复仇者联盟2
对话软通动力霍宇：Token市场爆发，B端才是真正的“主战场”_我的网站
A | AI摘要 民调显示卢秀燕在台中满意度居首，远超赖清德等人。凭借执政优势及灵活蓝白合作布局，她被视为国民党2028大选最具竞争力人选。 台中长期是台湾政坛关键摇摆选区，过往八次“大选”蓝绿各取四胜，票型走势堪称全台选举缩影。2026年台中市长选举不仅牵动县市执政版图，更被视为2028“大选”最重要前哨战，直接影响国民党参选人选布局。最新民调显示，台中市市长卢秀燕在台中拥有绝对民意优势，远超台湾地区领导人赖清德、国民党主席郑丽文等人，叠加灵活的“蓝白合作”布局，已成为国民党2028“大选”最具竞争力的人选。 新台湾智库17日公布最新台中市政及选战民调，2026台中市长选情方面，国民党参选人江启臣支持度达42.8%，小幅领先民进党对手何欣纯的36.1%。
B | Token市场迈入“爆发元年”。截至2026年3月，我国Token日均调用量已突破140万亿，较2024年初实现超千倍增长；与此同时，科技巨头AI大模型API价格陆续下调，最高降幅达99%。在当选看好度上，江启臣优势更为悬殊，以48.2%大幅胜过何欣纯的23.6%，守住台中蓝营执政底盘的概率更高。
C | 纵观历年“大选”数据，台中拉锯特质极为鲜明。1996年、2000年、2008年、2012年四次“大选”，泛蓝阵营均在台中取得票型优势。
D | 2004年绿营小幅险胜，2016年、2020年、2024年连续三次“大选”，民进党拿下台中选票优势，赖清德2024年更是在台中以37.58%得票率，胜过国民党对手侯友宜的32.37%。蓝绿长期五五波的格局，让2026台中选战的结果极具战略参考价值，更直接左右卢秀燕冲击2028“大选”的资格与声势。 本次民调同时曝光了台中地区核心政治人物满意度，差距十分明显。 向上的需求与下行的单价，共同将Token经济推向全新的发展阶段。
E | 台中市市长卢秀燕施政满意度高达53.9%、不满意度36.5%，是所有受访政坛人物中唯一突破五成支持度的人选。对比之下，赖清德满意度仅39.3%、不满意度48.5%，台行政机构负责人卓荣泰满意度37.9%，郑丽文仅有30.3%、不满意度高达49.1%。 针对2028“大选”模拟对战格局，民调凸显卢秀燕的绝对优势。若由卢秀燕对决赖清德，其台中满意度领先对手14.6个百分点。若换由郑丽文对战赖清德，郑丽文满意度反而落后赖清德9个百分点。两人民意基础的巨大落差，让卢秀燕的2028年出线优势彻底拉开。
F | 带着对Token行业未来范式的探寻，财闻走访了位于北京中关村软件园的软通动力集团全球总部。 在软通动力大厦的一层，科技感十足的展厅生动记录了这家软件企业向 AI转型的历程。 此外，民调也针对台中前后任市长执政表现进行对比，45.5%的市民认为卢秀燕施政更优，仅34.5%认可前台中市长林佳龙的执政成果。 这家从IT服务起家的公司，在2024年完成对同方计算机业务板块的战略并购后，整合“软实力”与“硬科技”，正全力转向“软硬件一体、全栈智能”的新叙事。即便历经猪瘟疫情、近期毒油食安风波等重大争议事件，卢秀燕在台中依旧稳住过半支持，县市基本盘丝毫未被动摇。 软通动力展厅一角 曹井雪/摄 真正站在AI落地最前线的，是软通动力Token智能事业本部负责人、高级副总裁霍宇。
G | 这位长期泡在To B业务一线的老兵，一边把握着最前沿的AI技术，一边链接着企业最真实的需求场景，这也让他对Token经济有更为独到的理解。 霍宇照片 图源：采访者供图 公共资源，是很多人对Token未来属性的判断。然而，霍宇却觉得这个类比“并不严谨”。
H | 其深耕基层、深得中间选民信任的执政品牌，是现阶段郑丽文难以替代的核心政治资产。
I | 在关键的“蓝白合”战略布局上，卢秀燕的操作也更为灵活务实。
J | 据他分析，目前Token“标准化”程度不足，且不同场景对模型和Token的需求差异显著，因此难以达到标准化程度高的公共资源水平。不同于台北市长蒋万安严守界线、不替民众党个别参选人站台的保守策略，卢秀燕将台中定位为全台首个“蓝白合作”示范区。
K | 他以大模型举例，高价模型与低价模型之间的质量可能会有极大的差距。她明确辅选核心以国民党候选人为主，但不封闭合作空间，民众党现任议员若发出邀请，她仍会站台力挺，持续维系跨阵营良性互动。同样地，Token市场方兴未艾，龙蛇混杂。 稳健的县市执政口碑、碾压级的区域民调优势、弹性的“蓝白合作”布局，多重优势加持之下，卢秀燕已稳居国民党2028“大选”热门人选之列。如花大价钱买来的高性能Token，但背后实际调用模型版本可能与宣传不一致，这会导致运行的速度、稳定性等受到负面影响。2026台中选战的最终结果，将进一步巩固其声势，成为她角逐“大选”的关键入场券。
L | C端用户对此感知并不明显，而B端的任何一次中断都可能转化为直接的经济损失。 “企业愿意为高质量、不间断、高性能的Token服务付费。”Token的热潮虽被C端驱动，但真正的“战场”却在B端的生产级应用。AI正改变着企业的发展方向，同时也重塑着人才格局。 以下是访谈全文： 企业尚处于探索阶段，“Token不经济”仍在持续 财闻：近期，“Token不经济”的说法也引发热议——企业消耗Token产生的成本可能超过实际收益。
M | 你判断这是短期失衡，还是会长期存在？ 霍宇：这种现象还会持续一段时间。AI的演进速度极快。
N | 2025年我们有一个很深的感触——无论是内部研发的产品，还是协助客户做的项目，往往刚完成开发，立项流程都还没走完，技术已经过时了。
o | 这本质上是企业必须交的一笔“学费”。就像持续学习一样，刚掌握的知识可能已不是最前沿的，我们必须不断向上探索。但如果不迈出这一步，与先进技术之间的鸿沟就永远无法跨越。 AI还有一个特殊的门槛，就是“体感”。
p | 没有真金白银的投入和实际应用，企业就无法真正摸清它的能力边界。
q | 企业的天性追求“成本—收益”的确定性，而AI是基于概率的生成式系统，与传统的确定性程序逻辑截然不同。要把这两种逻辑融合到业务流程里，势必涉及组织架构乃至思维方式的重构，这需要相当长的时间。 因此，当下阶段，“投入大于产出”的局面难以避免。 财闻：这个“学费”要交到什么时候？是Token单价降到足够低，还是企业的应用能力追上来之后？ 霍宇：两方面因素都在起作用。Token降价是大势所趋。目前国内厂商的主流路径就是降本增效，今年以来业界发布的几项新技术，几乎都指向降低成本和架构优化。 但更关键的，是企业必须想清楚一个根本问题——AI到底能做什么。 AI的本质是概率性智能，而非确定性工具。其优势在于寻找最优路径，它拥有无限可能，同时也伴随着幻觉的副作用。 这意味着，大量确定性业务场景其实并不需要调用最昂贵的模型。但行业目前的普遍习惯，仍然是直接追逐市面上最顶尖、最贵的模型，这造成了许多不必要的成本消耗。 真正追求投资回报的企业，必然会转向更具性价比的模型和私有化部署。开源模型生态如今十分活跃，一旦部署在自有服务器上，竞争的维度就不再是Token的按量消耗，而是算力、芯片和电力成本——这本质上是资本性支出的逻辑：一次性投入算力完成部署，长期享受收益。
r | 不过，这一转变不会像外界想象的那么迅速，目前整个产业还处在早期探索阶段。这一轮AI热潮最初是由消费端驱动的，个人开发者、自媒体和小型团队在探索中受益显著，而真正的企业级大规模应用还很有限，产业红利尚未真正释放。 标准化程度不足，Token产品尚不具备公共资源属性 财闻：此前Token降价趋势明显，有观点预测Token将像“电力”一样逐渐成为公共资源。你如何看待这一类比？在你看来，Token的定价模式和资源属性最终会走向何方？ 霍宇：这个说法并不严谨。云计算刚兴起时，同样被预判会像水电一样成为公共资源，但发展了近二十年，这一预期仍未实现。 一个重要误区在于，水电是高度标准化的产品，分类相对简单。而一家大厂关于云服务的产品就多达数百款，Token服务的种类同样极为繁杂。产品标准化程度不足，想要成为基础设施，进程自然会慢得多。 未来，Token很可能会走向两极分化。一类类似“民用电”——企业部署本地模型，首要考量是数据安全与稳定执行，而非追求参数最优；另一类则像“超高压电”——最顶尖的模型，但可能仅面向少数企业开放，某些能力过强、存在风险的模型并不会向所有人全面放开。（例如最新版本的Claude Mythos，由于其能力太强、存在安全防控风险，因此不向所有人开放。） 价格低廉的模型一定会出现，而且会越来越多。 财闻：你提到Token市场“不够标准化”，具体体现在哪些方面？ 霍宇：目前市场较为混乱。同样是调用某个模型，官方原版的服务和第三方渠道提供的版本，质量可能天差地别。背后的缓存命中率、推理优化技术、服务保障水平都不一样，有些甚至卡到一字一顿，根本无法正常使用。 更严重的是，部分渠道声称提供的是某款主流模型，实际调用的却是参数量更小、成本更低的版本；还有通过非官方渠道带来服务质量差异的情况。这就导致用户产生误判，觉得“这个模型怎么变笨了，连简单任务都处理不好”。 打个比方：就像电动车，不同厂商的差距不只在于电机本身，座椅、中控、内饰等周边配置的组合协同，决定了车主的真实体验。Token服务不能只是一台裸露的电机，而是一整个配套的设备。如果只给企业一个基础引擎，让企业自行组装，最终结果可能根本无法运行。这就是标准缺失带来的问题。
s | 财闻：这种混乱的市场格局，根源在哪里？ 霍宇：根源在于，Token经济此前是由C端市场驱动的。
t | 消费级娱乐场景对服务中断有极高的容忍度，但进入生产环节后，任何一次中断都可能转化为直接的经济损失。
u | 那些估值位居前列的企业级Token平台，核心竞争力正是提供附带SLA承诺的API服务，保障不中断、有赔付。而C端服务普遍缺乏这类承诺，服务器一旦繁忙，对话可能直接中断。 当前，Token的使用正在从C端转向B端，真正的“战场”在企业级市场。
v | 市场之所以看好AI，是因为发现企业愿意为高质量、不间断、高性能的Token服务付费。企业购买的并非智能本身，而是可靠、稳定、有兜底保障的一整套能力。
w | 软硬件一体服务在AI市场仍较稀缺 财闻：科技大厂与运营商都在布局Token业务，软通动力与它们相比，核心差异在哪里？ 霍宇：科技大厂是强产品导向、技术导向。它们的AI研究员成本高昂，但让这些从事前沿研究的人才去做企业AI落地，往往并不匹配。
x | 大厂推出的AI产品整体上依然是像“运营专家”等偏重C端的工具。
y | 而打开我们的专家广场后，看到的是“智能化养猪”“智能仓库分拣”。这些场景或许不那么新潮，但解决的却是一个一个的B端真实问题。所以，我们最核心优势在于大企业客户和软硬一体。目前市场上能够提供软硬一体AI服务的公司并不多，许多AI企业硬件能力很强，但与客户之间还隔着较远的距离。 软通动力睿动智能体云平台专家广场 财闻：软通动力自研Token业务的同时，也战略投资了硅基流动。内外两个生态如何协同？ 霍宇：硅基流动侧重于生产侧和推理优化，拥有独特的技术能力，并且对所有模型保持中立。软通的优势则在于更贴近客户——无论是IT服务还是硬件交付，都是直接面对客户的某个具体场景或功能模块。
z | 我们的客户需求十分多元，不会只锁定某一个模型，往往需要同时接入多种不同的模型，与硅基流动的互补性很强。 财闻：你负责的Token智能事业群，在整个战略中扮演什么角色？ 霍宇：我们事业群的前身就专注于智能体业务，为企业提供定制化的智能体服务。在积累了众多案例之后会发现，仅凭Token本身，很难满足许多复杂场景下的客户要求，必须在源头上进行把控。 因此，业务链条自然延伸到了Token的全生命周期，包括聚合、分发和治理。 “Token治理”是当前很多客户关心的议题：投入了大量成本购买Token，效果究竟如何？回报体现在哪里？是否存在资源浪费？我们要做的，就是把每一环都管理起来——Token来自哪里，分发到了哪个环节，最终用在怎样的场景，以及场景匹配什么模型就足够。
| AI时代改变企业人才需求 财闻：软通动力的AI业务当前处于什么发展阶段？何时能带动公司整体业绩反转？ 霍宇：我认为目前还处于“战略跟进阶段”。当下AI领域的人才和算力仍然是稀缺资源，成本高企是处于AI转型中的企业普遍经历的境况。只要决心投入，现阶段的投入产出比普遍不够亮眼。但关键在于，要不要跟进？大部分企业的共识是：必须跟进。 AI不是一次简单的技术迭代，它可能带来整个产业的重新洗牌，真正进入“卖铲子”的阶段，才是真正开始赚钱的时候。
| 财闻：对比转型前后，软通动力为客户解决问题的场景和能力发生了什么变化？ 霍宇：我们服务的场景并没有本质变化，但智能化程度截然不同。 过去我们解决的是信息化的问题，随后进入数字化阶段，如今则迈向智能化阶段——核心目标要么是持续提升效率，要么是帮助客户获取更深层次的业务洞察。
| 从宏观层面看，企业的核心刚需始终未变：提效、降本、打造生态链、拓展业务边界。 真正发生巨变的，是对人才的要求。
| 以往到客户现场，面对的是确定性问题，解决方式在某种程度上是依靠增加人力数量来解决。 但现在随着AI的应用，客户会对单个业务员提出更多需要解决的需求。要回答这个问题，需要敏锐的洞察力、创造力、深厚的行业理解，还需要出色的沟通表达技巧和技术动手能力。国内企业想要FDE（Forward Deployment Engineer，前线部署工程师）人才——每个人都必须同时是行业顾问和技术专家。这是一个对综合素质要求极高的角色。 财闻：那这些复合型人才是外部招聘还是内部培养？ 霍宇：两种方式都有，但目前人才市场热度极高，供给看似充足，实则良莠不齐，真正合适的人选并不好找。有过真实项目落地经验、具备实际体感的人，在各家企业都十分稀缺。 因此，我们主要还是从现有员工中选拔优秀骨干。那些真正带过项目的高级项目经理和高级架构师，本质上每个人都是FDE，只是目前还没有足够多的AI落地项目让他们反复锤炼。
| 一旦有机会做成三四个项目，这种体感就会逐渐建立起来。 财闻：有一种说法是，AI时代软件行业会被颠覆性地替代，你怎么看？ 霍宇：对此不必过度担忧。软件行业并不会消亡，只是进入门槛将显著降低。AI目前最具价值的应用场景之一就是编程，未来的工作方式可能是：你只需将需求描述清楚，软件即可快速生成。 正如蒸汽机出现后，制造业非但没有消失，反而吸引了更多人涌入。我们很多员工现在也在使用AI辅助编程、撰写方案、进行分析，AI让软件开发变得前所未有的高效。我们当前所做的许多工作，本质上是在推动软件的标准化程度不断提升。 过去软件行业迟迟未能形成“工厂”概念，正是因为标准化水平不够。
| 而这一轮AI浪潮，本质上正在让软件实现批量生成。
Current article:http://her8w.nuanfanggushuazenxiachuan.buzz/news/20260826_427089.html
Published on:05:00:26
