计算机行业大模型及AI应用专题报告：从Tokens角度跟踪AI应用落地进展.pdf

计算机行业大模型及AI应用专题报告：从Tokens角度跟踪AI应用落地进展。

Tokens：模型定价的主要单位，与收入同步高增

Tokens 是大语言模型用来切割自然语言文本的基本单位，本质反映大语言模型计算量。在推理过程中，token是计算的基本单位，模型对每个token的处理都需要消耗计算资源，处理的token数量越多，计算量会呈平方级增长。

OpenAI、Anthropic、字节跳动等基模厂商的主流商业模式包括C端订阅/付费/间接和B端行业客户/API调用。同时，tokens是模型变现中的最小单位，厂商主要围绕tokens定价。

模型厂商以tokens为主要定价单位的底层逻辑是算力投入，模型调用时的tokens消耗量与相应算力投入存在强关联性。

模型厂商营收正与其tokens调用量呈现显著同步的高增趋势，特别是对于OpenAI、Anthropic，因为其商业模式为典型的C端订阅/付费和B端行业客户/API调用，收入与tokens调用量关系紧密。

Tokens调用量应用端拆解：B+C双端

今年来，受C端AI原生应用/AI功能等用户基础扩张及B端行业客户加速渗透驱动，Google、字节跳动、OpenAI等海内外头部模型厂商日均Tokens调用量持续增长。

拆解来看：

C端驱动：包括原C端产品内部的附加AI功能、聊天助手、新兴应用（图像、视频、陪伴、办公、教育赛道）；

B端驱动：包括行业企业客户、直接API调用。

展望：技术迭代解锁应用需求，算力投入加大模型厂预期乐观

大模型的技术迭代方向为推理增强+多模态+Agent化+长上下文，这样的技术迭代趋势将增强AI在更复杂、更具备“生产力”的关键场景下的实用性、准确性，使得AI应用加速落地，并且带来存量场景和增量场景的tokens增长空间。

存量：“推理增强”将模型的一次性回答拆解为多步并进行多次调用；“多模态”需增加对图片、语音、视频等的编码解码；“Agent化”会在模型生成的过程中引入工具链；“长上下文”使得大型文档/项目可被全量处理而无需截断。

增量：大量原本因“不准、不全、不落地”而被搁置的需求有望被解锁。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。

使用成本侧，模型厂进行了算力成本优化、多价格策略的尝试以压降大模型使用成本，企业/个人模型调用ROI得以提高。