文章核心观点 - AI行业正从关注模型能力、调用规模和Token单价，转向关注AI投入是否真正进入业务、产生结果并跑出回报[2] - Token正从一个技术指标转变为一个核心商业问题，企业需要审视AI的成本结构和效率模型[3] - AI行业进入“效率验证”阶段，企业需回答AI提升了什么效率、改善了哪些指标、创造了什么价值以及能否复用[9] - 虎嗅发起“AI商业效率样本库”征集计划，旨在寻找30个真实场景中的AI效率样本，记录AI商业落地的真实变化[10][11][12] 根据相关目录分别进行总结 AI行业趋势与焦点转变 - 行业焦点从“能力展示”和“投入展示”转向“效率验证”[9] - Token消耗量持续快速增长，中国每天消耗的Token数量从两年前的1000亿增长至今年3月的140万亿[4] - 国内外企业开始反思AI投入产出比，Meta、Amazon下线内部“Token消耗排行榜”，微软收紧部分团队的高阶AI授权[4] - AI正进入研发、营销、客服等真实业务流程，Token成为像电力和人力一样必须被计算的新成本单位[7] “AI商业效率样本库”征集计划 - 计划由虎嗅发起，旨在WAIC 2026前找到30个真实AI商业效率案例[11] - 案例来源包括模型公司、Agent公司、AI应用公司、AI硬件公司及大规模使用AI的企业[11] - 目标是通过深度访谈沉淀具有行业参考价值的样本，并在WAIC 2026期间组织相关方讨论真实场景、成本和用户价值[13] - 样本呈现方式可根据企业意愿灵活设置，包括可脱敏、半公开或闭门交流[25] 寻求的六类效率样本 - Token生产效率样本：关注模型厂商、云厂商等是否让AI任务变得更便宜、更稳定、更可规模化，或降低了单位任务成本[16] - Agent任务效率样本：追问Agent公司最烧Token的环节、失败成本计算方式，以及Agent比人便宜的临界点[17] - AI应用商业闭环样本：询问AIGC工具、AI办公等应用公司，用户活跃度与毛利健康度的关系，以及订阅制与Token成本的冲突[17] - 企业AI ROI样本：寻找制造、零售、金融、医疗等企业，了解AI上线后节省、赚取及改变了什么，并复盘真实业务数据[19] - AI终端效率样本：关注AI眼镜、耳机等硬件厂商，了解任务分配（端侧/云）、持续Token成本承担方，以及AI功能对溢价和体验的实际影响[20] - Token治理成熟度样本：寻找已规模化使用AI并能像管理预算一样管理Token的企业，了解其按部门、任务归因消耗及评估投入产出的经验[21] 参与样本库的价值 - 系统梳理自身AI产品或实践在真实场景中的效率提升、用户价值与业务结果[25] - 成为AI商业落地与效率提升的代表性案例，进入虎嗅长期研究体系[25] - 有机会参与后续直播与闭门交流，与产业链各方共同讨论AI商业效率[25] - 围绕关键议题沉淀经验，建立行业话语权[25]