作者｜何晴
编辑｜重点君
过去一年，大模型价格战愈演愈烈，但对于真正想把AI用进业务流程的企业来说，买到便宜的Token，未必意味着能够以更低成本完成工作。
一方面，Agent能够帮程序员写代码、帮助销售整理客户信息，自动完成过去需要多个岗位协作的任务。员工的工作效率提高了，企业用AI的意愿越来越强，也怕越来越长的烧token的成本账单。因此，以低价模型为卖点的中转站生意火热，同样一款大模型，有人按照官方价格销售API，有人打五折，还有人可以卖到两三折。
但token市场起来了，水也浑了。今年7月，央广网调查发现，市面上已经出现大量低价Token中转站。部分商家通过境外账号池、第三方转接等方式提供模型调用，价格远低于官方渠道。但部分电商平台上销售的Token日卡、月卡，不标具体的Token额度，消耗速度倒是比官方快了一大截。
值得关注的其实并非这些渠道真实性的问题，而是即使每家供应商都提供同一个真实模型，最终交付的质量也可能不同。独立评测机构Vals比较相同开源模型在不同推理服务商上的任务表现，发现同一模型在不同供应商间的任务完成成本差异可达1.3倍，所以哪怕模型权重相同，不等于最终交付的智能质量相同。什么样的交付才值得付费？Token经济正在变成一笔“信用账”。
11月12日，在百度世界2026大会上，李彦宏提出AI的下一幕是“智能组织”。在他看来，企业不能只把AI当作个人提效工具，而需要围绕AI重新设计岗位分工、知识沉淀和业务流程。这也意味着，模型调用将不再只是程序员的研发费用，而会成为支撑企业日常生产的一项持续投入。
当企业开始让越来越多的Agent承担真实业务，如何确保背后的智能供给可靠、可控，并且具有经济性？
在这场大会上，百度正式发布了大模型交易平台“词元所”，试图通过验真、征信等机制，试图为模型服务市场提供一套中立可信的标准。与他们呼吁“智能组织”才会让AI发挥更大价值类似，百度正试图通过自己的经验和技术，为市场供需中的多方提供支持。
想用好AI的公司，算不清token账
“AI越深入业务，企业就越难管理它的成本。”
一位江浙科技企业老板告诉划重点，在当下，企业引入AI早就是共识，特别是Agent的火热，把AI从员工个人的辅助工具，放进了真实的业务流程。在电商公司，客服Agent不仅能够回答客户问题，还能查询订单、调用业务系统、处理售后申请；运营Agent可以把数据分析、内容生产和活动执行串联起来，省去反复核对和协调的功夫。
但问题也随之而来，“AI用得越好，token账单越厚。”
企业原本的采购通常按照账号、席位或者年度订阅走账，成本投入总是可估算的，但无论是自己本地部署，还是采购
三方大模型API，虽然一开始Token输入输出的价格都明确，但Agent完成一次业务任务需要调用多少次模型、消耗多少Token，很难事先准确判断。“特别是在Agent和业务磨合阶段，需要反复调试，要输入分析的数据量巨大，到了月中token plan就烧完了，还不一定保证分析的准确度，月底算算账，恐怕比自己专门找个员工还贵。”
今年百度世界大会上，李彦宏也提到，他在调研中遇到过企业负责人提出的疑问：为什么Token花费越来越多，企业的收入和利润却没有同步增长？
在李彦宏看来，原因之一是企业仍然把AI当作个人提效工具，没有围绕AI重新设计组织。
而从模型供应的角度看，另一个现实问题同样不容忽视，企业需要将AI的调用成本，从难以预测的技术支出，变为可以衡量、管理的采购成本。当企业开始持续、大规模使用Agent，就不可能只靠采购时比较几家模型厂商的API报价来控制费用。
于是，一部分开发者和企业开始寻找更便宜的第三方模型服务。
随着开源模型兴起，模型厂商与模型服务提供商之间的关系逐步松动。一款开源模型发布后，只要具备相应的算力资源和推理部署能力，云厂商、模型厂商都可以提供模型调用服务。与此同时，市场上也出现了大量将不同模型接口汇集起来、再向下游转售的Token中转站。
不少供应商有正规授权。但更让老板们头疼的是，中转站太多了，还要判断供应商是否可靠、模型有没有被替换、接口能不能持续稳定运行。部分平台可能使用低配模型冒充高配版本，也可能由于账号供应不稳定，突然出现调用限流、服务中断，让公司业务停摆。
AI用得越深入，企业越难获得成本可控、质量保证的token供应。往往想控制成本，却走进了质量不透明的市场。在当前模型越来越多，智能不断涌现的当下，模型逐渐偏向买方市场，可对企业来说，真正稀缺的，是值得信任的供给。
Token市场，需要信用经济
其实，如果把Token看作一种商品，大模型市场正在面临一个经典的信用问题。
经济学家肯尼斯·阿罗认为，几乎所有商业交易都包含信任因素。信用机制的价值，就在于降低交易的不确定性。特别是在一个供需双方快速增加、交易规则尚未完善的新市场，信用的重要性会被进一步放大。
在今天的Token市场，正在经历类似的阶段。
开源模型和第三方推理服务商不断增加，模型的生产者和服务提供者分开。企业在采购之前，往往很难仅凭报价判断一家供应商实际能够交付什么。如果每接入一家新的模型服务商，都需要企业自己完成模型验真、性能测试，供应商越多，企业的成本就会无限推高。这时候，低价反而不是最最重要的。
而今年10月底，全球大模型聚合平台OpenRouter做了一次重要调整。过去，OpenRouter默认把用户请求交给报价更低的推理供应商，调整后则是综合考虑价格、首Token响应时间、输出吞吐量以及服务可靠性。尽管价格不再是第一位的，但新算法调整后，输出吞吐量反而提高了16.3%，触发容量限制错误的请求比例由7.1%降至3.8%。
这同样解释了百度为什么在今年世界大会上推出词元所。
词元所作为一个面向大模型服务的中立、可信交易平台，希望聚合不同模型及资源提供方，让企业和开发者能够在一个公开透明的平台采购模型Token。
李彦宏在大会上借用了证券交易所的逻辑，交易所让投资者更方便地发现和交易上市公司股票，词元所则希望让客户更方便地发现和采购可信的模型资源。
不过，要让这一模式真正成立，首先需要解决的问题不是汇集多少模型，而是如何证明模型及供应商值得信任。为此，词元所重点建立了两项能力：验真和征信。
验真，解决的是交易前的真实性问题。平台通过供应商资质核验、模型指纹比对、模型能力测试，以及性能和可用性测试等方式，对入驻资源进行准入审核。尽可能阻止模型偷换、参数虚标等行为，让购买方能够确认自己实际采购的是什么服务。
征信，则解决交易发生后的持续监督问题。模型上架并不意味着一次审核就能永久保证服务质量。供应商调整推理引擎、算力资源和部署参数，也会影响模型表现。因此，词元所定期抽检拨测、实际调用监测，来持续记录履约情况，形成可供客户查询的信用档案。
根据官方数据，词元所试运营一个月以来，入驻供应资源已经超过100个，日均模型调用次数突破5000万，日均调用Token超过7000亿。
对于一个刚刚推出的交易平台而言，这意味着它已经吸引到一定规模的供给和需求。不过比交易量更值得关注的，是其相应形成的，利好企业的信用机制。
智能组织，需要一条可信的智能供应链
需要注意的是，AI产业下一阶段的竞争，不仅发生在模型能力和价格上，也将发生在信用与交付体系上。
过去，企业对AI的需求主要集中在某一项具体能力上。比如采购一款Coding Agent，提高程序员的开发效率，或者接入一个大模型，提升客服的应答能力，但AI的下半场，越来越多Agent开始承担业务任务，企业的业务流程可能依赖多个Agent协作完成，智能组织成了企业转型的下一步。
这不是把AI当工具，而是让AI真正融入组织。按照李彦宏的构想，未来企业的工作不再完全围绕岗位划分，而是由人和Agent围绕任务协作，让经验能够持续沉淀，并在业务流程中不断复用和优化。
百度也公布了内部数据。
过去一年，百度内部日活跃智能体数量从日均约5000个增长到3.7万个，智能体完成的有效任务数量从每周约8.4万个增长到超过100万个。企业内部还建设了4300个Workspace，沉淀超过2万个Skill。
这些数据至少说明，当Agent真正进入组织，企业需要管理的已经不只是几个AI工具，而是一套持续运行的智能生产体系。
所以，企业需要的不是无限量的Token，而是让有限的Token产生更多可衡量的业务结果。
这就需要同时解决两类问题。一类发生在企业内部的，就是如何让Agent稳定运行，管理任务、权限、知识和流程，持续优化工作效率。还有另一类，是发生在企业外部的，即如何获得可信、稳定、价格合理的模型和算力服务。前者是Agent Infra和企业智能体管理体系所要解决的问题。后者对应词元所及AI Infra所涉及的资源供给、算力基础设施等能力。
这也是百度“芯云模体”全栈能力必然要走的一步。
过去十年，百度围绕芯片、云基础设施、模型和智能体建立起一套完整的AI技术体系。
在底层，昆仑芯和AI Infra提供智能计算与模型训练、推理所需的基础能力；在中间，文心大模型和百度智能云千帆平台为企业提供模型服务；在应用层，百度搭子、伐谋等智能体产品，将模型能力进一步落到到具体业务里。从芯片、算力到模型，再到智能体，百度过去的全栈战略，主要回答的是智能如何被生产出来，以及如何被企业使用。
但随着开元模型的发展，模型、算力与最终用户之间，供需关系不再单一。
词元所正是百度在这一方向上的新尝试。放在“芯云模体”的体系中，它可以看作是围绕模型服务供需关系补充的一层市场基础设施。
对百度来说，这似乎意味着他们在全栈AI的布局之下，新增了一种连接外部不同模型供应商与企业客户的平台能力。百度全栈AI战略的边界，正在从生产智能、运行智能，向组织和连接智能供给延伸。这个平台本身，也为百度自身的技术体系和资源提供了另一种与外部市场连接的方式。
而对本身就具备各项AI资源服务能力的智能云来说，这样一个平台的建立，也与他们对市场变化的嗅觉有关。
过去，云厂商的竞争看的是算力规模、模型能力、服务价格和市场份额。但现在，越来越多模型可以由第三方提供，企业的选择丰富得多，单纯有模型和算力，不一定能匹配客户的需求。云厂商之间的竞争也出现了新的维度。
一方面，谁能够以更低成本生产和交付智能仍然重要。另一方面，谁能够降低企业获取智能的交易成本，让企业用更合理的价格获得更可靠的服务，愈加关键。
这也是智能组织与Token信用经济之间更深一层的联系。
工业时代，企业能够组织复杂生产，既依赖工厂内部的管理制度，也依赖工厂外部成熟的原料采购、物流运输和供应商体系。
智能组织同样如此。如果企业的生产流程越来越依赖Agent，那么模型和算力服务就不再只是研发部门采购的技术资源，而会逐步成为支撑业务持续运行的生产资料。企业需要管理的不只是内部的AI员工，还包括外部供应链。公允、中立、透明的交易机制，恰恰是这条供应链能够长期运行的重要条件。
虽然当下对于百度而言，词元所仍需要通过长期的交易表现，证明其信用体系是否真正可信，平台能否让优质供给获得合理回报。但其背后对应的产业需求，已经开始显现。
未来AI产业的竞争，不仅发生在模型能力和价格上，也将发生在智能的交付、信用与资源配置体系上。从这个意义上讲，只有智能能够被企业放心地获取、持续地使用，AI才有机会从一项不断消耗预算的技术投入，变成真正支撑智能组织运行的生产力，从智能涌现真正走向价值涌现。
百度已经率先落子，这场Token信用经济的争夺，才刚刚拉开帷幕。
热门跟贴