AI 这桌宴席，上半场讲故事，下半场该结账了

2026 年过了一半，AI 圈的风向悄悄变了。

年初大家还在围观小龙虾式的尝鲜，现在聊的都是 WorkBuddy 这种能真刀真枪干活的智能体。问题已经从“AI 能不能用”，变成了“AI 好不好用”。

跟着问题一起变的，还有账单。

Token 烧得太快，科技公司集体患上了“AI 账单焦虑”。

前两天世界人工智能大会期间，澎湃科技拉了几位一线从业者聊了场天，有做算力的，有做科研的，有做人才服务的。

最大的感受是：AI 这桌宴席，上半场讲故事，下半场，该结账了。

Token 消耗，6 年翻了三个量级。

派欧云智算业务研发副总裁李星星复盘了 Token 消耗的膨胀史：大模型刚出来那会儿，大家就是聊天，多轮对话撑死消耗万级 Token。DeepSeek 推出深度思考模式后，展示完整思考链，单任务跳到十万级。

今年智能体遍地开花，动辄长时间运行，单任务直接冲到百万级。

单次任务的 Token 消耗，以 10 倍的速度往上蹿。

以前企业对算力的要求就一个字，快。现在光快不行了，智能体要长时间稳定运行，多轮对话下来目标还不能跑偏，百万级上下文成了标配。今年业内专门搞出了 Harness 工程，就为了伺候 Agent 别半路撂挑子。

所以账单焦虑不是矫情，是真金白银的压力。

但有意思的是，上海浦东人才发展公司的 CTO 唐国华说了句实在话：别纠结百万 Token 的单价，真正的贵，是浪费。

拿大炮打蚊子，重复推理，用最重的模型干最简单的活，这才是烧钱的窟窿。

天鹜科技的谭扬，说了句大实话。

这位“00 后”科学家，聊 Demo 的那段，堪称全场最扎心。

他说，最喜欢 Demo 的是两种人，科研界和老板。

科研界爱发 Demo，他自己 2025 年在 NLP 顶会 ACL 上就发过一篇 Demo 赛道的论文，但他心里门儿清：那真只是个 Demo，放到真实环境里并不那么有用，而且他不会对结果负责，后续也很难持续维护。

很多开源仓库能长期跑起来，靠的是大公司砸钱养。

老板也爱 Demo，看到演示跑通了，脑子里就自动等于落地了。实际上呢？离真实落地还差十万八千里，而且不少困难压根不在技术层面。

他的结论相当狠：Demo 更像一种幻觉，潮水退去，才知道谁在裸泳。

这话搁两年前，要被当成泼冷水。搁现在，台下估计一片点头。因为大家真掏过钱了，真踩过坑了。AI 进来了，效率没提升多少，账先来了。

于是企业开始回过神来，先别问用不用 AI，先问卡点在哪个环节，哪个环节才配得上 AI。

护城河在哪里？答案可能让你意外。

聊到智能体的护城河，谭扬的回答更直接：没有护城河。

Codex、Claude Code、一大批国产智能体，全都开源，谁都能拿去搭。个人和中小企业想靠这个筑墙，基本没戏。

那什么才是真正的墙？数据。

大模型能吃掉所有公开信息，你在公开数据上做清洗，等于在别人的地基上雕花，下一轮浪潮来了直接淹没。真正值钱的，是那些不上网的数据，蛋白质极端环境数据，科研合作项目数据，工业领域的私有数据。

这些东西跟智能体、跟业务磨在一起，慢慢沉淀成 Skill，那才是别人抄不走的家底。

李星星还补了个维度：Token 工厂分生产、交付、使用三层。只做中间二道贩子的 AI 中转站，上下游一挤压，最先被淘汰。

想活命，得垂直整合，还得模型中立、快速迭代，走在大厂前面，同时避开大厂“亲儿子”的路线。

普通人的机会，藏在脏活累活里。

聊到给从业者的建议，三位的答案出奇一致：去做脏活累活。

谭扬说，AI 赛道太卷了，每天早起一刷公众号感觉天塌了。这个行业聚集了最顶尖的一群聪明人，公开在天上打架，普通人挤进去当炮灰的概率极高。反倒是那些竞争不激烈的垂类角落，一套小 AI 应用就能产生大价值。

李星星说得更细：每个公司的招聘流程、人才画像都不一样，这种 know-how，得在行当里泡 5 到 10 年才摸得出来，通用模型短期内啃不动。OpenAI 和微软最近还专门设了 FDE（前沿部署工程师）团队，专门解决模型怎么真正进企业的问题。巨头亲自下场干脏活，说明中间的空白有多大。

他还给普通上班族提了个醒，这段话我建议每个人多看两遍：以前精英员工和普通员工的差距，可能是 2 倍到 5 倍；AI 时代，超级个体和普通员工的差距能拉到 10 倍、20 倍。AI 在放大优点，也在放大缺点。

关键不再是执行力，是判断力，是行业 know-how。

扎心吗？扎心。但实话往往扎心。

最后，怎么看？

其一，AI 的祛魅时刻到了。

从 FOMO 式的不计成本，到开始算 ROI，这个过程看着冷，实际上是行业成熟的标志。讲故事能融到资的日子过去了，能帮客户把钱赚回来的产品，才配活下去。

其二，别迷信最贵的那把刀。

Anthropic 的 Token 出了名地贵，照样卖得好，因为它真解决问题。反过来看，李星星他们的混合模型网关，把国内开源模型的智能组合起来，测试表现甚至能压过 GPT-5.6。

三个臭皮匠顶个诸葛亮，老祖宗的话，在 Token 时代照样管用。

其三，最大的风险，藏在“没人盯着”的地方。

谭扬提到 AI for Science 里的静默错误，微小偏差在长期执行中被不断放大，一旦涉及湿实验、建厂、产品管线，决策成本高得吓人。5 月 Nature 正刊连发 3 篇 AI 科学家的论文，听着振奋，但人机回环这道闸门，短期内真不能撤。

智能体能干活了，这是 2026 年最实在的好消息。

账单也会跟着来，这是 2026 年最诚实的坏消息。

技术从不骗人，骗人的永远是对技术的想象。把幻觉关在 Demo 里，把判断力留在人手里，剩下的，让 Token 自己说话。