AI落地“三重门”

5月的财报季，各大科技公司用数据证明了一件事：AI真的开始赚钱了。阿里CEO吴泳铭宣布未来几年AI相关投资将超过3800亿元，百度CEO李彦宏则直言，AI时代衡量价值的标尺不再是用户数，而是每天有多少AI智能体在真正“干活”。战略决心与资本投入的最终考验，在于AI是否已经渗透进那些最日常、最基础、也最难被替代的业务环节。从人机交互的磨合，到Token结算的演变，再到资本市场的算盘，AI落地的“最后一公里”正在被逐一丈量。

在近期举办的2026搜狐科技年度论坛上，来自消费电子、创业公司与学术研究领域的三位实践者，分别从各自的视角给出了具体答案。荣耀AI首席科学家黄非认为，人机交互的终极形态，是AI真正“成为”人；专注于AI经济模型研究的上海期智研究院首席研究员李彪观察到，AI经济正从“工具经济”迈向“结果经济”，Token只是起点，底层的智能供给未来将如同大宗商品；而智能电动卡车创业公司光梭未来的创始人兼CEO成胜惠则算了一笔实账：将AI深度应用于卡车行业，成本能降低约60%至70%，若再实现无人驾驶，成本降幅可达90%。

AI越能干，如何与人相处

回顾人机交互的演进史，一条清晰的权力转移轨迹浮现出来。最早的计算机时代，是人必须俯身学习机器的语言；随后图形界面（GUI）的出现，让普通人通过点击图标就能操作电脑；再到智能手机的多点触控技术，最终让互联网变得随时随地触手可及。

在黄非看来，“过去所有的交互，本质上仍是‘人学习机器’。你需要理解菜单、App、操作流程、文件结构和系统逻辑。但AI时代开始反转，变成‘机器理解人’。过去机器理解的是精确指令，未来它将尝试理解你的模糊意图。”

他描绘了一个具体场景：安排一次出差。过去，你需要分别打开地图查位置、登录网站订酒店和机票、查看天气App、再手动协调日程。而在未来，你可能只需要对设备说一句“帮我安排明天去上海出差”。系统便会自动规划最优航班、安排接驳交通、同步会议信息、整理背景资料，甚至让你的手机、电脑、平板、车机和耳机在后台无缝协同。

更进一步，是“无感知交互”。“过去的交互是主动触发、点击响应，未来则会转向环境感知下的主动协同。系统持续理解时间、地点、环境、用户状态、行为、任务进程，然后主动提供服务。”黄非以会议场景举例，“当你走进会议室，系统自动识别你的身份、同步会议资料、开启录音记录、并生成会议纪要。你没有任何主动操作，但交互已经完成。”

荣耀将这一理念概括为AHI，即“增强人类智能”。

这一判断近期在北京亦庄的一场马拉松赛事中得到了物理层面的验证。谈及此事，黄非表示，“荣耀机器人的夺冠，体现的不仅是机械性能，更是AI感知系统、运动控制系统以及端侧智能能力的整体跃升。未来的机器人，将成为人类能力的物理延伸。”

同场论坛中，搜狐创始人张朝阳则提供了另一个值得深思的视角。他引用了一项麻省理工实验室的研究：三人执行同一项任务，一人纯手写，一人使用搜索引擎，第三人使用AI辅助。结果显示，使用AI者的大脑活跃度仅为不用AI者的一半。“智能体几乎能包办一切，这反而要求我们必须更主动地去思考。”张朝阳分享了自己的做法：在准备物理课时，若遇到感兴趣但缺乏资料的问题，他会向AI提问，但“最终还是要自己动手计算一遍，只看结果是远远不够的。”这与黄非的“增强人”理念并不矛盾，更像是一种必要的校准：AI能力越强，人类越需要守住“亲手实践”的底线，否则能力的延伸就可能滑向被替代的深渊。

按Token交钱，买的是结果

人机交互解决的是“如何协作”的问题，而Token经济则试图回答“如何结算”的难题。

OpenRouter平台的最新数据显示，目前响应速度最快的10个AI模型，其价格区间从每百万Token 0.07美元到2.25美元不等，差异显著。

2026年3月，英伟达CEO黄仁勋在GTC大会前发表文章，将AI产业划分为能源、芯片、基础设施、模型、应用五层，而贯穿这五层的统一计量单位，正是Token。摩根大通预测，中国AI推理的Token消耗量将从2025年的约10千万亿，激增至2030年的3900千万亿。

月之暗面创始人杨植麟在中关村论坛年会上提出了一个观点：大模型的本质是将能源转化为智能，规模化是AI发展的基石，但规模化绝非暴力堆砌算力与能源，核心在于提升转化效率。他展望，未来每位研究员都将配备海量的Token，由AI自动合成新任务、构建新测试环境、定义最优奖励函数，甚至自主探索全新的网络架构。

与杨植麟从研发和宏观视角出发不同，研究员出身的李彪更关注“结果”和“交易方式”本身。目前正在创业、探索AI智能体（Agent）结果层交易可能性的李彪认为，未来AI经济的结算链条将沿着五个环节展开：Token（令牌）→ Action（行动）→ Workflow（工作流）→ Outcome（结果）→ Contract（合约）。

他举了一个前沿案例：“美国Intercom公司的Fin AI智能体，已经不再按调用次数收费，而是按‘结果’定价。在一场对话中，无论智能体内部执行了多少步动作，都只计为一个‘结果’，例如成功解决用户问题、转接人工客服、或判定需求不匹配，统一收费0.99美元；而筛选出一个有效意向客户，则定价9.99美元。”

在这个案例中，AI交易的对象变成了一个可被验收的商业结果。但李彪指出，要实现这种转变，需要跨越四道门槛：如何定义和验收结果？如何将结果归因于AI？如何为不同结果定价？以及如何界定责任？每一道都需要重新建立商业契约。

这一变革的顺序被归纳为：首先重构成本，让知识劳动从按人头、按时间计费，转向按Token计价。接着重构生产流程，迫使企业围绕上下文理解、工具调用、效果评估和责任界定，重写内部流程。然后重构组织形态，使得一部分原本只能内部完成的知识工作，转变为可从市场采购的“结果”。最终重构交易模式，让市场从购买工具，走向购买结果，再走向购买带有明确责任边界的“结果合同”。这正是李彪所强调的：“Token是这场伟大迁移的起点，而绝非终点。”

规模先行，资本市场还在算账

相比仍在演进的交互与结算模式，人工智能与实体产业结合，例如汽车领域的账本，则显得更为清晰可算。

主营智能电动卡车的光梭未来创始人成胜惠算过一笔账：全球重卡保有量约2000万台，目前正同时经历电动化与智能化的快速变革。将AI深度应用于卡车行业，能切实起到降本增效的作用。“反映到数字上，大约能降低60%到70%的成本，这还是在保留司机的情况下。如果把司机成本也去掉，总成本下降幅度能达到90%左右。”他表示。

“希望到2030年，至少在智能交通运输板块，运输机器人会逐步出现。”成胜惠将AI在商用车的应用拆解为六个维度：司机AI智能体、自动驾驶、车仓协同、车队智能运营、智慧生态以及数字城市融合。

具体到场景中这意味着什么？他举了几个例子：凌晨两点，在司机最容易疲劳犯困的时刻，车内的AI智能体可以根据司机的个人喜好，主动发起对话或播放音乐以保持其清醒。当车辆即将抵达仓库时，系统可提前5公里通知仓库内的机器人做好装卸准备。不过，成胜惠也坦言，现阶段将AI应用于汽车产业，尤其在法律法规和伦理层面仍面临挑战。“很多人持反对态度，其底层逻辑是恐惧，因为不知道下一步究竟会发生什么。”

而这本关乎未来的账，资本市场仍在仔细掂量。

2026年第一季度，自动驾驶公司文远知行营收1.14亿元，同比增长58%；但其经营亏损达4.31亿元，同比收窄1.2%。另一家头部公司小马智行，其2025年营收为6.29亿元，同比增长20%，但在非公认会计准则下的净亏损达到1.74亿美元，较2024年扩大了31.5%。

小马智行已经为Robotaxi（自动驾驶出租车）业务勾勒出明确的价值链公式：总交易额（GMV）= 技术授权费 + 车辆折旧费 + 获客费用 + 运营费用。据悉，其在广州和深圳两地的Robotaxi业务已实现单车盈利转正，其中在深圳投放的第七代车型，单日最高车均净收入达到394元。

三个切口，三本不同的账。人机交互的账本，藏在感知与意图理解的进化里；商业结算的账本，写在从Token到结果经济的迁移中；而AI+汽车的账本，则体现在GMV公式与降本增效的具体数字上。它们都在试图回答AI如何创造价值这一核心问题，但谁也不能保证，自己手中的就是标准答案。