股票代码：688225
打开微信“扫一扫”，开启安全数字世界之旅
截图或长按保存至相册，使用微信扫一扫
李佳琦半小时卖出2万亿Token之后，企业真正的问题来了：AI的ROI，到底怎么算？
发布时间 ：2026年11月03日
类型 ：公司新闻
分享：
中国信通院等机构联合发布的《大模型词元服务性能监测报告（2026年）》显示：2026年6月，国内词元日均消耗量约500万亿，是2025年12月的近4倍；国内模型服务归一化均价由2025年下半年的6.8元升至2026年以来的13.46元，涨幅接近一倍。
图：大模型词元服务性能监测数据
用量在涨，价格在涨，Token的成本与价值，开始被更多人看见。
供给端也在同步成型：今年9月，天猫上线Token充值中心；今年"双十一"，Token以独立品类进入电商促销。直播间甚至把积分换算成了普通人听得懂的任务量——500积分，大约能做50份PPT，或写160份周报，或生成20张图片。
这是一次了不起的"翻译"：把抽象的技术计量，翻成了可感知的劳动量。
但也正因为如此，一个反差变得更扎眼：在最讲究成本的消费端，Token已经明码标价；在最该算清账的企业端，Token反而还是一笔糊涂账。
一个人花0.01元买张月卡，即便没用起来，损失也有限。企业不一样。假设一家企业一年在AI上投入百万元，调用从多个业务系统发起，分散在几家模型厂商的API和自建GPU上——管理者必须回答：这笔钱花在了哪里，换回了什么？
传统的几套系统，恰恰都答不上来。财务ERP停留在费用汇总层面，云资源管理平台只盯着服务器与存储，承担转发限流的API网关做不了成本核算与ROI分析。几套系统各管一段，Token消耗正好落在它们的交界处。
于是出现了四种典型困境：
账对不上。
财务看到的是各部门账单，单价和计费口径都不一样，怀疑错计费却拿不出依据，审计时也说不清。
回报算不清。
本地GPU投了多少钱、什么时候能收回，管理层说不清，下一笔预算不敢批。
成本分不到人。
多个部门共用一个平台，谁用得多、谁该分摊多少说不清，内部结算只能靠估。
预算管不住。
控制收紧影响业务，放开了月底才发现超支，中间没有预警。
这四件事，和"0.01元能买多少 Token"没有关系。它们指向同一个缺口：Token已经商品化了，企业的计量和结算体系还没跟上。
更深一层的原因在于，传统ROI的算法，在AI上天然失灵。传统IT投资有明确的投入产出对应关系——买一台服务器，替代几个人工，多少年回本。但AI支出完全不同：
投入是分散的。 公有云API、自建GPU、模型订阅、Agent开发，散落在不同预算科目里。
产出是间接的。 一个客服Agent提升了响应速度，但节省的人力成本，如何归因到Token消耗上？
价值是滞后的。 模型调用本身不直接产生收入，它嵌在业务流程里，要等业务指标变化才能体现。
正因如此，行业已经形成共识：AI的ROI度量，必须从"事后算账"转向"过程导向"的全链路度量——不是只算"省了多少钱"，而是从底层调用数据到顶层业务指标，建立一条可追溯的价值链路。
这里要澄清一个常被误解的点：AI的ROI度量，从来不是一个新概念。FinOps、AI FinOps的框架和方法论，业界已经讨论多年，共识也已形成。
真正稀缺的，是把方法论变成产品的这一步。
看看电力、通信和云服务就明白了。电表让用电量可计量、费用可结算；话费、流量、云主机，也各有计量与结算规则。这些服务的普及，都离不开同一类基础能力：把资源消耗算清楚，把费用分到使用者。Token有了货架，企业还需要一只把资源消耗与业务归属连起来的"电表"。
图：Token 需要一只企业级"电表"
而目前行业里的方案，大致只走了半程：
一类是开源采集工具。 从代码仓库和CI/CD流水线拉数据，帮工程团队看研发效能；但视野停留在研发侧，覆盖不到业务系统发起的AI调用，也没有成本归属和ROI分析能力。
一类是垂直成本观测工具。 能做Token用量统计和简单的账单拆分，但更多停留在"成本可见"层面；再往上走，预算管控、ROI归因、业务价值映射，就需要企业自己再搭一套数据仓库和语义层。
还有一类是语义层平台。 帮企业把分散的数据统一成业务口径，但通常假设底层数据已经规整好了，并不直接承担多模型API接入和实时计量的脏活累活。
三类方案，各自解决了"有没有"的一个侧面；但"通不通"，把采集层、语义层、成本价值层打通，并且把ROI度量真正做成可运营的产品能力，几乎还没有人做到。
这正是亚信Token运营平台（AI XPort）要做的事。
一句话介绍亚信Token运营平台（AI XPort）：它是以Token为核算计量单位的全链路运营治理平台，率先把AI的ROI度量从方法论框架落地为可运营的产品能力：一笔Token花在哪个部门、哪个项目、哪个AI Agent上，都要说得清、查得到。
在AI XPort里，ROI度量不是一张事后导出的报表，而是一条从头贯通的链路：
把投入采准
一站式接入多家大模型API，Token消耗按毫秒级精度实时采集，多厂商不统一的单价和计费规则自动折算成统一标准计价。厂商错计费、重复扣费、应用空转产生的无效调用，系统自动标记，向服务商申诉退费，从此有据可依。
把归属算清
统一指标口径与业务归属，把每一笔消耗落到公司、部门、个人，以及项目、业务条线、AI Agent等维度，生成日、周、月账单。公有云API费用与本地GPU固定成本，纳入同一套核算体系。
把价值量出来
针对生产、营销、客服、风控、运营等场景分别建立价值评估模型：生产类按替代劳动成本法计量，营销类看AI使用前后的业务指标差值，客服类与基线对比。它们回答的是同一个问题：这笔投入下去，业务上到底发生了什么变化。
而要让这条链路立得住，AI XPort还做了三件"地基工程"：
精准计量计费。 ROI的前提是数据真实。多厂商计量口径不统一、错计费、重复扣费，都会让ROI变成"垃圾进、垃圾出"。AI XPort先把计量的可信问题解决掉。
精益成本优化。 依托智能路由与内容缓存，按任务类型和复杂度匹配模型、拦截重复请求，整体可将Token成本节省30%至50%，直接改善ROI的"分子"。
全域安全合规。 大模型安全评测与防火墙双重体系，覆盖提示词注入、对抗攻击、算力滥用等风险；每一次调用全链路日志留存，操作人、调用时间、Prompt内容、应用来源与业务归属均可追溯，审计报表可导出，满足国资与政务场景的审计要求，让ROI的数字，经得起审计。
三块地基 + 一条链路，共同构成AI XPort的差异化：别人在谈"方法论"，它已经把度量做进了产品。
李佳琦这半小时的意义，还在于让更多普通人直观地认识到：Token是AI服务的计量单位，使用AI也有一笔资源消耗账。
这是一次Token经济的大众科普，也是一次市场教育。当消费者开始关心"我这500积分够不够用"，企业客户还要继续追问——"我这100万预算，花得值不值"。
亚信此前披露的客户实践，给出了具体参考：某软件企业基于亚信方案将AI成本压降30%，Token对账周期从"周"缩短到"秒"；某通信运营商的多智能体协同调用分账准确率达到100%，结算效率提升70%。
AI正在从技术试验变成业务标配。企业的AI支出也跟着变了性质：过去它是一笔技术预算，现在更像一笔经营账。模型每天在调用，钱每天在花，可要回答"花在了哪里、换回了什么"，靠的不是更便宜的单价，而是一套算得清的系统。
把账算清楚了，AI才有可能从成本变成价值。而这，正是亚信Token运营平台（AI XPort）率先在做的事。
分享到微信
X