Gartner 今日发文称，随着AI采用不断加速，AI厂商开始越来越频繁地公开token消耗数据，作为衡量市场发展势头和领导力的速记指标，这种现象与日益流行的基于消费的模型定价模式密切相关。

Token和额度逐渐成为计费单位，因此越来越多的企业机构将其误认为是衡量AI能力的指标。在中国市场，激进的免费使用、平台级AI整合以及面向消费者规模的部署，进一步推动了token增长，但同时也使消耗量与经济信号之间的偏离不断加剧。

Token消耗正在被越来越多的AI厂商视作反映AI规模、采用度和市场领导力的信号，但这一指标并不能有效体现业务价值、效率或可持续性。Gartner认为，负责AI的领导者需要正确解读基于token的主张，同时通过更可靠的指标来衡量AI市场的吸引力与风险。

在AI市场——尤其是在中国的AI市场中，token消耗已成为一个备受关注的指标，常被用来反映发展势头、规模和竞争地位。然而token数量在结构上并不适用于评估AI成功与否，反而可能误导企业机构的决策者，主要有以下三点原因：

• Token数量在技术上无法实现厂商之间的直接比较
• Token消耗与业务价值脱节
• 以token为信号会导致错位激励

中国的AI市场清晰地体现了这些矛盾：快速增长的token消耗量并不意味着长期可行性。真正决定长期可行性的，是变现原则、利润率可持续性以及企业渗透率。

因此，负责AI的领导者应弱化token指标，转而通过解决方案能力、决策赋能效果、成本可预测性以及可量化的业务成果来评估AI厂商。

Token指标的根本局限性不在于精度，而在于其所处位置。Token消耗发生在AI价值链的早期阶段，远早于决策的形成或业务成果的实现。因此，token数量反映的是计算活动本身，而非经济或战略影响力，并不能在衡量AI成功或市场领导力时成为可靠的替代指标。

图1显示，token指标位于价值创造的上游，在AI对决策或成果产生实质性影响之前已经完成对系统活动的衡量。正是这种结构性错位，解释了为何即使业务影响尚未清晰或未曾变化，token增长仍会持续上升。

要摆脱这种具有误导性的活动信号，企业机构在治理AI投资时，必须清晰区分成本可见性、决策赋能以及业务成果三个层面。每个层面的指标各有用途，但只有更高层面的指标才能解释AI是否正在创造可持续价值。

随着AI采用在中国市场逐渐成熟，领导者必须避免将计费单位视为成功指标，而应以更接近价值实现的视角来评估AI——例如已完成的任务、决策质量、成本可预测性以及与业务流程的集成程度。

从长期来看，这一转变对于将AI的真实能力与单纯由量驱动的信号区分开来至关重要，也是维持长期投资回报不可或缺的前提。