文章核心观点 - AI行业出现了一种名为“Tokenmaxxing”的现象，即企业及员工为证明其“AI原生”属性而主动刷高AI调用量和Token消耗，这正在扭曲对AI价值的评价体系，并可能催生虚假繁荣 [2][4][6][7] - 尽管高Token消耗短期内直接推高了模型公司的收入，并带动了云计算、GPU等基础设施的需求和资本开支，但这种增长可能包含了因组织激励扭曲而产生的“行为扭曲”成本，其能否转化为真实的生产力、效率和现金流尚未得到验证 [4][9][11][13] - AI行业的发展将很快进入以投资回报率为核心的第三阶段，未来的竞争关键和估值依据将从“调用量增长”转向“高质量调用增长”和“单位Token产出”，企业需要证明AI支出能带来明确的财务回报 [16][17][19] 行业现象与潜在风险 - **“Tokenmaxxing”现象普遍**：Meta、Microsoft、Salesforce、Disney等大型科技公司内部存在AI使用量排行榜或最低消耗目标，将Token消耗量与员工绩效或组织先进性挂钩 [4][8] - **评价体系扭曲**：企业评价AI的重点从实际业务结果（如节省人力、增加收入）转向了“是否使用”和“使用多少”等表面指标，可能导致将消耗等同于参与，将参与假定为效率提升 [6][7] - **历史类比与成本实质**：此现象类似于软件行业早期迷信“代码行数”，但区别在于Token消耗会直接转化为企业成本，并传导至模型公司收入和上游产业链预期 [9] - **短期行为扭曲**：为满足内部指标，员工可能进行重复提问、处理本可直接阅读的文档等无效调用，这些“安全动作”推高了消耗量但未必创造价值 [8][13] 产业链短期影响与市场预期 - **模型公司收入激增**：Anthropic的年化收入运行率从2025年底的约**900亿美元**升至2026年4月的**3000亿美元**，Claude Code等工具是关键增长点 [11] - **企业市场成为增长引擎**：OpenAI的企业业务已占其收入**40%**以上，并有望在2026年底与消费者业务持平；其Codex周活跃用户达**300万**，API每分钟处理超过**150亿**Token [12] - **增长叙事转变**：AI行业的增长故事从“用户数”转向“调用深度”，强调AI工具融入核心工作流 [12] - **资本市场乐观预期**：花旗将2030年全球AI市场规模预期上调至超过**4.2万亿美元**，主要因企业采用速度和编码自动化需求加快 [12] - **上游产业链受益**：高调用量直接推动模型公司收入，并转化为对云计算、GPU、数据中心等基础设施的确定性订单 [11][12] 行业长期趋势与关键挑战 - **发展进入ROI阶段**：AI行业竞争将经历从拼模型能力、拼渗透率到拼投资回报率的三个阶段，下一阶段的核心是证明AI能带来可计量的财务结果 [16][19] - **企业需求转向财务纪律**：德勤2026年报告显示，**74%**的组织希望AI带来收入增长，但仅**20%**已实现；哈佛商业评论指出，**71%**的全球CIO表示若两年内无法证明AI价值，预算可能被冻结或削减 [18][19] - **行业将重新分层**： - **模型公司**：竞争焦点将从调用量增长转向高质量调用增长和客户留存，需帮助企业降低幻觉和返工成本 [17] - **云与算力厂商**：资本开支叙事将从“越多越强”转向“花出去的钱能不能回来”，需面对回报不确定性的审问 [17] - **应用层公司**：需要拿出硬性业务指标（如获客成本下降、转化率提升），否则将面临预算清理 [18] - **核心指标演变**：未来关键指标将从Token数量转向“单位Token产出”或“能效比”，即每消耗一美元模型成本所带来的收入、节省或效率提升 [19] - **市场定价重估**：资本市场将依据增长质量重新定价，上游估值弹性将更依赖客户ROI，中游需证明资本开支有效性，下游需证明能改善业务结果 [19]

文章核心观点 - 亚马逊AWS正将其竞争焦点从提供底层云基础设施，转向抢占企业工作流入口，通过推出Amazon Quick等智能体产品，旨在销售“可计费的生产力”而非仅仅是云资源，从而改写云计算公司的收入边界和估值逻辑 [2][4][20] - AI行业的竞争已从模型能力和算力，推进到谁能将AI深度集成到企业日常付费和离不开的流程中，企业工作流的“入口”价值比模型本身更具商业潜力 [2][19][20] - OpenAI模型进入AWS生态系统，打破了微软与OpenAI的独家舒适区，改变了云厂商与模型公司之间的合作关系，为企业客户提供了更灵活的模型选择，并对微软和Salesforce等传统企业软件巨头构成了新的竞争压力 [10][11][12] AWS的战略转型与产品布局 - **从基础设施提供商到工作流入口争夺者**：AWS过去的核心商业模式是提供算力、存储、数据库等底层IT基础设施，但该模式易受客户“成本优化”审视 [7] 现在，AWS通过推出Amazon Quick等智能体，直接切入企业每日使用的工作流，目标是将收入边界从“云账单”扩展到“生产力账单” [2][4][20] - **Amazon Quick：跨系统工作台**：Amazon Quick并非传统办公软件，而是一个能连接本地文件、日历、邮件及Microsoft 365、Google Workspace、Slack、Salesforce等各类企业应用的工作台，其价值在于串联起原本割裂的部门系统（如CRM、ERP、HCM），成为新的“串联层”入口 [7][9] - **Amazon Connect：从客服产品到行业智能体套件**：Amazon Connect已从一个客户联络中心产品，扩展为面向供应链（Connect Decisions）、招聘（Connect Talent）、客户体验（Connect Customer）和医疗（Connect Health）的行业智能体套件，本质是将亚马逊内部的运营能力产品化 [8] AI竞争格局的演变与影响 - **竞争焦点转移**：AI竞争已从“谁有模型、谁有GPU”升级为“谁能把AI塞进企业每天付费、使用的流程里”，企业工作流入口成为新的战略高地 [2][20] - **对微软的挑战**：OpenAI最新模型、Codex及由OpenAI驱动的Bedrock Managed Agents进入AWS生态，意味着OpenAI与微软的协议变为非独家，微软原先在OpenAI模型、Azure云、Microsoft 365应用间形成的强绑定闭环被打开一角 [10][11] AWS客户现在可以在自家云环境中通过Bedrock统一管理并接入OpenAI等多家模型 [11] - **对Salesforce等SaaS厂商的冲击**：亚马逊通过Quick和Connect切入销售、客服、供应链等场景，可能将传统SaaS厂商压降至“数据源”和“系统接口”的位置，智能体平台可能成为用户的第一入口，从而稀释底层SaaS的议价能力 [13] - **估值逻辑变化**：AI商业化的估值逻辑正从IaaS（卖基础设施容量）、SaaS（卖企业席位）向Agent（卖可执行任务）演进，越往上客户粘性越强，毛利空间越高，价格锚点更接近“替代人力、提升效率” [9] 全球IT支出预计在2026年达6.31万亿美元，其中软件支出预计为1.44万亿美元，同比增长15.1%，全球SaaS市场预计2026年约达3756亿美元，AI智能体可能重构软件定价并带来增量空间 [9] 中国市场的对标与机会 - **阿里：最接近完整闭环**：阿里拥有阿里云、通义千问模型、电商支付场景及物流（菜鸟）等，最有可能将AI做成“商家经营系统”，串联起云、模型、电商、支付、物流 [15][16] 阿里云最近季度收入增长36%，AI业务成为焦点 [15] 但其挑战在于组织边界多，业务线协同困难 [16] - **腾讯：连接型AI的潜力**：腾讯凭借微信、企业微信、腾讯会议等，拥有天然的C端及企业沟通入口分发力，适合发展“连接型AI” [16] 但其短板在于云业务（腾讯云）并非核心利润引擎，在支持AI商业化所需的长期资本开支和云资源打包方面可能动力不足 [17] - **字节跳动与百度的定位**：字节跳动（拥有飞书、豆包、火山引擎）是强产品型选手，但B端积累、企业级交付和行业解决方案能力相对薄弱 [17] 百度拥有大模型、搜索和云，但商业化路径被多条业务线拉扯，单点模型领先难以自动转化为平台定价权 [17] - **结构性机会**：中国市场尚未出现完全意义上的“AI商业化平台型公司”，下一阶段竞争的关键在于谁能将AI从“工具”变为“业务执行层”，让客户每天使用并持续付费，这为能整合“云+模型+应用+交易+履约”闭环的公司留下了机会 [17][18]