今日研究机构发布行业通报,小扫货：让购物变得轻松愉悦的多功能购物助手

本月相关部门传递重要研究成果,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。智能化维修系统，自动调度服务人员

蚌埠市淮上区、吉安市安福县 ，甘孜炉霍县、焦作市解放区、广西河池市金城江区、东莞市东坑镇、甘孜得荣县、白沙黎族自治县元门乡、内蒙古鄂尔多斯市鄂托克前旗、伊春市汤旺县、成都市邛崃市、厦门市集美区、重庆市綦江区、烟台市栖霞市、中山市小榄镇、济宁市嘉祥县、重庆市巫山县 、揭阳市惠来县、本溪市桓仁满族自治县、郑州市登封市、恩施州巴东县、开封市鼓楼区、杭州市富阳区、陵水黎族自治县光坡镇、红河蒙自市、南平市延平区、松原市长岭县、黔东南黎平县、杭州市建德市

专家技术支援专线,今日官方渠道传递研究成果,小扫货：让购物变得轻松愉悦的多功能购物助手，很高兴为您解答这个问题，让我来帮您详细说明一下：家电企业专属热线，大客户定制服务

衢州市龙游县、齐齐哈尔市铁锋区 ，果洛达日县、德阳市旌阳区、忻州市定襄县、长春市南关区、湘潭市岳塘区、重庆市綦江区、鹤岗市向阳区、泸州市叙永县、绍兴市诸暨市、牡丹江市东安区、南平市浦城县、揭阳市榕城区、安阳市汤阴县、安庆市宜秀区、红河石屏县 、烟台市莱阳市、黄冈市团风县、天水市秦安县、运城市平陆县、成都市双流区、文山麻栗坡县、德州市禹城市、哈尔滨市木兰县、吉林市龙潭区、临汾市汾西县、泉州市金门县、屯昌县坡心镇、成都市青白江区、驻马店市平舆县

全球服务区域: 池州市石台县、温州市瓯海区 、天水市麦积区、常德市津市市、丹东市宽甸满族自治县、衡阳市石鼓区、宜宾市长宁县、茂名市茂南区、衡阳市石鼓区、内蒙古乌兰察布市集宁区、阳泉市盂县、朔州市怀仁市、成都市大邑县、东方市东河镇、文昌市锦山镇、乐东黎族自治县利国镇、双鸭山市集贤县 、德宏傣族景颇族自治州陇川县、安康市宁陕县、绵阳市安州区、汉中市宁强县、武汉市黄陂区

刚刚专家组披露重要结论,今日行业报告披露重大进展,小扫货：让购物变得轻松愉悦的多功能购物助手，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化监督平台，智能优化服务质量

全国服务区域: 大庆市大同区、哈尔滨市通河县 、信阳市浉河区、郑州市中原区、新乡市长垣市、齐齐哈尔市富拉尔基区、宁夏石嘴山市大武口区、广西玉林市福绵区、盐城市亭湖区、宁波市奉化区、广西柳州市柳北区、广西崇左市凭祥市、南京市雨花台区、永州市冷水滩区、榆林市靖边县、开封市祥符区、宁波市江北区 、汉中市镇巴县、福州市仓山区、大连市金州区、周口市西华县、内蒙古通辽市扎鲁特旗、九江市修水县、内蒙古鄂尔多斯市伊金霍洛旗、乐山市市中区、成都市邛崃市、忻州市代县、广西百色市德保县、锦州市古塔区、哈尔滨市五常市、宜宾市兴文县、淮安市盱眙县、宁波市慈溪市、海北祁连县、鹤壁市山城区、镇江市丹阳市、马鞍山市雨山区、青岛市崂山区、内蒙古巴彦淖尔市乌拉特后旗、天津市南开区、阜新市阜新蒙古族自治县

近日检测中心传出核心指标:今日国家机构披露行业新动向,小扫货：让购物变得轻松愉悦的多功能购物助手

随着科技的发展，我们的生活越来越便捷。在购物方面，一款名为“小扫货”的智能购物助手应运而生，它凭借其强大的功能和人性化的设计，成为了众多消费者的心头好。那么，这款名为“小扫货”的购物助手究竟有何特别之处，能让消费者们如此喜爱呢？ 首先，小扫货的多功能性是其一大亮点。这款购物助手不仅能够帮助消费者查找商品信息、比价、推荐优惠活动，还能实现语音购物、智能推荐等功能。用户只需轻轻一点，就能轻松完成购物全过程，大大提高了购物的效率。 在商品查找方面，小扫货通过大数据分析，为用户推荐最符合需求的商品。用户只需输入关键词，小扫货就能迅速找到相关商品，并提供详细的商品信息，如价格、评价、销量等。这样一来，消费者在购物时不再需要花费大量时间去搜索，节省了宝贵的时间。 此外，小扫货的比价功能也让消费者们爱不释手。在购物过程中，消费者常常会遇到多个商家销售同一商品的情况。小扫货能够自动比价，为用户推荐性价比最高的商品，让消费者在享受优惠的同时，还能买到心仪的商品。 在购物体验方面，小扫货的语音购物功能更是让人眼前一亮。用户只需对着小扫货说出想要购买的商品名称，它就能迅速找到并下单购买。这种便捷的购物方式，让消费者在忙碌的生活中，也能轻松享受购物的乐趣。 值得一提的是，小扫货的智能推荐功能也让消费者们赞不绝口。根据用户的购物习惯和喜好，小扫货会为用户推荐相关的商品，让消费者在购物时不再盲目，提高购物满意度。 当然，小扫货的成功还得益于其人性化的设计。在界面设计上，小扫货简洁大方，操作简单易懂。无论是老年人还是年轻人，都能轻松上手。此外，小扫货还具备强大的兼容性，支持多种操作系统，让消费者在使用过程中无后顾之忧。 总之，小扫货作为一款多功能购物助手，凭借其强大的功能、便捷的操作和人性化的设计，赢得了消费者的喜爱。在未来的日子里，相信小扫货会继续优化自身功能，为消费者带来更加优质的购物体验。 与此同时，小扫货的成功也引发了人们对智能购物助手行业的关注。随着科技的不断发展，越来越多的智能购物助手将走进我们的生活，为我们的购物体验带来更多惊喜。而小扫货，无疑将成为这一行业的佼佼者。 在这个信息爆炸的时代，购物已经不再是一件繁琐的事情。有了小扫货这样的智能购物助手，我们可以在短时间内找到心仪的商品，享受轻松愉悦的购物体验。相信在不久的将来，小扫货这样的智能助手将更加普及，让我们的生活变得更加美好。

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。