陈龙：Token时代的商业与组织

7月3日，2026中国数字经济发展和治理学术年会（以下简称“年会”）在清华大学举行。罗汉堂秘书长、原长江商学院副院长、湖畔创研中心执行教育长、阿里巴巴研究理事会主席陈龙发表题为《Token时代的商业与组织》的主旨演讲。本文根据陈龙先生现场发言内容整理。本文来源：清华服务经济与数字治理研究院

本账号接受投稿，投稿邮箱：jingjixuejiaquan@126.com

陈龙：Token时代的商业与组织

各位尊敬的领导、教授们、同学们、朋友们，大家下午好！我自己给自己的任务是在Token大的名目下讲点商业和组织的东西，我会在这个大话题下讲几点观察，希望对大家有所帮助，如果所有人关注资本市场，关注商业的发展，你会发现我们处于一个非常撕裂的时间，理解AI和非AI经济的关系，理解AI的不同价值链环节的关系，到底是泡沫还是巨大的机会。我的演讲题目是《Token时代的商业与组织》。

在OpenAI发布ChatGPT后不久，它就推出了AGI的五阶段路线图，定义了智能的L1到L5：:最早是聊天机器人，第二个阶段开始有了推理，现在是智能体能够执行任务，第四个阶段不但能执行人的任务，还能自己去定义任务执行。最后一个阶段跟人无关，完全以智能体为组织的。而在每个阶段里，AI世界同时有三条主线在共振：第一条主线是，以美国前沿大模型实验室为代表，探索智能的上限，以及中国以DeepSeek为代表的提高大模型的效率；第二条主线是，大模型能力的提升，将决定下游各类应用的能力边界，涵盖虚拟空间应用、数字空间应用以及物理空间的物理智能应用；第三条趴在底下的主线是，对上游基础设施的需求。所以，想要判断AI是否存在泡沫，核心要看大模型的能力进展，它决定下游应用的效率提升空间，也决定上游需求的真实性，整条产业链围绕这一逻辑持续演进。

在这样的背景下，我们聊聊Token。很多人都在问AI到底是不是泡沫，从需求端来看，有一点是确定的：以Token消耗的数量衡量，今年AI需求较去年增长一个数量级、也就是十倍以上，多项调研数据都支撑这一判断，行业目前依旧处于早期阶段。Token能够作为衡量AI经济活跃度的指标，需求十倍增长是清晰信号。

那究竟什么是Token？

上午司晓老师讲到过这个概念，但不少人依旧不理解，还有观点认为中国可以出口Token。我理解，Token整合电力、算力、模型能力，相当于“烧脑值”。好比我和刘老师给同一家企业服务十个小时，饮食、耗电差别不大，但刘老师依托更强的算力支撑，思考层次更深，同等时长就能够卖出更高的客单价，获得更高的收益。Token不能单纯看作电力这种基础设施，它和智力消耗直接相关。各家大模型能力参差不齐，自然带来Token报价差异巨大，这是客观规律。

很多人说，今年以来，我们进入了Token经济的新阶段，主要是两个大的突破，一个是向下，一个向上。

我们先来看一个框架，叫做“智能三环”。它的意思是，所谓“智能”，其实就是人类或AI在一个具体场景中结合上下文和数据，通过推理解决真实的问题。所以，我们也可以将智能拆解为三大核心要素：推理能力、数据能力和场景能力。本质上，AI就是一种数据处理能力，通过处理具体场景数据、重构业务流程，进而产生实际价值。想要实现这一目标，需要完善的基础设施体系，能够高效处理场景化数据、重构原有工作流，最终落地价值。

而今年的第一个突破，就是实现落地的核心机制，即以OpenClaw（也就是大家常提到的“小龙虾”）为代表的驾驭系统（Harness）的突破。驾驭系统的核心价值，是让通用大模型能够接入具体场景的数据与工作流，形成完整的运行循环。它让原本无状态的大模型转变为有状态、有上下文的智能主体。依托场景数据和业务上下文，大模型不仅能够理解场景逻辑，还可以自主执行各类任务，形成动态、可持续的智能运转，还能实现多智能体协同。

第二个更重要的突破，是大模型本身的突破，这是完全新的阶段。去年年底到今年初以来，OpenAI已经不是最重要的大模型代表了。Anthropic的收入增长斜率已经非常明显地超过了OpenAI，其6月底应该已经非常接近700亿美金的年化收入水平。到今年底，其ARR不出预料将会突破1千亿美金，按照SpaceX上市的话，它是20倍的估值，Anthropic一上市会超过2万亿美金。这两天有人在讨论它可能会到3万亿美金的水平。

如果我们还记得去年，很多人还在讨论大模型是同质化的，但今年，全世界最有价值的企业就是大模型企业，这就是Anthropic带来的巨大突破。

这个突破是如何发生的？事实上，Anthropic跟OpenAI走的路非常不同，在2023年初，因为ChatGPT的成功，OpenAI占住了To C的超级App入口，现在已经有10亿以上的用户，而Anthropic没有大的App，只能做更小众细分的开发者市场和To B市场。而在传统互联网的思维中，这两个市场往往代表了付费意愿不强、早期、不够“性感”。到了2024年，在OpenAI高喊“Scaling law撞墙”之时，Anthropic做了两个非常重要的押注：押注预训练（更大的模型）、押注代码（数字世界的语言）。

正是这两个押注，到今年开花结果，造就了第一个真正意义上的AI原生商业：Claude Code。我们看到，Anthropic的产品没有那么多用户，但都是顶尖用户。这代表着非常巨大的用户思维的转变，比如：在用户目标上，互联网时代，往往追求的是流量、活跃用户数（DAU、MAU、AAU等等）；到AI时代，用户数量绝对值已经不重要，Anthropic的用户数仅为OpenAI的1/25，却能做出更高的ARR，这说明Anthropic追求的是Top User（顶尖用户）；在用户增长上，互联网产品为了追求用户数，往往追求简单操作、一键落地。而Claude Code代表的AI产品，则需要用户投入大量时间持续互动才能创造更多的价值。

大模型一直在讲AI会颠覆，颠覆什么？Claude Code已经给出了答案，就是供给侧的劳动力，在Anthropic的融资第一页，就说“我们的目标市场是50万亿美金的劳动力市场”，有人根据Anthropic的研究画了一个图，红线代表目前不同的产业中已经被替代的劳动力比例，蓝线代表理论上可能被替代的劳动力比例。这是大模型的改变。

至此，我们其实定义了Token经济学的主干：第一，是AI真的有机会替代巨大的劳动力市场。我相信未来会实现更多产业专家岗位的替代，面向医生、律师等领域的产业大模型将不断涌现；需求侧也会持续诞生更多智能化产品，大模型是支撑这一进程的核心引擎。

第二，Token用量持续增长，Token价格整体会越来越便宜，以及SOTA大模型（State-Of-The-Art）的溢价同时发生。复盘历史可以观察到两个现象：最新、能力最强的SOTA大模型，对应的Token价格一般是其他大模型的数倍，比如当下Anthropic的Fable5；而一款新模型问世一段时间、智力水平逐步被竞品追赶上之后，价格就会收敛回落。价格不断下降的同时，整体市场规模持续扩容，这就是杰文斯悖论。尽管这项技术具备通缩特征，这两种趋势会长期并存，当前阶段同样适用。

第三，很多人在讨论，具备极致效率优势的中国大模型能不能替代西方模型，我的结论是不会。就像2025年初DeepSeek-R1刚推出的时候，市场也非常担忧，英伟达一度一天下跌数千亿美金，之后股价又全部收复，大家意识到很难实现简单替代。我认为，一个更可能的结果是，未来会形成大模型矩阵，并且诞生路由机制。不同企业、不同个人适配的大模型不一样，任务难度不同，所需的智能也不同，市场会同时存在高性价比模型、前沿先进模型、适配复杂任务的高端模型，一套路由体系将会发展起来，而高端模型在路由中的作用也许是决定性的。这是Token经济学里非常重要的组成部分。

在大模型之外，基础设施建设也正在全面推进。云计算厂商、超算中心都在加速布局，全球头部云计算企业迎来空前的投入周期，持续布局芯片、存储、网络等算力基础设施，这一领域也是现阶段最大的受益者。尽管近期资本市场有所回调，但不必过度看重短期行情。只要Token维持指数级增长，物理世界的扩产是线性的，所以这类投入就具备合理性，各大云计算企业不遗余力扩大资本投入，是一种重要的战略选择。

另外一方面，我们来看应用层的发展现状。当前应用层企业主要分为两类：一类是AI原生企业，这类企业年化增长速度极快，商业模式和收入增长都十分顺畅，不存在发展瓶颈。真正需要关注的问题，是存量传统企业，尤其是工具类、SaaS类以及平台型互联网企业。正如刘老师所说，互联网平台企业不会因为AI时代到来而消失。本质上，互联网是信息连接技术，AI是信息处理技术，处理不会替代连接，只会赋能连接。因此，依托连接技术发展起来的平台企业不会消亡，但必须主动变革，在工具体系、产品形态上完成迭代升级。目前来看，没有任何一家平台型企业因AI落地而退出市场，只是多数企业需要经历调整、探索和新产品的迭代探索过程。

今年能够看到，半导体产业一路上行，但应用端企业相对艰难，不管是SaaS公司、平台型企业还是互联网企业，发展都比较折腾。在Token时代，基础设施的需求是刚性的，但对应用层究竟意味着赋能还是颠覆，目前并没有统一结论，行业正处于这一关键阶段。

最后，我想分享几个对AI如何重塑组织的观点。

首先，什么叫组织？我认为，组织就是基于信息的认知决策与行动的网络。在这个定义之下，组织存在两项核心效率：一是协同效率，二是动机效率。

在协同效率方面，1937年，科斯在《企业的性质》中就提出，企业边界、规模大小，是对内外部信息协同效率进行取舍的结果，取决于组织处理信息的能力。到了1947年，西蒙曾在《管理行为》中说，企业的分工与层级设置主要由信息效率决定。组织之所以产生层级、单个管理者无法管控过多人员、远距离管控容易失灵，本质都是信息有效性约束。信息层级如何开展协同、组织单元适宜多大规模，都和信息处理效率紧密相关。以及1973年，Galbraith在《组织设计》指出，组织的本质是信息的高效匹配与协同，信息效率决定组织边界与运行方式。

在动机效率方面，过去企业要管理的是人的动机，碳基员工个体差异大、诉求不同，所以需要大量激励与治理机制，产生较高管理成本。而在AI时代，硅基智能体带来根本性变革：智能体几乎无边际成本，沟通即可即时协同，大幅降低协同成本；同时不存在主观动机、利益博弈与情绪问题，动机成本趋近于零。这意味着传统组织最高的管理成本被极大压缩，由此，会形成新的组织原则：凡是智能体能完成的工作，就不应由人来完成。企业需要以驾驭系统、智能体为核心重构工作流，全面提升组织运行效率。

其次，未来做产品，一定要以智能体为核心，这是效率最高的方式。代码就是最有代表性的领域。最早的AI代码产品，基本都是辅助工具，比如微软的GithubCopilot，新兴的Cursor，本质都是人为主、AI为辅。但Anthropic做出了颠覆性改变，它推出的Claude Code，是行业里第一个完全围绕智能体设计的产品，彻底改掉了以往的产品逻辑和交互方式。不再是人亲自写代码、AI辅助补漏，而是我们只需要告诉它目标，智能体就能独立完成整套编程工作，真正做到了“模型即产品”。

再次，因为智能体让协作成本、人员管理成本大幅降低，催生了一个新趋势：超级个体的崛起。像Anthropic的MCP协议、Claude cowork这些核心产品，都是1-3人的小团队做出来的，这就是超级个体的典型表现。现在这个时代，单一领域的专业人才很容易被AI替代，真正稀缺、有核心竞争力的，是那些具备系统思维、能整合碎片化信息、看清事物完整全貌的通才型超级个体。

于是，组织会趋于小型化、闭环化，像OpenAI的“Pods（豆荚）”，仅6-8人就能完成完整的业务闭环，企业组织效率、人均产值将大幅提升。

但这不等于，未来遍地都是一人公司。一个更可能的情况是，行业会呈现大小两端两极繁荣的格局：超级个体涌现、小微创业门槛大幅降低，同时头部企业的商业规模将达到前所未有的高度。互联网打通全球供需，早已诞生万亿级巨头，AI会进一步放大企业规模，头部巨型企业深度绑定国家利益、边界持续扩张。当下承压的中型企业，大多是传统模式无法适配AI时代；顺势而为的小微企业，依托需求可快速成长。未来大、中、小企业会长期共存，整体行业格局被彻底重构。

组织形态变小之后，协同方式也会发生变化。以Anthropic为例，团队虽小、都是超级个体，但每周都会统一愿景目标，靠文化和共识凝聚团队。新模式可以双向兼容：既可以自上而下统一目标，也可以自下而上自由创新，灵活适配不同业务。同时组织架构变得极度扁平。Anthropic基本只有两层结构：创始人和技术人员。哪怕是外部过来的资深CTO，入职后的岗位也都是技术员，所有人都能独立承接项目，彻底重构了传统的组织协同模式。

但这也不等于每个企业的组织形态都会如此。这个时代会迎来两种形态共同繁荣：一是集权式网络，效率空前提升。过去“天高皇帝远”导致集权无法完全落地，但如今AI可以触达每个人、每个场景，让高度集中的组织模式成为可能，也会诞生前所未有的超级巨型企业，体量堪比国家；二是分布式网络，超级个体的创新活力会彻底释放。未来，超级大企业和超级个体、集权模式和分布式创新，会长期并存。

最后，虽然我们正在进入Token时代、智能体主导的新阶段，越来越多工作交给AI，但这个过程不会一蹴而就，有明显的边界。互联网时代，大家也曾以为信息越多，人就越聪明。但现实恰恰相反：信息爆炸反而造成人群认知撕裂、观点分化。很多问题其实不靠信息堆砌就能解决，靠的是人的价值观与认知对齐，这也是企业需要哲学思维的核心原因。比如互联网时代的平台算法的问题算法往往以最大化流量、拉长用户停留时长为目标，只会优先推送刺激、浅层、容易引发情绪冲动的内容。这就形成了一个悖论：信息总量越来越大，但劣质、低效信息泛滥。看似获取信息更高效，实则带来认知层面的负面效果，这是当下时代很致命的问题。

所以，硅基与碳基的价值对齐是当下最关键的问题之一。AI本身没有自我对齐的能力和动机，必须依靠人来完成。这也是为什么越来越多AI企业开始引入哲学家，像Anthropic就组建了专门的人文团队，负责人格对齐、宪法对齐、诚信研究，以及模型训练和评估，这些都需要人文与哲学思维支撑。

如果我们做一个泛化，这其实是在说，人类还剩下哪些东西AI做不好的？我认为主要有四种：动机、价值观、故事和信任。如《人类简史》中所说，人类是靠故事在一起的。大猩猩没有办法让一万个大猩猩去协同，我们有一个民族，有一个企业，有很多很多人在一起，相信同一个故事，才能创造协同。目前，AI还不具备真正讲好一个故事的能力，这是人类独有的责任。与此同时，如何在AI时代建立和维系信任关系，也是当下最核心、亟待解决的时代命题。

刚刚我主要立足商业和组织视角，跟大家分享了身处这个时代，我们会面临哪些变化，以及背后意味着什么。谢谢大家！■

扫描二维码参加线上研讨

点击小程序参加全年30场直播