当模型成为水电煤

中国AI模型调用量全球第一，但真正决定企业竞争力的不是模型选择，而是AI Agent嵌入业务流程的深度。本文从调用量格局、Agent进化、云计算战争、落地案例到决策框架，为企业决策者提供AI时代的完整战略思考。

“计算机之于信息时代，正如人工智能之于认知时代。它不是一个工具，而是一张新电网。”——吴恩达

这张电网，正在以周为单位改写全球竞争格局。当 DeepSeek-V4-Flash 的周调用量冲到 7.22 万亿 Token，当中国大模型连续十四周在调用量上碾压美国，当 AI 产业规模突破 1.2 万亿人民币——一个旧问题失效了，一个新问题浮现了：模型不再是稀缺品，它正在变成水电煤。而水电煤时代，真正的战争不在发电厂，在于谁用这些电造出了更聪明的工厂。

一、调用量第一：虚火还是信号？

8 月 4 日，Morketing 每日监测援引《每日经济新闻》的测算数据，揭示了一个令中国产业兴奋的数字：7 月 27 日至 8 月 2 日那一周，全球 AI 大模型总调用量 56.8 万亿 Token。中国大模型贡献了 28.13 万亿 Token，美国贡献 4.38 万亿 Token。全球调用量排名前五的模型，全部来自中国。

这意味着什么？

先别急着开香槟。调用量不是利润，Token 消耗也不是护城河。但我们不能否认一个根本性事实：调用量是 AI 应用活跃度的晴雨表。 连续十四周领先全球，说明中国市场的 AI 应用渗透速度，至少在规模上，已经跑到了美国前面。

这背后有三层推力：

第一，价格战推低了使用门槛。过去一年，中国大模型厂商的 API 价格一降再降，DeepSeek、通义千问、智谱等玩家把 Token 单价打到了“白菜价”。低价刺激了海量调用，海量调用带来了场景数据反馈，数据反馈又加速了模型迭代——这是典型的互联网打法，中国企业太熟了。

第二，应用场景的碎片化与高频化。与美国企业更多聚焦于 Copilot、搜索、代码生成等生产力场景不同，中国市场的 AI 调用大量涌入了社交、电商、短视频、客服、教育等高频交互场景。微信小程序、抖音电商、支付宝生态里的 AI 功能，每天都在产生天文数字级的 Token 消耗。

第三，企业级 Agent 的崛起开始把模型调用从“人机对话”推向“机器对机器”。这才是未来最大的增量池。

但请注意一个细节：那一周中国大模型调用量环比下降了 14.76%，美国却暴增 87.18%。这提醒我们，格局远未定型。美国企业的追赶速度极快，一旦 OpenAI Astra 级别的模型商用、AWS 等云厂商完成 AI 能力部署，调用量的差距可能迅速缩小甚至反转。

二、从“用模型”到“用 Agent”：企业 AI 的第二次进化

聊完“面子”，我们看“里子”。真正值得企业老板和 CMO 关注的，不是调用量排名，而是 AI Agent 正在把模型能力转化为经营能力。

8 月 4 日的两条新闻恰好构成了这一趋势的拼图：

阿里“千问办公”开启公测。这不仅仅是又一个办公助手，而是阿里巴巴以企业级 Agent 形态，把自家旗舰模型 Qwen3.8 装进钉钉生态，直接嵌入企业日常流程。网页版、PC 客户端已开放，钉钉的内置入口也即将上线。

另一边，PubMatic 与 Optable 联合推出 AgenticOS，让 AI 代理在程序化广告交易中自动撮合买卖双方。卖方代理把出版商的一方数据打包成受众，买方代理接收 campaign brief 并自动匹配。此前他们已完成超 1000 笔 AI 代理驱动的直售交易，现在正挺进程序化私有市场。

这两件事的共同点是什么？

AI 正在从“副驾驶”变成“主驾驶”。

过去一年，企业用 AI 的方式是“人指挥模型”：写文案、做图、分析数据、回答客户问题。人做决策，AI 做执行。但千问办公和 AgenticOS 显示，AI 开始扮演决策和执行的双重角色。千问办公不仅帮你写会议纪要，还可能帮你判断哪些会议该取消、哪些项目该优先推进。AgenticOS 不仅帮你投广告，还能根据实时数据自动调整出价、受众包、创意组合，甚至跨渠道调配预算。

这对企业意味着什么？

意味着 AI 投入的 ROI 计算方式要变了。以前你算的是“一个 AI 工具帮我省了多少人力”，现在你要算“一个 AI Agent 帮我多赚了多少钱”。前者是成本中心思维，后者是利润中心思维。

这要求企业的组织能力进行一次升级：不是招几个会用 AI 的员工，而是把 AI Agent 当成一个新的“数字员工团队”来设计、训练、管理、考核。谁是这些数字员工的“HR 总监”？可能是 CTO，也可能是 CMO。但不管是谁，这个角色必须在 2026 年出现。

三、AI 基础设施战争：云计算的第二增长曲线

当大家都在盯着模型调用量的时候，真正的赢家可能正在另一条赛道上悄悄数钱。

亚马逊总市值突破 3 万亿美元。AWS 第二季度营收 422 亿美元，同比增长 36.7%，创下 18 个季度以来的最快增速。CEO 安迪·贾西放话：AWS“很有可能”朝着年营收 1 万亿美元的目标迈进。

把这三个数字放在一起看：

• 中国 AI 产业规模超 1.2 万亿人民币，增速 40%；
• AI 企业超 6600 家，全球占比 15%；
• AWS 一个季度的营收就超过 2800 亿人民币。

这揭示了一个残酷而真实的结构：模型厂商在厮杀，云厂商在收税。 不管哪家模型胜出，最终都要跑在云上。不管企业用 DeepSeek 还是通义千问，算力费、存储费、数据传输费一分都少不了。

这层认知对企业决策非常重要：

当你的企业选择 AI 技术栈时，模型只是冰山一角。 冰山下面是云架构、数据治理、安全合规、API 管理、监控运维。这些“水电煤”基础设施的选择，将决定你未来 3 到 5 年的技术弹性、成本结构和响应速度。

目前全球云计算的前四名市值排名是：英伟达 4.81 万亿、谷歌 4.51 万亿、苹果 4.48 万亿、亚马逊 3 万亿（数据截至文章引用日期）。这个排名可能每个季度都在变，但不变的是：每一家都在疯狂加码 AI 基础设施。

对中国企业而言，这个趋势传导到国内市场，就是阿里云、腾讯云、华为云之间的 AI 算力军备竞赛。企业选云，等于选生态。你选的不只是虚拟机，而是与之绑定的模型商店、AI Agent 平台、行业解决方案和开发者社区。

四、AI 落地的“毛细血管”

大模型和 Agent 谈的是战略，真正的落地往往在那些被人忽略的细节里。

京东外卖推出 AI 智能头盔。这对营销人来说可能只是一个不起眼的硬件新闻，但它恰恰代表了 AI 正在渗透中国商业的“毛细血管”：履约环节。

这个头盔集成了 AI 语音助手、单王带路（基于最优配送路径的实时导航）、一键紧急求助、商户环境核验等功能。骑手全程语音操控，不用掏手机。首批免费发放给京东全职骑手，后续覆盖全部骑手。

不要小看这个动作。外卖是典型的“毫米级竞争”行业——每单快 30 秒，每天就能多跑 5 单，一个城市的上万名骑手加起来，就是几十万单的增量。AI 在这里不是“锦上添花的内容工具”，而是直接改写履约效率和成本结构的核心生产力。

对品牌和营销负责人来说，这类案例的启发是什么？

AI 不一定非要直接作用于营销内容。 当 AI 改善了履约体验（更快的配送、更准的预估时间、更少的送错），它本质上是在增强品牌承诺。当 AI 降低了运营成本，它给营销腾出了更多预算空间。当 AI 提升了客服响应质量，它直接拉高了复购率和推荐率。

营销人应该用“全价值链”的视角看 AI，而不是只盯着内容生成和投放优化。问问你的供应链团队、客服团队、物流团队：他们正在试用哪些 AI 工具？这些工具带来的效率提升，能不能转化为消费者可感知的体验提升？如果能，这就是最好的营销故事。

五、决策者的五层思考框架

综上所述，当 AI 模型变成水电煤，企业决策者需要的不是“用不用 AI”这种二元问题，而是一个分层的判断框架。我们提出一个五层结构，供企业在战略会、复盘会上对照使用：

第一层：基础调用。 你的业务流里，有多少环节已经开始调用 AI 模型？客服、文案、设计、数据分析、翻译——每个环节的调用量是多少？成本是多少？有没有统一的 API 管理平台？

第二层：Agent 嵌入。 有没有关键业务流程已经交给 AI Agent 自动执行？不是“人+AI”协作，而是 Agent 独立完成判断和执行。比如自动审批、自动出价、自动排产、自动生成并分发定制化营销内容。

第三层：数据闭环。 AI Agent 产生的决策数据，有没有自动回流到数据中台？有没有用来优化模型或者更新用户画像？还是说 Agent 执行完了就完了，成为数据孤岛？

第四层：组织重构。 有没有围绕 AI Agent 设置新的岗位？比如 Agent 运营、提示词工程团队、AI 风控小组？绩效考核里有没有 AI 采纳率、AI 驱动收入占比这类指标？

第五层：生态卡位。 你的企业在产业生态里，是模型使用者、模型训练者、模型部署者，还是算力提供者？你的数据资产有没有可能成为 AI 时代的稀缺“燃料”？你有没有可能在某个垂直场景里，训练出自己的行业专属模型或 Agent？

这五层不是递进关系，而是并行关系。一家企业可能在一层很强（比如内容团队的 AI 调用率 90%），在四层很弱（组织没有相应调整）。找到你的最强层和最弱层，差距就是下一阶段的增长空间。

六、海外信号：世界杯经济的 AI 隐喻

最后，来看一组看似不直接相关、实则意味深长的数据。

阿迪达斯世界杯营销投入突破 10 亿美元，相关销售额约 17 亿美元，但股价却因“营销过重”下跌 17%。麦当劳和联合利华同样把世界杯视为销售驱动力，财报里浓墨重彩。

这些数字说明什么？

说明了传统“砸钱换曝光”的营销模式，ROI 正在被市场用脚投票。10 亿美元营销费换 17 亿美元销售，看似赚了 7 亿，但股价反而跌了——投资者认为你花的太多、赚得太少、不可持续。

这恰恰是 AI 可能改写游戏规则的地方。

如果阿迪达斯能用 AI Agent 实现大部分营销物料的自动生成、千人千面的个性化广告投放、基于实时销售数据的动态预算调配，那 10 亿美元营销费是不是可以降到 5 亿？如果 AI 预测模型能提前判断哪些世界杯话题会爆、哪些球星肖像转化率最高，那投放精准度是不是可以大幅提升？

这些“如果”正在变成现实。OpenAI 下一代模型 Astra 在数学和理论计算机科学上实现的十项突破，就是未来 AI 推理能力的前奏。虽然解决那些问题的 Token 成本目前高达 2000 美元，但这就像第一台计算机的造价——昂贵只是暂时的。一旦推理成本继续下降，AI 就能处理越来越复杂的商业决策：供应链优化、定价策略、媒介组合、危机公关。

而那些还停留在“我来想策略，AI 帮我画图”阶段的企业，将在 AI 推理能力越过临界点的那一刻，被对手用一个 Agent 完成整个 campaign 策划到执行的全链条碾压。

AI 产业超 1.2 万亿、企业超 6600 家、月之暗面否认 IPO 但 G 轮融资仍在进行——这些碎片拼接在一起，就是一幅完整的画面：中国 AI 产业已经从“讲故事”阶段进入“拼落地”阶段。 模型调用量第一是面子，Agent 嵌入业务流程是里子，云计算和 AI 基础设施是底子。面子重要，但只赢得一时掌声；里子和底子，才决定谁能走到最后。

企业的下一道考题不是“你用了哪个模型”，而是“你的 AI 能不能自动赚钱”。能，你就是新物种；不能，你只是一家用了点新工具的传统公司。