软件行业：Token 冲击会阻碍 AI 普及吗？

摘要： 本报告探讨了生成式 AI (GenAI) 在企业端普及过程中出现的“Token 冲击 (Token Shock)”现象，即定价模式从固定订阅制转向基于 Token 的消耗定价，导致企业运营成本激增且不可预测，从而成为阻碍 AI 规模化部署的核心经济约束。

行业主线：
企业级 AI 采用的瓶颈已从“技术可行性”转向“经济可行性”。由于 Token 消耗量增长速度超过价格下降速度，导致企业面临严重的 ROI（投资回报率）衡量难题，部分企业因此缩减或取消 AI 项目。

关键变化与分歧：

1. 成本模型转移：从可预测的订阅费转向高度波动的可变成本，Agentic AI 的多步推理使单次交互成本最高可增加 30 倍。
2. 成本与价值脱节：Token 数量衡量的是计算活动而非业务价值，导致 CFO/CIO 难以预测预算并证明 AI 投入的经济合理性。
3. 市场分歧：乐观者认为 Token 价格下降将驱动规模化采用并形成良性循环；悲观者认为 ROI 不足将导致 AI 普及进度低于预期，甚至引发行业泡沫反应。

受益方向与风险：

1. 受益方向：能够提供 AI FinOps 工具、实现模型路由（Model Routing）与推理分层、优化 RAG 架构以降低 Token 消耗，以及采用“基于结果定价 (Outcome-based pricing)”的厂商。
2. 核心风险：企业因预算压力限制 AI 部署规模，导致软件厂商的 AI 收入增长不及预期。