2026年上半年，人工智能行业的两个关键词无疑是“智能体”与“Token消耗”。前者标志着大模型正从单纯的“回答问题”向“执行任务”演进；后者则试图通过延长上下文、增加推理步骤和高额的Token消耗来换取更复杂的能力。然而，Token消耗的狂欢很快暴露了其局限性。为了追求“AI原生”的转型指标，部分企业将Token用量直接纳入团队KPI。结果导致调用量激增，但实际产出、任务完成率和商业回报却并未随之提升。行业开始反思：Token的价值究竟源于消耗规模，还是它所嵌入的产品、工作流或组织系统中？
7月17日晚，在上海举办的2026世界人工智能大会（WAIC）期间，由腾讯新闻、腾讯科技主办，腾讯华东总部及腾讯云智能特别支持的“腾讯WAIC之夜”上，一场关于AI未来的圆桌论坛拉开帷幕。腾讯科技高级编辑、AI未来指北主理人郭晓静主持了首场圆桌，邀请昆仑万维董事长兼CEO方汉、出门问问创始人兼CEO李志飞以及沐曦股份联合创始人、CTO杨建，围绕模型、产品与组织三个维度，深入探讨了Token消耗热潮退去后浮现的新议题。
**一、 Token消耗的迷思与编码场景的爆发**
方汉指出，Token消耗量虽易于统计，却极易失真。昆仑万维内部曾监测员工Token使用情况，结果发现员工为了达标，甚至会将整本《红楼梦》输入模型以快速消耗Token。这证明了Token能证明“使用了AI”，却无法直接证明AI创造了多少价值。他认为，推动Token需求爆发的并非单纯增加调用次数，而是Claude Code等编程智能体建立了更完善的“Harness”。模型通过长上下文、工具调用、代码执行和持续反馈，才得以连续完成复杂任务。Coding因此成为目前Token消耗最密集、商业化最清晰的场景之一。所谓的“Tokenmaxing失败”，实则是将消耗量简单等同于能力增长、产品价值和组织转型结果的叙事已经失效。只有当Token进入稳定的工程框架、明确的业务流程和可验证的场景时，才能真正转化为生产力。
杨建则从更长远的时间尺度审视这一变革，认为人类正进入“知识生产和知识创造不再主要由人类完成”的时代。当机器接管解题，人类的核心价值转向发现问题、定义问题和组织资源。在企业内部，他主张将AI“关进笼子”，强调不可预测性要求企业对所有AI能力进行审核，通过沙箱隔离操作，并逐层规划数字员工的岗位、权限和职责。
**二、 从超级个体到超级组织的跨越**
李志飞认为，判断一家公司是否成为“AI原生组织”，不应只看员工用了多少Token，而应看智能体是否已从辅助工具和“实习生”转变为组织中的正式员工。他观察到，过去一年出门问问将员工规模从约300人缩减至150人，同时推出了两款新产品，预计今年整体产出可达上一年的4倍。真正的挑战不在于让个人学会使用Agent，而在于将AI“内化”为组织能力。李志飞强调，多个人同时指挥多个Agent，并在共享上下文中并发工作，才是超级组织的核心。如果公司的排期、审批和协作信息流仍沿用旧体系，个人效率的提升无法自动转化为组织生产力的提升。
郭晓静问及李志飞是否遇到过组织惯性的阻力。李志飞坦言，阻力最初非常大，他曾要求研发团队必须由AI完成代码，不得手写，甚至要求工程师在半小时内完成过去一周的工作。这挑战了一些工程师的价值认知，导致部分人离职。经过筛选和磨合，留下的团队逐渐适应了全栈工作，产品经理甚至可以直接修改和上线简单代码。李志飞指出，从产研部门向非产研部门推广时阻力反而更小，因为市场、人力等部门不再依赖研发，而是直接指挥Coding Agent，学习意愿极强。程序员有时反而最不愿意协作，他们习惯单打独斗。因此，AI原生组织的难点，不在于个人使用AI，而在于重新建立人与人、人与Agent之间的协作方式。
**三、 激进、保守与中间路线的组织变革**
郭晓静询问杨建是如何推动组织变化的。杨建表示，他不能只做超级个体，必须从公司层面建立安全规范。作为一家服务大量大型客户的企业，安全与稳定是前提。他强调将AI“关进笼子”，所有AI能力必须经过审核，操作需通过沙箱隔离，数字员工的职责需由组织逐层规划。同时，AI也会让员工展现出过去未被发现的潜力，他鼓励员工跨团队流转，寻找更适合自己的位置。
方汉则提出了中间路线。他认为杨建的方式相对保守，而李志飞的方式相对激进。昆仑万维采取了自上而下的策略，向中层干部传递“不适应AI将被淘汰”的信号，并通过考试将AI工作流引入团队。方汉个人在2026年消耗了约290亿Token，主要用于撰写PPT和研究文档，以理解模型能力并指导中层管理。此外，他建议在所有工作群中加入学习型Agent，通过工程化方法管理群体记忆，确保团队共享一致的上下文。
**四、 未来资源投向何方？**
在关于未来资源投向的讨论中，杨建和李志飞都倾向于“产品”，认为这是技术能力的最终载体。杨建指出，国产算力在部分训练场景中的探索其实早于通用推理场景。李志飞则认为，未来的产品壁垒将更多来自数据壁垒和网络效应，而非传统的规模效应。一个高价值的Coding用户创造的收入，可能相当于大量普通聊天用户。
方汉则坚持选择“模型”，认为Scaling（规模效应）的红利仍有巨大空间，尤其是视频、音频、具身智能等新领域，模型能力的持续提升将催生新的产品形态和产业机会。他认为，模型和算力仍然是AI公司长期立足的基础，平台、产品和模型之间需要形成闭环。
