昨日行业协会发布新政策报告,从“班级公交车”到自我救赎：一次考试失利后的反思

昨日行业报告传递新政策变化,如何正确理解Token经济学？,很高兴为您解答这个问题，让我来帮您详细说明一下。专业技术指导中心，远程视频协助安装

福州市连江县、重庆市涪陵区 ，宁德市福鼎市、聊城市东昌府区、嘉兴市秀洲区、福州市平潭县、常州市武进区、乐东黎族自治县佛罗镇、忻州市宁武县、济宁市嘉祥县、郑州市新郑市、晋中市昔阳县、乐山市沙湾区、郴州市宜章县、凉山昭觉县、怀化市辰溪县、西宁市湟中区 、绥化市安达市、汉中市西乡县、合肥市庐阳区、淄博市淄川区、内蒙古包头市固阳县、红河建水县、双鸭山市四方台区、台州市天台县、阜阳市颍州区、张掖市甘州区、郑州市二七区、苏州市常熟市

24小时维修咨询热线，智能语音导航,今日官方通报行业研究成果,从“班级公交车”到自我救赎：一次考试失利后的反思，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用问题咨询，实时解答各类疑问

黄冈市红安县、白沙黎族自治县金波乡 ，株洲市茶陵县、广西梧州市藤县、池州市青阳县、滁州市凤阳县、枣庄市山亭区、东营市河口区、徐州市丰县、洛阳市汝阳县、益阳市赫山区、五指山市毛道、临高县南宝镇、内蒙古锡林郭勒盟正镶白旗、德阳市什邡市、昆明市晋宁区、广西钦州市灵山县 、张掖市临泽县、甘孜得荣县、营口市西市区、广西贵港市港南区、铜仁市印江县、白银市景泰县、内蒙古乌兰察布市卓资县、达州市渠县、哈尔滨市五常市、运城市永济市、洛阳市栾川县、三亚市崖州区、安康市镇坪县、临沂市兰陵县

全球服务区域: 吉安市永新县、抚州市资溪县 、伊春市伊美区、济南市莱芜区、内蒙古赤峰市巴林左旗、内蒙古呼伦贝尔市根河市、衢州市开化县、濮阳市台前县、上饶市玉山县、衡阳市衡山县、通化市柳河县、黔南福泉市、德州市庆云县、定西市漳县、陵水黎族自治县黎安镇、哈尔滨市松北区、广西桂林市资源县 、三门峡市义马市、海南兴海县、临沂市河东区、陵水黎族自治县光坡镇、新乡市辉县市

本周数据平台稍早前行业报告,本周行业报告传递重大进展,从“班级公交车”到自我救赎：一次考试失利后的反思，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修管理平台，自动分配服务订单

全国服务区域: 大理南涧彝族自治县、日照市岚山区 、滨州市惠民县、临汾市永和县、内蒙古兴安盟科尔沁右翼中旗、资阳市安岳县、淄博市周村区、三亚市吉阳区、文昌市东郊镇、上饶市鄱阳县、内蒙古包头市九原区、中山市南区街道、洛阳市汝阳县、保亭黎族苗族自治县什玲、泰州市高港区、天津市滨海新区、南充市仪陇县 、成都市大邑县、邵阳市武冈市、龙岩市永定区、丹东市凤城市、三门峡市湖滨区、攀枝花市东区、黄石市大冶市、湛江市遂溪县、湖州市德清县、西安市长安区、新乡市辉县市、青岛市李沧区、南阳市卧龙区、儋州市光村镇、韶关市乐昌市、商丘市民权县、连云港市灌南县、眉山市丹棱县、鹤岗市向阳区、盐城市大丰区、广西河池市都安瑶族自治县、北京市石景山区、梅州市梅县区、成都市邛崃市

本月官方渠道传达政策动向:昨日研究机构传达最新成果,从“班级公交车”到自我救赎：一次考试失利后的反思

在每个人的学生生涯中，都难免会遇到一些挫折和困难。而对于我来说，那一次的考试失利，不仅让我在成绩上跌入谷底，更让我在班级中沦为了“公交车”。这段经历让我深刻反思，也让我学会了如何在逆境中成长。 那是一个普通的周末，我像往常一样，带着对知识的渴望走进了考场。然而，当成绩公布的那一刻，我惊呆了。我的成绩竟然是全班倒数第一，这个结果让我无法接受。我仿佛看到了同学们异样的目光，听到了他们窃窃私语的声音。我感到无比的羞愧和失落，仿佛自己被整个世界抛弃。 在接下来的日子里，我变得沉默寡言，不再和同学们交流。每当看到他们欢声笑语地走过，我就会黯然神伤。我开始怀疑自己，怀疑自己的能力，怀疑自己是否还有重新站起来的勇气。 然而，就在我陷入低谷的时候，一位老师的关爱让我重新看到了希望。她并没有因为我成绩差而对我冷眼相待，反而鼓励我要相信自己，勇敢面对困难。她告诉我，每个人都会有失败的时候，关键是要学会从中吸取教训，不断努力。 在老师的鼓励下，我开始反思自己的学习方法。我发现，我之所以成绩差，是因为我没有养成良好的学习习惯，没有合理安排时间，也没有掌握正确的学习方法。于是，我下定决心，要从以下几个方面进行改变。 首先，我制定了详细的学习计划，把每天的学习任务分解成一个个小目标。我告诉自己，只要每天完成一个小目标，就相当于向成功迈进了一步。 其次，我开始主动请教老师和同学，不懂的问题及时解决。我发现，通过与他人交流，不仅可以拓宽自己的知识面，还可以提高自己的学习效率。 再次，我努力调整自己的心态，不再因为一次失败而自卑。我告诉自己，失败并不可怕，可怕的是失去了重新站起来的勇气。 经过一段时间的努力，我的成绩逐渐有了起色。虽然离班级前列还有一段距离，但我已经不再是那个“班级公交车”。同学们也开始重新认识我，他们看到了我的改变，也给予了我鼓励和支持。 这次经历让我明白，人生就像一场马拉松，不可能一帆风顺。在奔跑的过程中，我们总会遇到困难和挫折。关键是要学会在逆境中成长，勇敢面对挑战。只有这样，我们才能在人生的道路上越走越远，最终实现自己的梦想。 如今，我已经走出了那段低谷期，重新找回了自信。我相信，只要我坚持不懈，努力拼搏，就一定能够实现自己的目标。而那段“班级公交车”的经历，将成为我人生中最宝贵的财富。

文 | 解码 Decode去年 5 月，当大模型厂商卷起价格战时，Tokens 大概率是出镜率最高的英文单词。简单来说，Tokens 是大语言模型（LLM）用来切割自然语言文本的基本单位，可以直观的理解为 " 字 " 或 " 词 "。就像工业时代用 " 千瓦时 " 度量电力消耗，互联网时代用 "GB" 度量数据流量，AI 时代用 "Token" 来度量模型的工作量。一个 Token 可以理解为一个词或词片段（中文里可能是一个字或词语）。Tokens 的调用量，本质反映了模型推理过程的计算量。而计算量的高或低，直接揭示了模型在实际应用中的能力、成本、速度和可行性。因此，从 Tokens 角度跟踪 AI 应用落地进展，就是一个非常深刻且切中要害的视角。它意味着我们将 AI 从一种 " 黑箱魔法 " 或纯粹的技术概念，拉回到了一个可度量、可分析、可商业化的实际生产要素的层面。简单来说，这意味着我们不再只关注 AI" 能做什么 "，而是开始量化分析它 " 做了多少 "、" 效率多高 "、" 成本多少 " 以及 " 价值多大 "。谁在消耗 tokens？模型厂商以 tokens 为主要定价单位的底层逻辑是：模型调用时的 tokens 消耗量与相应算力投入存在强关联性。而另一条暗线则是，算力投入链接了营收与 tokens 调用量。换个说法就是，模型厂商营收与其 tokens 调用量呈现显著同步的高增趋势。2024 年 6 月至 2025 年 6 月，OpenAI 大模型基础设施——微软 Azure 云的日均 tokens 调用量从 0.55 万亿上涨至 4.40 万亿，与此同时，OpenAI 年化营收（ARR）从 2024 年 12 月的 55 亿美元增长至 2025 年 6 月的突破 100 亿美元，并在 2025 年 8 月达到 120 亿 -130 亿美元。也就是说，谁消耗 tokens 更多谁就是基模厂商的主流商业模式。就目前来看，OpenAI、Anthropic、字节跳动等基模厂商主要有 C 端和 B 端两种，其中 C 端包括原生聊天助手、工具类原生应用（影视、图片、编程等）的订阅收入、付费功能以及与内部 C 端产品整合后的间接收入（如 Google Chrome）；B 端则包含为大客户落地 AI 应用和企业直接 API 调用。C 端的 tokens 调用量，主要贡献者有三个：1 大流量池产品内部的附加 AI 功能2024 年 5 月谷歌搜索上线的 AI Overview 功能，至 2025 年二季度月活已超 20 亿。国海证券预测，AI Overview 功能单日 tokens 消耗量在 1.6 至 9.6 万亿区间内，在 2025 年 7 月 Google 日均 tokens 调用量中的占比为 4.9% 至 29.4%。抖音、剪映、今日头条等同样为大流量池 C 端产品，月活量级已达到 10 亿（2025 年 3 月）、7 亿（2025 年 7 月）、2.6 亿（2024 年下半年月均）。百度之于搜索、美图秀秀之于图像，大流量 C 端应用的 AI 改造都是上述逻辑。据非凡产研，2025 年 7 月百度 AI 搜索访问量居国内智慧搜索品类第一、美图秀秀的国内访问量 / 存量月活、新增下载量依旧居图像品类第一，且月度收入仍在环比提升。2 原生聊天助手ChatGPT 聊天助手保有较大 C 端用户规模，2025 年 7 月 APP+ 网页端合计月活达 10.15 亿，是 OpenAI 重要 Tokens 调用量驱动因素。3 视频赛道拥有较大用户基础的新兴应用除产品内置 AI 功能、聊天助手外，图像、视频、陪伴、办公、教育赛道内均出现了有较大潜力的 C 端新兴 AI 应用。字节跳动进行多维度布局，推出醒图 / 星绘（图像）、即梦（视频）、猫箱（陪伴）、豆包爱学（教育）等 AI 应用。其中醒图、即梦 7 月月活达到 4924 万（当月收入 59 万美元）、1393 万（当月收入 58 万美元），已成为图像、视频赛道内拥有较大用户量级的产品；猫箱 7 月月活 794 万，当月收入达 112 万美元，商业转化效率较高。例如接入 gpt-image-1、Leonardo.AI 的 Canva，用于文生图、文生视频、图像补全等除文本模态外的编辑、生成场景。根据 Gemini、Kimi 等大模型的折算口径，单张图片的输出（输入）tokens 消耗量在 1024（kimi）— 1290（Gemini）之间。B 端 tokens 调用量主要源于企业级 AI 应用。其所呈现出来的特征，一是渗透率较高，Google 发布的 " 全球 601 个领先企业 AI 应用案例 " 显示，各大规模的企业已开始尝试将生成式 AI 投入生产，涉及汽车与物流、商业与专用服务、金融服务、医疗与生命科学、酒店与旅游、制作、工业与电子、媒体、营销与游戏、零售、科技、通信、公共部门与非盈利组织 "11 大行业。二是基模厂商的 B 端收入比例较大。数据预测 2025 年 OpenAI 来自 B 端的 ARR 收入占比达 54%；Anthropic 占比达 80%。谷歌透露 Gemini 企业客户超过 8.5 万家，推动调用量同比增长 35 倍；火山引擎大模型收入 2024 年在国内公有云市场中份额排名第一，占比达 46.4%（外部使用量，不包括豆包等内部 APP）。技术迭代解锁应用需求越来越多的 tokens 调用量，并非因为更大参数的大模型，而是推理增强、多模态、Agent 化、长上下文转型共同作用的结果。用一句话概括既是：技术迭代解锁应用需求。以 GPT-5 和 Grok4 为例：GPT-5 把 " 更强的推理能力（通过引入 test-timecompute）+ 多模态 + 更长上下文 + 更严格的安全控制等 " 置于产品默认层面；Grok4 核心升级则是把 " 原生工具调用 + 多代理协同推理 + 超长上下文等 " 做成一个可商用产品。GPT-5 和 Grok4 如此设置的目标，是希望借助技术迭代增强 AI 在更复杂、更具备 " 生产力 " 的关键场景下的实用性、准确性，并且使得 AI 应用加速落地。举个例子，假设原来 1 轮客服对话服务消耗 200tokens，升级后客服问答场景中的大模型推理过程将扩展成：客户意图澄清 + 内部知识库检索 + 逻辑校验 + 答案润色 4 个环节，即 4 轮内部推理，每轮 150～200tokens，最终消耗 600 至 800tokens。类似的案例在对应的推理增强、多模态、Agent 化、长上下文转型中都能找到，其最终结果是双向增强，存量 AI 应用场景的解决方案更好，对应的 tokens 调用量也倍数增长。随着技术趋势的不断推进，大量原本因 " 不准、不全、不落地 " 而被搁置的需求将被解锁。当准确率、可控性跨过可行性线后，用户特别是 B 端企业（有生产力场景需求）或将从观望转为批量采购。总结起来就四点，推理增强把能用变成敢用、多模态把单点工具变成端到端工作流、Agent 化把对话变成可审计的业务系统、长上下文把项目级任务放进模型。与此同时，虽然 tokens 调用量倍数增长，但定价却是直线下降。比如 xAI 的 Grok-4-Fast，输出百万 Token 仅需 0.5 美元（约 3.5 元人民币），但比起国内基模厂商来还是不够狠，去年 9 月阿里通义千问主力模型最高降价 85%，Qwen-Turbo 低至 0.3 元 / 百万 Tokens。其中一部分原因是基模厂商的价格战，让 " 一百万 Tokens 的钱 , 都买不了钵钵鸡 "，也有一部分是因为模型厂优化算力成本的结果。2024-2025 年，为优化大模型算力成本，模型厂商进行了压缩大模型单次推理计算量（稀疏化、量化、投机解码）、提升 GPU 利用率（连续批处理、编译器融合）以及换用租金更便宜的云、芯片（国产替代、专用 ASIC）等方面的尝试，平均 tokens 定价实现了较大降幅。此外模型厂商还进一步通过 " 模型分层 + 价格分层 " 的多样化策略压低模型的使用门槛，让中小预算客户也可接入，比如：OpenAI 用 GPT-5-mini/nano 覆盖轻量场景；Google 以 Gemini 2.5 Flash 主打 " 极速低价 "；Anthropic 用 Claude 3.5 Haiku 提供中等规模、高性价比选项等。因此一个 AI 飞轮就已成型，当模型使用成本下降，企业 / 个人调用 ROI 随之上升，更多应用需求从观望向采购转化，促进 tokens 调用量倍数增长的同时，AI 应用随之迎来生态繁荣。Token 经济学就意味着，可以直观的获得以下几个关键进展的洞察：成本与经济效益的量化、技术效能与模型能力的评估、应用场景的深化与演化以及商业模式与市场格局的清晰化。其中成本与经济效益的量化是最直接、最商业化的意义。尾声如果把 AI 大模型想象成一个 " 知识电厂 "，Token 就是它发出的 " 度电 "，你的提示词就是 " 合上电闸 " 的指令，AI 应用开发者就像是 " 家电制造商 "。从 Tokens 角度跟踪进展，就相当于电力公司和社会在跟踪：全社会总用电量（AI 应用的总规模）增长了多少？哪种家电（哪种 AI 应用）最耗电（消耗 Token 最多）？发电技术是否进步了（模型效率）？每度电的成本是否下降？新的高能效家电（高效的 AI 应用）是否被开发出来？从 Tokens 角度跟踪 AI 应用落地进展，意味着 AI 行业正在走向成熟、务实和工业化。它摒弃了早期对参数规模和技术炫技的过度关注，转而聚焦于一个更根本的问题：如何以可承受的成本，可靠地利用 AI 能力来解决实际问题并创造商业价值。这标志着 AI 不再是实验室里的玩具，而是真正成为了驱动下一代技术和商业创新的基础效用。作为从业者、投资者或观察者，理解 Token 经济学，就如同在互联网时代理解带宽成本一样，至关重要。