Token先锋 筷子科技陈万锋：一家企业消耗多少Token，正在决定它的AI未来
Token正在成为衡量企业AI落地的新指标。从工具使用到生产系统重构，AI正通过Agent、Workflow进入企业核心业务，推动组织效率与商业模式全面升级。
2026年，我越来越关注一个过去企业管理者很少讨论的指标：一家企业，每个月到底消耗多少 Token ？
过去两年，我们判断一家企业是不是重视AI，常常看几个很直观的东西：买了多少AI工具，有多少员工在用GPT、Claude、豆包、Kimi，有没有自己的AI团队，有没有做Agent，这些当然都重要。
但最近我越来越觉得，这些指标更多回答的是“有没有使用AI”，却没有真正回答另一个更重要的问题： AI究竟有没有进入这家企业的生产过程？ 一家公司买了1000个AI账号，不代表1000个人真的在使用；做了几十场AI培训，也不代表工作方式发生了变化；甚至做出了几个很漂亮的AI Demo，也不代表AI已经进入真实业务。
所以最近我提出了一个自己也在不断验证的想法： Token消耗量，也许会成为观察一家企业AI化程度非常重要的新指标。 因为Token背后不是一个抽象的技术概念，只要AI真正开始工作，它就一定会消耗Token。
员工在用大模型分析客户需求，消耗Token；Agent在自动处理任务，消耗Token；AI在生成图片、视频和广告素材，消耗Token；企业把AI接入 Workflow ，让它每天自动处理成千上万次任务，同样消耗Token。
当然，Token多绝不等于AI能力强，更不等于商业价值高。但反过来说，如果一家号称正在全面AI转型的企业，每个月真正消耗的Token非常少，那么至少值得问一句： AI究竟进入了多少真实的工作？ 这也是我为什么想做《Token先锋》。
我希望找到一些已经真正把AI放进生产过程中的公司，不只是谈趋势、谈模型、谈未来，而是把账打开一点： 你们到底用了多少Token？用在哪里？为什么增长这么快？花了多少钱？最后又创造了什么？
第一期，我找到了筷子科技创始人 陈万锋 。一个月几千亿Token，这个数字让我重新理解AI视频，筷子科技长期做商业视频和内容生产，这几年正在快速转向AI内容生产。
这次采访中，陈万锋告诉我一个数字，让我印象很深：目前 筷子科技 一个月的Token消耗已经达到几千亿级。当然，这里必须解释一下。他们消耗的并不是我们平时和ChatGPT聊天时主要使用的文本Token，而大量来自图片、视频等多模态生成，因此成本结构和普通文本调用完全不同。
按照陈万锋的说法，目前单月相关Token支出已经达到数千万元级别。更有意思的是增长速度。我问他：“一年前和现在相比，大概是什么规模？”他说：“现在大概是一年前的50倍，甚至100倍。”
我又问：“那明年呢？”他的判断更加激进： 如果AI视频商业化继续按照现在的速度发展，到明年同期，Token消耗还有可能再增长十倍。
这个预测最后准不准，我们可以一年以后回来验证。但真正值得关注的，其实不是“几千亿”这个数字本身，而是这些Token到底消耗在哪里。
陈万锋告诉我，筷子科技最大的Token消耗，并不是员工内部使用AI，也不是程序员用AI写代码，而是 客户真正通过产品进行商业内容生产。这一点很重要，因为它意味着AI已经不只是辅助员工提高效率，而开始成为生产系统的一部分。
这也是我理解的“烧Token”真正开始有意义的地方： 不是为了使用AI而烧Token，而是业务开始烧Token。
01
从买AI工具，到让AI进入工作流
我最近和很多企业交流AI转型，发现一个非常普遍的问题。过去一年，很多公司的第一阶段都差不多：买账号、上工具、培训员工、鼓励大家使用AI。
这些事情做完以后，很快会进入第二个阶段： 为什么大家还是按照原来的方式工作？原因可能并不复杂。因为工具变了，但Workflow没有变。
过去一个市场部员工，要自己打开几个软件、找资料、写Brief、做PPT、找代理公司、改内容。现在给他一个大模型，他可能只是其中某一步快了一点。组织本身并没有变化。
这次陈万锋谈到的FDE（Forward Deployed Engineer）模式，我觉得很值得企业管理者关注。
我问他：“传统的软件，是企业买一个系统回来，然后员工学习怎么使用。你现在讲FDE，最大的变化是什么？”
他的回答很直接： “以前是企业学习软件，现在是AI学习企业。”
传统 SaaS 的逻辑，本质上是软件公司总结出一套行业共性的流程，然后告诉企业：你按照我的流程来工作。但是现实世界并不是这样。
汽车公司的营销流程、消费品牌的内容流程、广告公司的创意流程，即使表面上都叫“内容生产”，背后的SOP、经验、素材、审核标准和决策逻辑都可能完全不同。
过去企业如果希望把这些东西定制成一套系统，往往需要咨询公司、产品经理、开发团队一起参与，成本很高，周期也很长。而大模型出现以后，这件事情正在发生变化。
企业可以把自己的SOP、流程节点、内容库、素材来源、判断标准逐步整理出来，让AI理解这些信息，再形成适合自己的Agent和Workflow。
比如一家服务汽车客户的广告公司，过去可能有一套成熟但没有被写下来的方法：收到Brief以后怎么分析，历史案例去哪里找，什么情况下需要重新沟通客户，创意怎么产生，什么内容不能出现，第一轮谁审核，第二轮谁修改，最后怎么进入投放。
过去这些能力大量存在于人的脑子里。 未来真正重要的一步，是把人的经验转化成AI能够参与执行的工作流。 这其实已经不是“会不会用AI工具”的问题，而是组织设计问题。
02
所以，我为什么越来越关注Token？
聊到这里，我又回到了Token。因为如果AI真的进入Workflow，会发生一个很自然的结果：Token消耗会迅速增加。
一个员工偶尔打开ChatGPT问十个问题，消耗不了多少Token。但是如果一家公司每天有几十个Agent在后台运行，自动读取资料、理解需求、调用模型、生成内容、检查结果、再次修改，再进入下一个流程，Token消耗量会完全不一样。
这也是为什么我认为，未来管理层可能需要开始看一张过去从来没有看过的报表：企业Token消耗表。哪个部门用了多少？哪些业务用了多少？增长速度是多少？平均每一个任务消耗多少？
这些Token对应了多少收入、多少内容生产、多少人力节省，或者多少新的业务机会。甚至未来我认为，Token很可能会像今天企业管理中的云计算费用、服务器费用、广告投放费用一样，逐渐成为一个需要被单独管理的生产要素。
陈万锋也认同这个方向。他告诉我，未来企业级AI平台很重要的一项能力，就是帮助公司统一管理Token资源。
公司可以统一采购，再按照部门、团队甚至个人分配；管理层能够看到哪些团队使用得更多，哪些业务产生的Token更多，以及这些Token最后创造了什么。
但这里有一个很容易走偏的地方。我专门问他：“未来是不是可以用Token数量评价一个员工？”他说： “不能。Token只是过程指标，最后一定还是看业务结果。” 我很认同这一点。
如果一个员工一个月烧掉1000万Token，却没有创造任何结果，这不是AI能力强，而可能只是浪费。所以我现在更愿意把企业AI能力理解成一个简单关系：
Token投入 × Workflow深度 × 业务结果。
Token告诉我们AI有没有真正工作；Workflow告诉我们AI进入了多深；最后的业务结果，才决定这些投入有没有价值。
03
未来不是选“最强模型”，而是给每一个任务找到合适的模型
我们又谈到了另外一个企业现在非常关心的问题：模型这么多，到底应该选谁？
GPT、Claude、Gemini、DeepSeek、Kimi，以及大量图片和视频模型不断出现。很多企业现在很容易陷入一种“模型焦虑”：是不是应该接更多模型？是不是最新模型一定更好？
陈万锋的观点是，企业端和消费者端完全不同。消费者可能喜欢一个平台里有很多模型，可以不断尝试；但是企业真正关心的不是模型数量，而是： 这个任务，用哪个模型最合适。
比如同样是视频。一个品牌要做一条重要的年度宣传片，可能需要影视级的生成质量，对人物、镜头、情绪和细节控制要求都很高。但如果一家电商公司每天需要生产几万条商品短视频，逻辑完全不同。它更在乎速度、稳定性和单位成本。
所以未来企业AI平台真正重要的能力，未必是“我接入了100个模型”，而是能够判断： 在什么场景下，用什么模型，以什么成本，得到什么质量的结果。 这其实很像今天的供应链管理。不是永远购买最贵的原材料，而是根据不同产品、不同客户、不同场景配置最合适的资源。
我还特别问到了视频生成中的480P、720P、1080P。陈万锋说，如果只是大规模商品铺货，完全可以采用成本更低的方案；但如果涉及品牌内容、人物、剧情、情绪表达，高质量模型依然非常重要。
企业最终要算的不是“哪一个模型最便宜”，而是： 这个任务值得花多少钱？这是一个ROI问题，而不只是技术问题。
04
AI成本下降以后，最大的机会可能不是“省钱”
这是这次采访中，我自己特别想强调的一点。今天很多企业谈AI转型，第一个理由都是：降本增效，这个当然没有错。
过去拍一条商业视频，需要导演、摄影、灯光、场地、演员、后期，一整套生产体系；今天一些标准化内容，AI已经可以把生产成本降低到几十元、几百元。
但是如果我们只看到“原来10000元，现在100元”，可能反而低估了AI。因为真正重要的变化可能是：过去因为10000元太贵，所以根本不会生产的内容，现在因为只需要100元，开始被生产了。
这是两个完全不同的商业逻辑。前者叫降本，后者叫创造新的需求。比如过去一个品牌一年只能生产100条视频，未来因为AI可能生产10000条。这9900条新增内容，并不是替代原来的100条，而是以前因为成本太高，根本没有机会存在。
所以我问陈万锋：“对于广告公司和品牌方来说，现在是不是已经到了必须转型的时候？”他的判断是，AI视频已经开始跨过技术验证阶段，进入商业应用阶段。
短剧走得更快，品牌和商业内容才刚刚开始。对广告公司来说，真正的变化也不是“原来10个人做，现在5个人做”。
更大的变化可能是：过去交付一个Campaign，未来交付一套持续工作的内容生产系统。客户买的不再只是一次创意，而是一套不断生产、测试、优化内容的能力。
如果这个变化真的发生，那么它改变的就不仅仅是制作成本，而是整个营销服务行业的商业模式。
05
AI进入组织以后，管理方式也一定会改变
这也是我最近自己一直在思考的问题。过去我们管理一个组织，最核心的资源其实是人。有多少员工、多少工时、多少预算，基本决定了一家公司能够完成多少工作。
AI进入以后，企业第一次出现了另外一种可以被大规模购买、调度和扩张的“生产能力”。
它不完全等于人，也不只是软件。它会消耗Token，会运行Workflow，会调用不同模型，会完成越来越复杂的任务。
这意味着未来企业管理者可能同时管理两套生产资源： 人的时间，以及机器的Token。 而且两者之间还可以相互替代、相互放大。
一个非常优秀的员工，未来可能不是因为自己每天完成100件事情，而是因为他能够设计一个Workflow，调用多个Agent，每天完成10000件事情，而他自己把时间放在判断最重要的那几十件事情上。
所以未来我们评价一个人的AI能力，我认为也不能只是问：“你会不会用GPT？”甚至不能只是问：“你用了多少Token？”
真正的问题应该变成： 你有没有能力把AI组织起来，创造过去一个人无法创造的结果？这可能才是AI时代组织能力真正发生变化的地方。
06
我现在会用三个问题判断一家企业的AI转型
这次和陈万锋聊完，我反而把自己最近一直在思考的问题进一步想清楚了一点。未来如果一家企业告诉我：“我们正在全面AI转型。”我可能会问三个非常具体的问题。
第一，你们一个月到底消耗多少Token？
不是为了比谁烧钱更多，而是判断AI到底有没有进入真实生产。
第二，这些Token烧在哪里？
如果主要是员工聊天、写邮件、做PPT，它依然主要是个人效率工具；如果已经大量进入客服、内容、营销、研发、数据分析以及自动化Workflow，它才开始成为企业生产力。
第三，也是最重要的：这些Token最后创造了什么？
节省了多少时间？降低了多少成本？多生产了多少内容？增加了多少收入？创造了哪些过去根本不存在的新产品、新服务、新客户和新商业模式？
如果这三个问题能够回答清楚，我认为一家企业才真正开始拥有自己的AI生产系统。
所以， Token不是目的，它更像是AI时代企业生产活动留下的一种“痕迹”。没有Token消耗，很难有大规模AI生产。但是只有Token消耗，没有商业结果，同样没有意义。
结语
从“有多少人”，到“有多少人在指挥多少AI”
工业时代，我们经常用员工数量理解一家企业的规模。互联网时代，我们开始用用户数、DAU、流量理解一家公司的能力。
到了AI时代，也许会出现一组完全不同的企业指标：一家企业有多少员工？有多少Agent？运行多少Workflow？每个月消耗多少Token？每一百万Token创造多少商业价值？人的判断和机器的执行又是如何组合的？
这些指标今天还没有形成标准答案。甚至“Token消耗量”是不是一个足够好的指标，我也还在继续观察。
但我越来越相信一件事情： 未来企业之间真正的AI差距，不会来自谁最早买了一个AI工具，而来自谁最早把AI变成了自己的生产系统。
筷子科技一个月几千亿Token，以及一年50倍甚至100倍的增长，之所以值得记录，并不是因为这个数字足够大。真正值得观察的是： 当这些Token越来越多地进入真实商业场景之后，会不会产生一种过去从未存在过的企业生产方式？
从工具，到Agent；从Agent，到Workflow；从Workflow，再到整个组织重新设计。我们现在可能还只是走到了第二步。这也是我做《Token先锋》的原因。
我希望接下来继续寻找那些真正已经开始“烧Token”的企业——品牌、代理公司、内容平台、科技公司，甚至传统企业。不只问他们用了什么模型，而是问得更具体一点： 你到底烧了多少Token？烧在哪里？最后烧出了什么？
这可能比讨论下一代模型又提高了多少参数，更接近企业真正正在发生的AI革命。
这只是第一期的开始。这篇文章，是我和陈万锋这次对话之后的一些记录和思考。事实上，我们聊的内容远不止这些。
为什么筷子科技的Token消耗会在一年内增长50倍甚至100倍？几千亿Token究竟是怎样被消耗掉的？企业应该如何在不同视频模型之间选择？AI进入工作流以后，广告公司和品牌的组织方式会发生什么变化？当Token开始成为一种新的生产资源以后，企业又应该怎样管理它？
很多细节，在文字里很难完全展开。《Token先锋》第一期完整正片也即将上线。
我会在视频里和陈万锋把这些问题聊得更具体，也会尽量保留我们真实交流中的追问、争论和现场判断。欢迎大家关注 “第3种人” 的视频号与公众号，完整访谈，敬请期待。
《Token先锋》也不会只有这一期。接下来，我还会继续寻找中国市场上那些真正已经把AI放进业务、把Agent放进Workflow、把Token变成生产力的企业和团队。
我也特别希望品牌、代理公司以及正在进行AI转型的企业决策者参与进来。
我们不评谁的Token烧得最多，而是想看看：谁真正把Token烧出了生产力，烧出了增长，也烧出了一种新的组织能力。
从一个企业的发展，到一个行业的进化，长期主义从来不是等待时间给出答案，而是在变化中持续寻找确定性。这也是金投赏一直坚持的价值——记录中国商业创意的发展，寻找推动行业前进的力量。