一、引言
回顾移动互联网的发展历程,网络能力提升与使用成本下降是推动应用普及和业态创新的重要条件。早期受带宽与流量资费约束,移动端服务多以文字、简化网页和轻量图文呈现。随着网络提速降费、智能终端普及,以及编解码和内容分发能力的不断完善,视频、直播等高流量业务逐步融入日常生活,带动内容生产和平台运营,也促进线上交易等领域发展。基础资源条件改善后,原有业务的使用规模扩大,用户行为与服务形态也发生了变化。
当前,人工智能正由模型能力突破向规模化应用拓展。长上下文处理和多模态交互需要持续算力,多步骤任务执行也要相应投入,其成本影响着服务频次、交付范围与商业可行性。在能力和质量基本满足的条件下,提高计算效率并把成本下降传导到服务价格,将扩大高频使用和复杂任务服务的应用范围。本文以互联网发展为参照,分析基础设施供给与资源降本如何影响应用演进,探讨智能经济发展中的产业分工与组织变化。
二、基础设施建设先行,设备与计算平台率先受益 (一)应用仍在探索,建设需求已经形成
一项新的互联网服务尚未找到盈利方式时,其网络建设就已经需要路由器、交换机和服务器等设备来支撑,思科等设备供应商率先获得业务发展机会,并大力推动了网络基础设施建设。人工智能领域也有类似情况:其应用商业模式仍在探索阶段,但训练与推理已经需要大量加速计算,也带动算力芯片、存储和高速互联设备等采购,英伟达、海力士等企业因此在早期受益。这种“先建设、后应用”的节奏,在互联网时代并非个例,而是基础设施演进的普遍规律。设备与算力设施一旦启动建设,周期往往以年计,而应用形态的成熟则更依赖用户习惯、商业模式与配套制度的逐步磨合。
(二)成本传导至价格,潜在需求转为实际使用
基础设施建成后,用户是否会立刻大规模使用,还取决于完成一项任务所需支付的实际成本。芯片与软件效率提升降低了供给侧的资源消耗,但这部分成本红利能有多少传导到用户端,既取决于市场竞争格局与供需关系,也受计费模式影响。对于原本使用频次高、单次价值有限的任务而言,费用下降的作用尤为关键,过去只有在必要场景下才会调用的能力,开始具备日常化使用的条件。短期优惠能够吸引用户尝试,而持续的效率改进才能支撑服务的长期稳定供给。
(三)使用方式发生变化,专业服务随之生长
移动视频普及后,变化不只是观看时间增加。用户随手拍摄、即时分享,内容创作者持续供给,平台在广告与直播运营中形成新的分工,交易履约环节也发展出专业服务。这一过程得到网络和终端的支撑,也依赖编解码与内容分发能力。资源使用负担减轻后,产品设计由尽量节省流量的思路,转向利用更丰富的画面和互动。降价扩大了原有需求,也改变了需求本身。
图1基础设施供给、成本传导与应用发展的关系
三、计算成本持续下降,智能应用向完整任务交付拓展 (一)使用频次提高,智能功能进入日常流程
查一份资料、整理一封邮件、记录一次会议,这些任务单次价值有限,却在工作中反复出现。处理费用较高时,用户可能只在任务较复杂的情况下才调用AI,费用负担减轻后,更容易形成持续使用。这类功能既可以是独立的聊天窗口,也可以把智能检索放进文档、把整理功能嵌入邮件系统,或让会议记录与任务分派相衔接。AI由需要专门打开的工具,逐步成为工作流程中的常用功能。
(二)交互过程延长,智能服务伴随具体活动
发出问题、等待回答,是一种间歇式交互;让系统听懂持续对话、理解画面变化,则需要连续计算。降低推理费用、缩短响应时延,为连续交互服务提供了更好的条件。例如,辅导服务可以结合学习者的语音和操作过程调整提示,作业辅助可以根据现场图像提供设备状态信息。用户不必每次重新描述背景,服务围绕同一活动保持上下文。语音、画面和操作信息相互结合,使智能能力更贴近正在发生的工作。
(三)执行链路延伸,交付对象转向完整任务
生成一份报告,与完成一项报告编制任务,是两种不同的交付。后者可能从查找资料、核对来源开始,再整理数据、生成文本,最后提交审批,每一步都涉及工具调用或结果检查。任务链路越长,计算开销和失败重试的负担越明显。连续执行费用下降,使这些流程的自动化在经济上更可行。在可靠性和授权条件逐步完善的场景中,模型可以与工具、业务系统围绕任务协同起来,产品交付也由一段内容延伸为有完成条件的工作结果。
图2智能应用的三个拓展方向
四、智能能力融入业务流程,平台融合与专业分工加快发展 (一)既有平台增加智能能力,AI服务补齐业务连接
办公软件已经承载文档和协作流程,电商平台已经连接订单与履约,嵌入AI可以改善检索与交互,也可以改进业务处理。AI原生服务则先提供模型能力,再接入知识库与企业系统,把支付、订单等功能连接起来,将回答转化为操作,其起点与既有平台不同。前者在原有业务中增加AI功能,后者则接入企业的既有系统。两条路径从不同方向进入同一任务,业务范围由此出现交叉。
(二)通用能力更加易得,行业交付形成专业空间
同一个模型能够回答通用问题,进入工厂后却还要识别设备型号、匹配正确的手册版本,并接入现有系统。这些工作需要行业知识,也涉及数据加工和现场实施。知识查询、研发辅助等数字任务可依托既有软件推进;设备控制和物理操作还需结合专用控制、具身智能及实景验证。基础能力更易获得后,服务商可以把更多精力用于知识维护、系统集成和长期运营,行业交付将成为新的专业分工方向。
(三)局部效率得到提升,组织流程迎来新的调整
一份文档生成得更快,整个项目的交付进度仍受需求确认与审核影响,还涉及责任签署,这些环节可能沿用原有节奏。代码生成量增加后,测试与维护也可能承担更多工作。AI带来的局部提速,会使原先不突出的协作环节成为新的约束。人员职责也需要与工具变化配合,部分工作从直接编写和整理,转向需求定义、过程监督和异常处理。技术能完成什么,与组织如何分配和衔接任务,将共同影响应用收益。
五、围绕成本、场景与规则,完善智能应用推广条件 (一)建立任务级比较口径,识别实际降本效果
组织行业用户、模型服务商和评测机构共同参与,在相近质量与响应要求下比较完成同类任务的资源消耗和实际费用。区分输入输出、缓存、工具调用及重试等成本项,记录模型版本和任务难度。将供给侧资源效率与用户支付费用分别核算,识别工程优化、价格优惠及计费方式变化各自的影响,避免仅凭接口报价判断应用成本。
(二)完善场景验证与跟踪,明确持续使用条件
围绕具体业务,由用户与供给方共同确定任务范围与验收标准,并明确观察周期,记录人工接管与交付周期,持续跟踪服务续用情况。对生产现场应用增加安全与连续运行测试,将数据准备、系统接口、人员职责和运营成本纳入案例记录。验证重点从单次演示延伸到稳定运行,使不同企业能够了解一项应用适用于什么条件、实施需要哪些投入。
(三)规范计费披露与授权,明确连续执行责任
完善计费项目披露、模型版本标识、用量记录和账单核验要求,明确缓存、推理及失败调用等费用的处理方式。面向智能体连续执行,在服务约定中列明执行范围、预算上限、人工确认节点和授权撤销方式,同步规范失败恢复、费用分摊及争议处理程序。
六、结束语
智能经济的发展并非互联网路径的简单重演。人工智能既依托基础设施能力提升实现普及,也能够参与研发设计与资源调度,并用于业务运营。它可以优化资源配置、辅助场景开发,还可以改进流程,从而降低应用成本、提升服务能力。随着算力与模型能力提高、数据及工具体系完善,智能能力有望从辅助单个环节逐步进入更多工作流程,多主体之间的任务协作也有望增加。企业的价值贡献将更多体现在行业知识、任务组织和业务交付上。基础设施完善与智能应用创新将相互促进。
专题介绍|Token经济与智能经济
人工智能正从技术应用走向生产体系。大模型与智能体协作,使Token从模型内部的技术单元,变成连接算力、服务与需求的重要接口。围绕它的计量、定价、调度与协作机制,正在成为观察智能经济运行的一个切口。
本系列以“Token经济与智能经济”为主线,按概念—计量—定价—机制—网络—场景—治理展开,回答智能服务如何计量、智能能力如何定价与配置、多主体如何在可信规则下协作。每篇聚焦一个问题,共同构成理解智能经济运行逻辑的知识链。
作者简介
刘众博:中国信息通信研究院工业互联网与物联网研究所智能经济与产业研究部工程师,长期从事工业互联网、产业数字化与智能化转型、智能经济等领域的研究。负责执行多个工业互联网创新发展工程重大专项,参与工业网关等相关行业标准编制。近年来重点开展Token经济与智能经济运行机制研究,关注词元计量、智能服务价值评估、智能体协作与产业组织变革等研究。
张青:中国信息通信研究院工业互联网与物联网研究所智能经济与产业研究部副主任,长期从事智能经济、产业数字化与智能化转型、工业互联网及区块链等领域的研究与实践。深度参与工业互联网标识解析体系、“星火·链网”等国家级新型基础设施的建设与推广,支撑多项国家级重大工程实施,具有丰富的数字基础设施建设、产业应用推广及生态协同经验。近年来,持续开展智能经济发展趋势、人工智能产业应用及区域智能化转型等方向的研究,致力于推动前沿技术与产业发展深度融合,促进产业智能化升级与新型经济形态培育。