AI算力与Token成为新型薪酬与生产力核心要素 - 硅谷出现以Token作为吸引人才新筹码的趋势 英伟达CEO黄仁勋提出可为工程师配置相当于年薪一半价值的Token预算 以提升其10倍效率[2] - 社交媒体信息显示 阿里内部已开始向员工发放Token额度 允许免费使用悟空、Qoder等内部AI工具 并可报销外部AI开发工具费用[2] - Levelsfyi数据显示 “Copilot订阅”已被列入软件工程师薪酬申报的福利项 AI访问权限正成为继工资、奖金和期权后的第四项标准化福利[2] AI使用成本激增并影响企业人力成本结构 - Theory Ventures的Tomasz Tunguz个人AI推理成本年化已达10万美元 其使用量在六个月内从每月200美元攀升至每天92美元[5] - 通过迁移至开源模型并调优 Tunguz将成本降至原方案的12%[6] - Levelsfyi数据显示 收入前25%的软件工程师年薪约37.5万美元 叠加10万美元推理成本后 工程师完全成本升至47.5万美元 未来AI使用成本可能占工程师总成本20%以上[6] - AI开支正从“软件订阅费”转变为需单独追踪的新型人力成本 直接影响公司整体现金消耗[6] AI支出回报率与Token预算制度化趋势 - 衡量AI支出回报的核心指标是“每一美元推理成本换来的有效产出”[7] - Tunguz认为 年化1.2万美元的推理成本可换来每天完成31个任务的能力提升 若工程师年消耗10万美元算力 其生产力需提升8倍以上才合理[8] - 行业人士预测 到2026年 工程师薪酬谈判将包含Token预算 Token可能成为工资的一部分[8] - 模型评估公司Arena负责人提议 OpenAI和Anthropic应建立招聘网站 让岗位标注对应的Token预算[8] 算力资源稀缺性引发组织内部争夺与分配问题 - Token重要性提升背后是底层算力资源的争夺 模型运行成本已成为生产力分配问题[9] - 硅谷开发者认为 公司Token消耗量是关键指标 代表员工在积极尝试新AI工作流[9] - 为鼓励使用 领英每月提供2000美元AI补贴 昆仑万维每月提供100美元支持[10] - 面试中 求职者开始主动询问能获得的专属AI算力预算[10] - Meta、Google等公司内部曾因算力资源分配发生冲突 Google甚至设立专门委员会进行协调[10] - OpenAI总裁Greg Brockman指出 获得多少推理算力直接决定整体软件生产力[11] 算力资源分配不均可能导致新的职业不平等 - 工程师之间的差距正从经验、能力等 转向谁能获得更优的AI资源（如更高token上限、更低延迟、更少限制）[12] - “会不会用AI”转变为“有没有资格多用AI” 这成为组织资源配置问题 推理预算和模型访问权将体现员工或项目的核心程度[13] Token消耗激增推动模型服务商涨价 - OpenRouter平台数据显示 OpenClaw的token消耗量从2026年2月3日的806亿 在一个月内飙升至3月4日的3580亿 增长约4.4倍[14] - 截至3月2日当周 OpenRouter平台周度token调用量达14.8万亿 两个月内增长约160% OpenClaw贡献了绝大部分增量[14] - Anthropic数据显示 AI Agent的token消耗量最高可达普通聊天的15倍[14] - 腾讯云自2026年3月13日起调整部分模型计费 结束GLM5等模型的免费公测 Tencent HY2.0Instruct模型的输入、输出价格涨幅超过450%[15] - 智谱在两个月内两次提价 GLM-5模型平均涨价约50% GLM-5-Turbo在此基础上又提价20% 相对GLM-4.7的平均涨幅达83%[16] - 阿里云于3月18日宣布AI算力、存储等产品最高涨价34%[19] - 网友指出 token消耗量呈指数型放大 “睡后token”（持续自动消耗）是AI投资中重要且易被低估的变量[19] 行业巨头推动Token成为AI时代新价值单位 - 英伟达CEO黄仁勋的逻辑是：算力即营收 因为算力生成token token带来收入增长[22] - 算力被视作“印”token的机器 而token正被塑造成AI时代的货币[23] - OpenAI CEO Sam Altman提出设想：未来分配方式或是“全民基础算力” 每个人拥有GPT-7的算力份额 并可交易或捐赠[24] - Altman进一步描绘蓝图：将全球生成的天文数字级别token的一部分平均分给全球80亿人 使其成为“全球版全民基本财富”[24] - 有观点质疑 用AI token作为报酬是“company scrip”（公司代币）的数字化翻版 历史上曾被用作剥削工具并在美国被认定为违法[25] - 阿里已成立Alibaba Token Hub事业群 旨在建立以“创造、输送、应用Token”为核心的统一调度中心[25] - 摩根士丹利指出 ATH事业群的财务驱动逻辑与纯模型公司相似 未来可能成为阿里独立的估值组成部分[25] - 阿里认为 token是驱动数百亿AI Agent运转的基础燃料 也是人机交互的重要载体[26] - 国内外大厂正围绕token改写生产力关系并套上金融逻辑[26]

文章核心观点 - 近期在硅谷兴起并传播至国内的AI产品Moltbot，因其设计基于海外开放的社交生态，在国内封闭的社交和办公软件环境下实用性有限，难以成为国内产品经理的个人日常工具 [1][2][8] - 尽管开源和本地部署是AI产品的重要方向，但当前在本地部署强大模型成本高昂，且模型能力可能不及主流云服务，导致投入产出比存疑，限制了其商业化前景 [14][15] - 文章指出，优秀的AI产品经理需要主动体验和整合前沿技术，而开源化、本地化及个性化是AI产品迭代的关键方向，但目前国内产品经理直接投入此领域的时机尚未成熟 [16][17] Moltbot产品的特性与起源 - 产品起源于硅谷，旨在解决用户在Telegram、WhatsApp等社交软件中无法直接与AI模型对话的痛点，目标是让AI能通过社交软件控制个人应用 [2] - 产品基于创始人个人需求场景开发并选择开源，创始人背景为历史开源项目贡献者，休息三年后重新投入AI领域 [4] Moltbot在国内市场面临的主要限制 - 国内主流社交工具如微信、QQ生态封闭，不支持API或第三方插件获取聊天数据，导致Moltbot无法像在海外一样作为个人助理使用 [8] - 国内自动化办公场景依赖WPS、腾讯文档、阿里文档等线上工具，但这些企业不开放核心数据接口，且操作涉及账户密码和人机验证，阻碍了自动化流程 [9] - 数据安全与权限问题使得个人使用需将聊天消息上传至公共云或公司主体的小程序，进一步降低了实用性 [9] - 国内已有硬件产品（如华强北硬件机器）尝试商业化，但因上述权限问题难以使用，可能存在泡沫 [10] 技术部署与性能挑战 - 在Mac mini上本地部署的AI模型，其逻辑推理和长上下文能力可能远不及付费的ChatGPT或DeepSeek等主流云模型，导致用户体验不佳 [14] - 为运行高性能开源模型如万亿参数的Kimi2.5，需要高昂硬件投入，例如使用2台512GB的Mac Studio Ultra，成本接近10万元人民币 [14][15] - 即使投入高昂硬件，仍需结合付费API（如Claude、ChatGPT）调用，其自动化操作带来的效率提升价值尚不明确 [15] 行业趋势与产品经理的启示 - AI产品的发展方向呈现开源化、本地化和个性化趋势，通过开源获取用户后，可向企业端（B端）转化，让各行业部署在自有数据中心以提升效率并掌握数据控制权 [17] - 当前大模型仍以文本理解为主，对物理世界（如重量、压力、温度）的理解和多模态能力尚有局限，但在生成PPT、Word、UI设计图等数字化办公场景已足够应用 [16] - 优秀的AI产品经理极度稀缺，原因在于许多人未能主动了解并体验最新技术（如AR眼镜、空间计算、Agent框架、世界模型），仅依赖二手报告无法有效整合技术与用户体验 [17] - 目前Moltbot更适合作为企业内部效率工具部署，但缺乏明确的营收尺度，因此国内产品经理目前将其作为日常工具使用的可行性几乎为0 [14][16]

市场表现 - AI大模型概念股表现亮眼，截至发稿，MINIMAX-WP(00100)股价上涨15.22%至545港元，智谱(02513)股价上涨6.1%至240港元 [1] 行业动态与产品进展 - MiniMax近期推出桌面端及“专家智能体”，旨在打通Agent与本地工作环境的闭环 [1] - AI Agent领域呈现“工具化”爆发趋势，月之暗面发布Kimi2.5，通过Agent集群实现高阶办公自动化 [1] - 开源项目Clawdbot引发关注，其可在本地Mac或服务器上运行，实现个人AI助手功能 [1] 行业前景与商业化 - 广发证券认为，随着AI辅助编程工具为企业带来的研发效率提升和业务优化价值被逐渐认识，企业用户在软件开发、数据分析、业务流程自动化等场景的付费意愿有望增强 [1] - 在此趋势下，国产AI大模型有望受益，并实现较好的商业化落地 [1]

文章核心观点 - 2026年将成为中国“大模型六小龙”的成长分水岭，其未来走向将由技术、场景和资本三个因素共同决定[1][16] - 2025年，行业竞争环境复杂化，迫使六家公司重新校准发展路径，告别“青春期”，选择差异化的生存与发展策略[3][4][10] - 2026年初的集中融资与上市动作，是各公司在选定路径上获取资源补给，以应对更复杂行业竞争的关键举措[5][16] 行业竞争环境变化 - 竞争复杂度在2025年显著提升，理想（成为新一代科技巨头）与现实（生存挑战）的矛盾加剧[6] - DeepSeek的开源成功动摇了行业估值锚点，其模型能力比肩世界顶尖水平，对六小龙的“科学家理想”造成冲击[6] - 大厂（如豆包、通义千问、混元）全面加强AI投入，在模型、产品与运营上协同发力，挤压了创业公司的成长空间[8] - 开源模型的成功将B端竞争推向比拼“模型+工程化能力”的阶段，客户自部署面临高运维与算力成本[9] - 资本环境转向，投资人更乐于投资AI应用与基础设施，而非基座模型，后续融资多依赖地方国投而非市场化资本[9] 公司战略路径分化 - **路径一：重压基础模型**。月之暗面停止大规模品牌投流（2024年3-11月广告投放超6亿元，单月最高近5000万元），将资源集中于底层模型研发，并拥抱开源（发布万亿参数MoE模型Kimi K2）[10][11] - **路径二：冲刺上市以牵引业务**。智谱和MiniMax在2025年推动港股上市[3][11]。智谱将to B与to G业务结合，收缩C端投入，技术路线从稠密模型转向MoE架构[13]。MiniMax收入七成来自C端AI原生应用（如海螺AI、Talkie），并在2025年完成了C端收入支柱的切换[13] - **路径三：收缩战线，聚焦垂直领域**。零一万物和百川智能在2025年3月放弃通用大模型[13]。零一万物定位为企业私有化部署平台[14]。百川智能聚焦医疗领域，计划在2026年上半年发布AI医疗产品，目前有30亿资金储备[3][14] - **路径四：拥抱终端，寻找横向落地场景**。阶跃星辰将业务重心转向多模态大模型与硬件结合，例如与车企合作智能座舱，并与手机厂商合作将模型装载到4200万台手机上[14] 决定未来走向的关键因素 - **技术**：仍是核心变量，行业定局未现，存在依靠基础模型突破实现翻盘的机会[16]。月之暗面、智谱、MiniMax、阶跃星辰均强调持续投入模型研发[16][17] - **场景**：技术的价值需通过精准场景兑现，各公司路径已分化：智谱链接to G场景及生产力工具，阶跃星辰深耕智能终端，百川智能聚焦医疗[17]。场景深耕会反哺技术需求，拉大公司间差异[19] - **资本**：决定发展路径能延伸多远。大模型研发与场景拓展资金消耗巨大，例如MiniMax预计每月现金消耗为2790万美元[19]。上市（智谱、MiniMax）带来二级市场压力，维持创业惯性是挑战；依靠一级市场融资（月之暗面、阶跃星辰）则面临更少资本选择和更大证明压力[19][20]