向 Agent 垂直整合的高性能 Agentic Cloud。

这片黑土地的第一层，是 Token 工厂。随着 Agent 开始执行长程任务、同时调用多个模型与工具，企业对 Token 的需求急剧激增。可问题是，很多企业的算力还是堆卡堆出来的，自建集群跑模型和多智能体的推理时延高、不稳定，任务动辄中断，Token 依然产不出来、用不好。

从粗放式的堆卡，到更精益的 Token 生产。华为云 AICS 灵衢智算集群，基于超大带宽灵衢网络，AICS 支持 10 万卡级集群规模，总算力可达 200EFLOPS，把 Token 生成时延压到1 0 毫秒以内，千卡每秒吞吐量达到 500 万 Tokens，在线服务可用性做到 99.95%。这样，AI Infra 就是一台面向企业业务持续、稳定生产 Token 的工厂。

AI 领域还有一个基本规则：Garbage in，garbage out (GIGO 垃圾进，垃圾出），贫瘠的数据土壤，是无法产出高质量 AI 的，Token 照样白白消耗。华为云做厚的第二层，就是数据与模型土壤。

其中， AI DataLake 提供多模态数据统一管理、百毫秒级弹性伸缩、通算智算统一调度，把 AI 语料准备周期从月级缩短到周级，数据预处理资源利用率提升一倍。这样一来，让杂乱的多模态数据，变成模型能直接吃进去的精准养分。加上魔坊 ModelArts，覆盖从数据预处理到工具链的全生命周期的高效训推，以及 MaaS 的百模千态，企业随时按需调用最合适的模型。

这三者合力，把数据清洗—训练—推理的链路一次打通，成为用算赋智的云端土壤。

仅有模型和数据还不够，有手有脚的智能体，可以自动地完成任务，成为企业智能化的高效工具，打通了 AI 进入企业的“最后一公里”，但是很多智能体无法满足企业级 AI 对于安全可靠的要求，只能停留在业务表层，做一些简单的问答，接不了生产级的长程任务，也就无法创造价值，这正是智果 AgentArts 企业级智能体平台解决的。

智果 AgentArts 依托稳定运行的底座，Agent 可以在持续数小时甚至数天的复杂任务中 7×24 小时稳定运行，通过强化学习持续优化任务编排和工具调用，可以进一步提升任务的成功率，并降低 token 消耗。同时，华为云还打造了一些开箱即用的场景智能体，比如面向编程的码道 CodeArts 代码智能体，和面向办公的 OfficeAce 办公智能体。

华为云的一系列实践，营造出企业 AI 的沃土，可以一站式获取稳定且充沛的token，提供干净优质的数据资源供 AI 学习，加上可靠高效的智能体平台，企业便可以引入智能体，让多个 Agent 协同工作，真正调动和激活企业的内部数据、知识、系统和业务资产。随着 Agent 逐渐可靠地承担起复杂任务，进入核心生产环节，AI 之于企业的业务价值便真正提升。

在这个过程中，华为云的全栈垂直整合，意味着高可用，意味着生产级可靠，意味着企业敢让 Agent 进入真正的生产核心，把 Token 变成生产力。

用一个字来形容华为云这片“硅基黑土地”，就是厚。

技术体系越厚，蕴藏的工具和资源越多，那么，企业 AI 开花结果的确定性也就越大。

但是，土壤不会自己长出收成，让 AI 在企业场景中扎下根来，要靠长期耕耘各行各业的伙伴。

超级稻在各地推广普及时，要根据当地的土地与气候进行适配，耕作方式也会有所不同。让 Agent 理解一个具体行业、进入一条具体业务流程，同样要因地制宜。

不久前，科技部发布《关于支持建设新一代人工智能示范应用场景的通知》，明确要打造一批可复制、可推广的标杆型示范应用场景。

而场景的“最后一公里”不可能由任何一家巨头公司完全包揽，至少需要四个角色参与其中：华为云提供云、AI Infra、数据、模型、智能体平台和安全能力；技术伙伴提供模型、算法、工具、机器人本体及专业技术组件；行业与解决方案伙伴提供行业 Know-how、业务流程理解、系统集成和项目交付能力；客户提供真实业务问题、生产环境和价值验证。

通过联合方案、专区资产、云商店和“百场景落地”行动，一个场景的问题变成一百个场景的方法，验证过的经验被批量复制到更多客户和区域。这些动作，针对性解决了传统企业市场的一大痼疾，那就是定制开发成本高、投入产出比过低，有助于形成更良性的商业模式，帮助伙伴获得商业成功。

至此，一条企业 AI 的高产之路，清晰浮现了出来：

先由华为云、伙伴和企业这几个角色携手探路，从华为云的黑土地上吸取养分，在真实的行业场景试验田中精耕细作，打磨出高可用的成果，最后批量复制更多行业和企业。

当更多企业选择这条高产之路，可以减少前期试错，直接引入成熟的 AI 生产力，让每一个 Token 都不白烧，AI 终于得以兑现业务价值，企业可以真正向 AI 投入要回报，算清智能化升级这本账。

所以，回到最初那个会议室里的问题：广种薄收的 AI，从来不是企业真正想要的。Token 消耗再高，不如深耕一垄，真正兑现业务价值，才是产业智能化所追寻的目标。

在这个象征着收获的金秋时节，一条华为云与伙伴、企业共耕的 AI 高产之路，正推动智能化在千行万业中开花结果。