文章核心观点 - 人工智能产业正从以算力为中心的“卖生产资料”模式，转向以模型应用为中心的“卖生产力”模式，即以模型即服务（MaaS）和Tokens调用量为关键指标的新范式 [2][5][13] - 产业智能化已从选择题变为关乎生存的必答题，但企业面临资本开支巨大与回报不确定性的矛盾，而Tokens调用量成为衡量AI实际落地与商业价值更精确的“晴雨表” [6][7][9][14] - 火山引擎作为行业代表，通过其豆包大模型和MaaS模式，在汽车、消费电子、餐饮等多个行业推动AI规模化落地，其Tokens调用量市场份额领先，验证了该模式的有效性 [2][16][18][21] AI产业范式转变：从算力到Tokens - 传统的以算力为中心的IT架构已无法满足Agent时代需求，以模型为中心的AI云原生架构正在形成 [2] - 云服务商的商业模式正从“卖算力”过渡到“卖Tokens”，本质是从“卖生产资料”转向“卖生产力” [13] - Tokens调用量是衡量产业应用AI服务最精确的指标，相当于人工智能时代的“用电量” [5] - 与IaaS模式相比，MaaS模式让客户直接调用模型能力，节省底层开发维护成本，且按实际使用量收费，更具灵活性 [14] Tokens经济的价值与优势 - Tokens调用量直接反映了模型推理过程中的计算量，与AI应用的实际落地情况紧密相关，是产业景气的“晴雨表” [14] - 算力销售像一次性买卖，而Tokens调用具备可持续性，能基于反馈不断优化模型，构建生态护城河 [15] - MaaS模式大幅提升了模型规模化落地的效率，增长潜力远超传统IaaS模式，并被认为是通用人工智能生态构建的核心 [15] - 一家消费电子行业客户引入视觉理解模型后，Token消耗量在5个月内增长了12倍 [15] - 已有超过100家企业客户在火山引擎的Token使用量超过一万亿 [15] 产业界的共识与困境 - 产业界对智能化转型已形成共识，智能化不是选择题，而是关乎生存与未来的必答题 [9] - 美国科技公司集体刷新资本开支指引，如谷歌上调80亿美元，Meta上调40亿美元，行业整体支出超过2000亿美元，但投入与潜在收益间存在巨大鸿沟 [7] - 对企业而言，智能化投资难以形成清晰量化的预期回报，存在决心与心理包袱的矛盾 [9] - 当算力需求重心从训练转向推理，Token调用量快速增加意味着AI进入“实战”环节，用户体验成为核心竞争力 [9] 火山引擎的实践与行业落地 - 火山引擎通过从模型能力到基础设施的全方位革新，推动AI应用从单一模型调用转向Agent智能体生态 [10] - 截至2024年12月，豆包大模型日均Tokens调用量高达50万亿次，仅次于OpenAI和Google [2] - 2024年上半年，中国大模型公有云服务Tokens调用总量达536.7万亿次，火山引擎份额超过49%，位列第一 [2] 汽车行业 - 火山引擎已覆盖90%的主流车企，豆包大模型成为中国市场智能座舱搭载量第一的AI模型 [18] - 从特斯拉、国内新势力到一汽、长安及奔驰、宝马等海外品牌，豆包大模型已成为AI汽车标配 [18] - 接入豆包大模型后，车机可理解模糊指令，实现复杂车控，如奔驰纯电CLA交互效率提升50%，唤醒速度快至0.2秒 [19] 消费电子与手机行业 - OPPO、vivo、荣耀、三星等基于豆包大模型升级AI原生体验，实现多模态识物、智能创作等功能 [21] - 豆包大模型让智能助手具备持续学习能力，可结合反馈不断优化 [21] 餐饮、零售与消费行业 - 海底捞基于火山引擎HiAgent打造AI用餐管家“小捞捞”，为消费者缩减30%预定操作时间 [21] - 瑞幸咖啡的AI点单助手实现“动动嘴就能点咖啡” [21] - 中免日上的智能导购可根据用户肤质、个性化需求智能推荐产品 [21] - 火山引擎助力喜茶、库迪等连锁品牌实现统一、自动化的智能巡检，保障服务品质 [22] 企业运营与数据分析 - 赛力斯联合火山引擎创建用户之声管理平台，依托豆包大模型准确推测用户情绪，提炼反馈以提高决策效率 [21] - 极氪引入火山引擎Data Agent数据产品，内部数据需求从提出到完成分析可分钟级实现，打破效率瓶颈 [22] MaaS模式的核心竞争力 - MaaS模式将晦涩技术语言转化为可度量的效率和速度，是AI落地阶段的核心竞争力 [24] - 基于Tokens的计费方式让企业的投入产出比可以更加直观和量化，在竞争环境中是一种兼具敏捷性与确定性的战略选择 [16][23] - 火山引擎AI Agent的优势在于对各行各业在获客、销售、服务等相似环节的适配，达到跨行业的通用性 [22]

作为AI产学研投界的标杆盛会，GAIR自2016年创办以来，始终坚守"传承+创新"内核，始终致力于连接 技术前沿与产业实践。 13日「AI 算力新十年」专场的"如何从'算力基建'到'价值闭环'？"圆桌对话中，数位业内资深专家展开精 彩对谈与深度探讨，抛出诸多极具启发性的观点： " 实现商业闭环，提供「方便、易用、便宜」的算力是关键。 " 作者丨刘伊伦 编辑丨包永刚 2025年12月12-13日，第八届GAIR全球人工智能与机器人大会在深圳·博林天瑞喜来登酒店正式启幕。 参与本次圆桌论坛的嘉宾包括： 李东东（主持人）：三丰投资创始合伙人 师天麾：清程极智联合创始人、产品副总裁 三位深耕行业的资深实践者，共同开启这场关于算力基建价值重构与未来趋势的深度对话。他们中，有人 立足资本视角洞察产业脉搏，有人扎根技术前线打磨产品落地，有人坐镇企业中枢统筹算力资源，不同维 度的经验碰撞，为算力行业的破局之路提供全新思考。 而这些观点，恰恰聚焦于算力基建狂飙突进背后的关键拷问：价值闭环该如何构建？被寄予厚望的推理需 求，究竟何时能迎来全面爆发，成为破解算力闲置的核心引擎？展望未来，算力产业还有哪些值得"押 注"的核心方向？作 ...

行业商业模式结构 - SaaS模式占据市场主导地位 市场份额达30% 主要应用于智能客服和办公自动化场景 代表企业包括百度智能云和Salesforce [1][3] - MaaS模式市场份额为15% 增速最快 核心应用于模型训练和推理服务 代表企业有商汤科技和科大讯飞 [1][3] - RaaS模式市场份额达12% 在制造业和金融领域渗透率显著提升 主要应用于流程自动化和工业机器人 代表企业包括金智维和来也科技 [1][3] - 其他模式（含AaaS/定制化）合计占比43% 主要覆盖数据分析和垂直行业解决方案领域 代表企业包括中数容智和智谱AI [3] 商业模式盈利特征 - SaaS模式采用订阅制盈利 分为基础订阅费与增值服务两大模块 主要驱动企业效率提升 [3] - MaaS模式依赖算力与模型协同创新获客 商汤科技大模型推理成本较行业低60% 支持1600+Token/秒处理速度 京东基于该平台使库存周转率提升25% [3] - RaaS模式面向人机协同自动化需求 医药企业通过RPA+AI代理处理医保数据 有效降低对账错误率并节省工作量 [3] 区域发展态势 - 上海徐汇人工智能集聚区聚集超1000家企业 2024年产值突破1100亿元 提供最高1000万元算力补贴 商汤科技2024年生成式AI收入24亿元 占总营收63.7% 算力集群达23000 PetaFlops 为中国移动构建的智能客服对话准确率达95% [4] - 合肥中国声谷聚集超2400家企业 智能语音全球市场占有率第一 形成全产业链闭环 科大讯飞教育AI覆盖5万余所中小学 学生成绩提升15% 医疗AI助力基层医院诊断准确率提升35% 系统接入3000余家医院 [4] 行业驱动因素 - 技术融合加速：2025年多模态交互技术成熟 语言模型普遍具备多模态能力 人工智能代理自主决策推动软件开发效率指数级提升 [7] - 政策支持：工信部推动"AI+制造"行动 制定智能体技术规范 [7] - 生态协同：杭州和深圳通过算力券发放及项目补贴强化生态建设 [7] 技术落地趋势 - 多模态交互和边缘计算将率先落地消费电子和工业场景 [8] - 自主决策优化技术在金融和医疗等高价值领域商业化进程较慢 但长期增长潜力显著 [8] 商业模式财务指标 - SaaS模式毛利率达60%-80% 客户留存率75%-90% 单客户年均消费5-50万元 [11][12] - MaaS模式毛利率为40%-60% 客户留存率60%-75% 单客户年均消费10-200万元 [11][12] - RaaS模式毛利率30%-50% 客户留存率50%-65% 单客户年均消费20-100万元 [11][12]