智力能效：Token之上的竞争

AI软件竞争的本质是智力能效的竞争。编者按2025 年初, Anthropic 宣布 Claude API的价格比GPT-4高出50%。原本以为会出现的大量客户流失却在六个月后呈现出截然相反的走向Claude在企业市场的采用率不仅没有下降反而上升了。过去两年无数AI应用层公司涌入市场却难逃被基础模型步步蚕食的命运。问题出在哪里?为何有的产品能实现数十倍溢价而多数应用层公司却在模型升级中不堪一击?本文一针见血地指出大多数应:用不过是在做“嫁接”与“装修”创造的“智力能效”微乎其微。本文从模型、封装到垂直场景层层拆解“智力能效”的竞争逻辑--读懂了它也就读懂了AI软件溢价背后的真正密码。2025 年初Anthropic 宣布 Claude API 的价格比 GPT-4 高出 50%。市场初步预判Anthropic 会出现大量用户流失——毕竟在互联网时代基础服务通常免费提高价格无异于自杀。但六个月后市场数据呈现出截然相反的走向Claude 在企业市场的采用率不仅没有下降反而上升了。更令人意外的是到 2025年底据Menlo Ventures报告Anthropic 在企业级 AI 市场的占有率为40%首次超过了 OpenAI 27%成为 B 端市场的新领导者。近期阿里巴巴完成了一项引人注目的组织架构调整将ATH阿里巴巴旗下专注 AI 应用交付的业务单元从阿里云体系中独立建制。如果 AI 软件卖的仅仅是底层、同质化的资源它最合理的归属应当是留在云平台内部作为一种算力组件追求极致的规模成本如果其商业模式已经转向结果收费其组织边界理应锚定在对结果的定义、核验和结算上。现实情况是处在两者之间ATH“独立于云、又异于服务”。这些现象背后隐藏着AI软件市场的一个根本性转变。用户付费的对象既不是底层的 Token 消耗也不完全是最终的业务结果而是介于两者之间的某种“能力”。然而学界与产业界迄今缺乏一套精确的分析语言来描述和衡量这种能力。本文提出“智力能效”这个概念试图为理解 AI 软件的真实价值提供一个新的分析维度。一个定价悖论我们先以一个具体场景为切入点。假设你需要 AI 系统帮你“分析这份销售数据给出三条可执行的增长建议”。系统 A给了你一份三页的分析报告里面有精美的图表、详细的趋势描述看起来很专业。它消耗了10,000个Token。但当你真正要用这份报告时发现给出的建议“优化客户体验”、“加强市场推广”这类话都很空泛你还得花时间重新解读、提炼然后转化为具体的行动方案。在此假设情境下任务的实际推进程度约为 20%。系统 B消耗了12,000个Token较系统 A多出约 20%。但它直接给了你三条具体建议每一条都包含数据支撑、具体的行动步骤、预期影响和执行优先级排序。你看完之后基本可以直接进入执行流程只需要做最终确认。在同等假设情境下任务推进程度约为 80%。如果按Token计费B应该比A贵20%。然而基于现实市场中的定价观察用户愿意为B支付的价格是A的三到五倍。为什么因为用户真正付费的不是“系统思考了多久”而是“系统把事情推进了多少”。虽然B消耗了更多Token但它在单位成本下创造的有效产出远高于 A。这种“单位成本下的任务推进能力”就是本文所界定的智力能效。智力能效Token 定价的新标尺前面的例子揭示了一个现象同样是Token用户愿意支付的价格可以相差数倍。这背后的原因需要我们重新理解“按Token付费”这件事本身。但在讨论这个问题之前我们需要先理解一个更基础的问题当我们说“按 Token付费”时我们到底在说什么在当前市场上“按Token付费”有两种截然不同的理解方式。第一种理解Token 是算力资源的计量单位。这是云计算的逻辑。就像云服务按 CPU 时间、存储空间计费一样Token 衡量的是调用了多少次模型、消耗了多少推理资源。在这个理解下Token 的价格应该主要由成本决定——底层模型的推理成本加上合理利润。不同供应商的 Token 价格差异主要来自技术效率和规模优势。这个逻辑看起来很合理也是很多人的直觉。但市场实践正在显示出越来越多的反例。过去两年底层 Token 价格持续下降但企业侧 AI 的总支出并没有同步下降很多场景下甚至还在增加。Claude 的 API 比 GPT-4 的市场份额反而上升。Cursor 按订阅收费用户并不关心它底层消耗了多少Token。如果 Token只是算力资源这些现象是难以解释的。第二种理解Token 是任务推进能力的计量单位。在这个理解下用户为 Token付费但他们真正买的不是“调用了多少次模型”而是“把任务推进了多少”。两个系统消耗相同的 Token给用户带来的价值可以相差数量级。系统 A消耗10,000个Token给你一份需要两小时人工提炼的报告系统B消耗 12,000个Token直接给你可执行的方案。用户愿意为B支付的价格是A的三到五倍。当产品真正卖出去的已经不是一次孤立的模型调用而是一整套围绕任务完成被组织起来的过程——系统要先判断任务类型决定采用什么路径处理可能要读取资料、调用外部工具、接入数据库可能要多轮尝试、交叉核对、失败后重试还可能要与企业原有流程、人工作业和外部系统衔接。成本的重点不再只是“回答一次要多少钱”而是“把一件事真正做下来要组织多少环节”。如果接受第二种理解一个自然的问题就会浮现既然用户买的是“任务推进能力”那为什么不直接按结果付费这个问题很合理。按结果付费听起来很美好——“只为成功付费”——似乎是最直接的价值计量方式但在实践中会遇到一系列难以解决的问题。什么叫结果如何定义和度量结果生成一份文档算不算还是文档被采用才算客服接完一轮对话算不算还是问题真正解决才算结果越接近业务终点越难标准化。更麻烦的是归因一次成功究竟来自模型能力、工作流设计、人工兜底、客户自己的数据质量还是组织执行能力与外部市场环境一旦价格和结果绑定归因就不再是事后分析而会变成合同问题。真正难实现的并不只是“让AI更接近结果”而是把“结果”变成一个可以定义、可以核验、可以结算、可以争议处理的收费对象。只有极少数场景——结果可以被系统自动检测、因果链条短、价值可标准化、单次金额足够高——才适合结果付费。所以Token是最现实最高效的计量单位。它清晰、可核验、可预期。企业知道自己为什么付费供应商知道如何结算不需要复杂的结果定义和归因机制。但这里出现了一个矛盾我们承认用户买的是“任务推进能力”而不是“算力消耗”但又不能按结果付费。那么Token 应该如何定价这就是为什么我们要提出“智力能效”这个概念。它不是要取代 Token 作为计量单位而是要回答一个更根本的问题在保持 Token 计量清晰性的前提下如何让定价反映真实价值同样是 Token为什么有的能卖出更高的价格什么是智力能效智力能效Intelligence Efficiency指的是 AI 系统在单位成本下将资源转化为有效任务推进的能力。它不衡量“思考了多久”Token 消耗也不衡量“最终做成了什么”业务结果而是衡量“在可控成本下把事情推进了多少”。如果用一个公式来表达智力能效 任务完成质量 / (Token 成本 人工干预成本这个公式的含义是完成同样质量的任务消耗的总成本越低智力能效就越高。这里的成本不只包括 Token 消耗还包括人工修正、返工、兜底的时间成本。质量则体现在输出是否可用、是否准确、是否需要返工。用一个类比来理解。设想你雇了两个助手完成同一项工作。助手 A 工作八小时写了五十页报告但你需要花两小时提炼要点才能使用助手 B 工作十小时直接给你五页执行方案你可以立刻使用。谁的效率更高显然是 B——虽然他花了更多时间但他的产出更接近你真正需要的东西减少了你的后续工作。在AI系统中智力能效体现为四个方面理解的准确度能否精准抓住任务目标少走弯路推理的有效性能否进行有价值的思考少做无用功输出的可用性产出是否可以直接使用少需要返工执行的稳定性能否持续维持这种水平少出错。在公式的分子端“任务完成质量”看起来是一个难以精确量化的概念。确实如此——我们很难给一次 AI 输出打一个绝对的分数。但智力能效的使用场景不是给单个系统打分而是在同一个任务上比较不同系统。这时候我们不需要绝对衡量只需要相对比较。任务完成质量衡量的是 AI 输出本身的属性——是否准确抓住了任务要求是否给出了完整的信息是否逻辑清晰、结构合理。同一个任务系统 A 的输出偏离目标、信息缺失、逻辑混乱系统 B 的输出精准、完整、清晰那 B 的质量就明显更高。而质量差异会直接影响公式的分母——输出质量越低用户需要投入的修正、补充、验证时间就越多人工干预成本就越高。两个系统消耗相同的 Token智力能效可能相差十倍——这就是为什么我们不能只看 Token 成本也不能只等最终结果而需要这个中间的度量维度。智力能效的三层竞争智力能效在真实产品中是如何体现的我们可以从三个层面来看模型层、封装层和垂直层。这三层构成了 AI 软件智力能效竞争的完整图景。第一层模型能力的竞争先看最底层。Claude的API价格长期高于GPT-4但在企业市场保持强劲增长。如果只看Token成本这是不合理的。但如果看智力能效逻辑就清晰了。在复杂推理任务中——比如代码审查、法律文档分析、多步骤问题解决——Claude往往能在更少的轮次内给出更深入、更可用的输出。虽然单次调用更贵但完成同样任务所需的总成本——Token 成本加上人工时间——可能更低。这正是智力能效公式中“分子”的作用通过提升任务完成质量即使成本略高整体效率仍然更优。Claude 比 GPT-4 贵 50%但如果它能让任务完成质量从 60 分提升到 80 分用户就愿意为这个质量差异付费。但模型层的溢价空间相对有限通常在一点五到两倍之间。原因在于这一层的竞争主要靠提升“分子”——推理能力本身——而模型能力的差异正在逐渐收窄技术边界限制了提升空间。OpenAI 通过o1系列强化推理深度Anthropic 通过Claude强化理解准确度和输出质量DeepSeek通过极致的成本优化用更多轮次补偿单次能力。趋势是模型层会趋向分化高端市场追求单次推理的深度和准确度大众市场追求成本效率通过多轮交互达到目标。第二层封装能力的竞争再看中间层。Cursor 是一个 AI 代码编辑器采用订阅制每月二十美元而不是按Token计费。这个定价背后是对智力能效的封装。Cursor的智力能效来自深度集成IDE理解整个代码库的结构而不只是当前文件设计了多种交互方式减少无效来回可以直接执行代码、运行测试、查看错误形成完整的开发闭环。相比直接调用 GPT-4 API 写代码Cursor 在完成同样的开发任务时需要的交互轮次更少产生的无效代码更少需要的人工修正更少。这就是封装层的智力能效通过精密工作流设计把底层模型能力转化为更高效的任务完成能力。用户付的二十美元不是为了Token而是为了这种“减少摩擦、提高确定性”的封装价值。从公式角度看封装层的竞争开始同时作用于分子和分母。一方面通过深度集成提升任务完成质量分子更大另一方面通过减少无效交互、自动化重复操作来降低人工干预成本分母更小。当分子提升两倍、分母降低五倍时智力能效就能提升十倍。这就是为什么封装层的溢价空间能达到十到二十倍远大于模型层——它不只是让模型更聪明而是让整个工作流更高效。这层的竞争焦点是谁能通过更好的工作流设计把模型能力转化为更高的任务完成效率。Cursor 和 Replit 在代码场景深度封装Notion AI 和 Craft 在文档场景优化工作流Perplexity 在搜索场景重新设计交互。封装层会出现大量创新多模态交互语音、图像、手势主动式工作流系统主动推进任务协作式设计人机协作的最优分工。第三层垂直场景的竞争最后看应用层。Glean是一个企业知识搜索平台帮助企业员工快速找到分散在各个系统中的信息和答案定价从每用户每月数十美元起。如果只看Token 消耗这些搜索和问答任务的底层推理成本可能只占定价的很小一部分。但 Glean卖的不是Token而是高智力能效的垂直封装。Glean的智力能效体现在它对企业知识场景的深度理解上。它能识别不同系统中信息的关联性理解企业特有的术语、缩写和项目代号判断哪些信息是最新的、最权威的。生成的答案不是简单的文档摘要而是结合了上下文、考虑了时效性、标注了来源可信度的综合回答。这种高智力能效从哪里来底层模型的选择和调优针对企业知识场景微调知识图谱的深度构建理解企业内部各系统间的关系和信息流动大量真实查询的训练用真实的员工搜索行为持续优化持续的反馈机制从用户的点击、停留和反馈中学习。垂直层的溢价空间最大往往能达到五十到一百倍。原因在于它同时优化了公式的两端不仅给出高质量答案分子大更重要的是大幅降低了人工成本分母小。一个员工原本需要花三十分钟在五个系统里搜索、对比、验证信息现在三分钟就能得到准确答案。这种十倍的时间节省才是用户真正愿意付费的东西。这层的竞争焦点是谁能在特定领域达到最高的智力能效。Glean 做企业知识搜索Harvey 做法律研究和文档分析Hebbia 做金融分析和尽职调查。垂直场景会形成高壁垒领域数据的积累专业知识的固化行业流程的深度理解。这里有一个关键问题通用模型能力提升会不会削弱垂直封装的价值答案可能相反。模型越强高质量封装的价值越大。因为更强的模型意味着可以处理更复杂的任务而复杂任务对工作流设计、领域知识、质量控制的要求更高。就像汽车发动机越强大对整车设计、底盘调校、安全系统的要求就越高。从模型层到封装层再到垂直层智力能效的提升空间越来越大。模型层主要靠提升分子封装层开始优化分母垂直层则能大幅削减分母。这就是为什么同样的底层模型在不同的封装下智力能效可以相差数十倍——智力能效不只是技术问题更是产品设计和领域理解的问题。用智力能效重新审视市场上的AI产品既然封装层和垂直层分别拥有十到二十倍和五十到一百倍的溢价潜力。按照正常的商业逻辑资本和人才应该迅速涌入填补这个空间。事实也确实如此——过去两年AI 应用层的融资占整个 AI 赛道的半数以上AI 搜索、AI Agent、各类垂直 AI 产品层出不穷。但一个令人不安的现象正在浮现这些应用层公司中的大多数正在被基础模型公司的每一次能力升级逐步蚕食。它们的护城河远没有它们的融资额所暗示的那么深。用智力能效来审视这些产品原因就很清楚了。大部分 AI 应用在封装和垂直两个维度上都做得极其初级。封装维度上它们做的事情本质上是“给传统软件加一个 AI 功能”——在现有的界面体系里嵌入一个对话框在现有的工作流里插入一个 AI 环节用按钮、菜单、功能模块把 AI 能力组织起来。这不是封装这是嫁接。垂直维度上大部分行业 AI深度停留在塞一些行业术语进 prompt、接几个行业数据源、设计几套行业模板的层面。这不是行业认知这是行业装修。两个维度都浮在表面创造的智力能效增量微乎其微——可能只有一点二到一点五倍。而基础模型每一次代际升级带来的智力能效提升轻松就能超过这个数字。这些公司以为自己站在封装层和垂直层实际上它们的智力能效还停留在模型层附近。它们不是被大公司打败的而是从一开始就没有真正离开过起跑线。那么真正好的封装应该是什么样的看几个产品就明白了。Claude Code 是一个运行在终端里的AI编程助手它没有精心设计的图形界面没有按钮和菜单。OpenClaw是一个开源的AI个人助手它的界面就是你已经在用的 WhatsApp或Telegram。表面上看它们都很“简陋”。但这种简陋恰恰是高智力能效的表征。因为它们在用户看不到的地方做了大量精密的封装工作。Claude Code理解整个代码库的结构和依赖关系自动判断哪些文件需要作为上下文送入模型管理多轮对话中的Token 窗口设计了完整的工具调用链让模型能直接执行命令、读写文件、运行测试。OpenClaw 的Skills系统、本地环境集成、多平台接入、工具编排同样是深度的工程封装。YouMind 也是这个逻辑——用户感觉只是在和 AI 对话但背后有完整的内容索引、语义搜索、上下文管理和工具链这些不可见的基础设施才是智力能效的真正来源。这些产品揭示了一个反直觉的规律真正好的封装对模型侧越来越厚对用户侧越来越薄。厚的那一面是让模型更好地理解任务、调用工具、管理上下文、执行操作薄的那一面是让用户只需要用自然语言表达意图不需要学习任何新的界面和操作逻辑。而大部分 AI 应用做反了——对模型侧极薄基本就是 API 转发加一层简单的 prompt对用户侧极厚堆砌了大量的界面元素、功能选项和操作流程。用户看到的那些精心设计的界面和功能恰恰是智力能效公式中分母里最大的一项——它们不是在降低人工干预成本而是在制造新的人工干预成本。但封装只解决了“怎么更好地调用 AI”的问题没有解决“AI 是否真正理解这个领域”的问题。这就是垂直维度的意义。垂直维度的本质不是给系统贴行业标签而是把专业人士的行业认知——判断逻辑、决策框架、经验直觉、对模糊情境的处理方式——编码进系统。这种东西不在公开数据里不在行业报告里而在资深从业者的脑子里。一个不在行业里的技术团队甚至不知道该去优化什么。未来真正高智力能效的产品形态应该是 OpenClaw、Claude Code 这样的深度封装基座叠加上特定领域的专业行业认知。交互层极薄封装层极厚认知层极深。三者叠加才能真正进入智力能效公式所揭示的高溢价空间。现在市场上绝大多数AI产品三个维度都没有做到位——这才是它们脆弱的根本原因。结语2024 年初中国日均 Token 调用量为一千亿至 2025 年底跃升至一百万亿今年三月已突破一百四十万亿两年增长超过千倍。在三月的中国发展高层论坛上国家数据局局长刘烈宏将 Token 定义为“智能时代的价值锚点”与“连接技术供给与商业需求的结算单位”。Token 正在成为一种基础设施这已经不是比喻。但Token 的爆发式增长并不意味着 AI 软件的竞争就是 Token 的竞争。恰恰相反当底层资源变得越来越充裕、越来越便宜时真正的竞争会转向更高层次谁能把这些资源组织成更高效的能力。这就是为什么需要“智力能效”这个概念。它让我们可以比较不同 AI 系统的真实价值而不只是看 Token 价格或模型排名理解为什么有些产品能维持高溢价而有些产品陷入价格战预测哪些方向会产生竞争优势是模型能力、封装设计还是垂直深化。更重要的是智力能效提供了一个新的视角AI 软件的价值不在于它“有多智能”——这是模型能力也不在于它“做成了什么”——这是业务结果而在于它“能多高效地把智能转化为任务推进”。这个转化过程包含了模型选择、工作流设计、工具集成、领域知识、质量控制等多个层面。它是技术问题也是产品问题是工程问题也是认知问题。未来的 AI 软件竞争本质上是智力能效的竞争。因此理解并提升智力能效就是理解 AI 软件竞争的本质。说明本文的核心概念“智力能效”仍在演进中。我们期待更多的讨论、质疑和完善让这个概念能够真正帮助行业理解 AI 软件的价值创造逻辑。原文链接智力能效Token之上的竞争-36氪