Token透明了，ROI却模糊了：企业AI深水区的“三本账”怎么算？

作者丨又青

出品丨数字化报

2026年过半，AI的战场已从概念验证纵深至企业核心业务。

一个显著标志是，取代单点工具的“智能体超级工厂”正成为企业深度AI化的战略支点。

何为超级工厂？

绝非堆叠几个AI工具那么简单，而是将业务流程、行业知识、专家经验与组织规则封装为可调用、可迭代、可审计的智能体集群，让AI像数字员工一样，渗透进研发、生产、营销、风控、客服、管理与决策的每一条毛细血管。

然而，当企业开始批量“生产”与调度智能体，Token消耗如水龙头般清晰可见时，一个尖锐问题浮出水面：

AI的投入产出，这笔账究竟该怎么算？

7月19日，世界人工智能大会·蚂蚁数科产业AI论坛上，这场关于AI投资的“算账”之争被推至台前。

各路“智能体超级工厂”的厂长们圆桌论道，在观点碰撞中，达成了一个核心共识：

Token时代让成本前所未有地透明，但企业需警惕三大误区，将Token消耗等同于AI转型，将工具采购等同于能力建设，将智能体数量等同于智能体价值。

与其死磕短期ROI，不如同步追踪两个非财务指标：

知识资产积累速度与组织能力成长速度，这些变量，才是决定企业智能化长期竞争力的隐藏引擎。

今天，我们就来系统拆解一下，如何算清AI投入产出“三本账”，以及企业如何稳住军心，在“算账”的焦虑中前行，抓住不可逆的时间窗口。

一 Token可以精确计量， 算账反而更难了？

AI给企业带来了何种变化？

上海银行副行长胡德斌把它概括为，从电子化、信息化、数字化走向智能化。

过去银行数字化，是把线下业务搬到线上，但业务判断仍由人完成。智能化时代，银行要复刻的是能力：把业务逻辑、约束规则、老信贷员头脑中的判断经验，抽象成大模型能读懂、能调用、能推演的规则体系。

他举了上海银行对公信贷智能尽调系统的例子，这个系统不是简单帮助信贷员收集资料、写报告，而是整合工商、税务等多个数据源，同时把老信贷员头脑中的隐性规则梳理出来，和数据一起形成较完整的尽调报告，从而实现风险前置。

这类场景里，AI的价值不只是省人，而是把过去依赖个人经验的判断，变成可复用、可追踪的组织能力。放在智能体超级工厂的框架下，它相当于把“老信贷员”变成一个可规模化调用的数字员工。

更关键的是，成本，第一次如此透明！

传统IT时代的成本很难精确归因，银行先建系统、数据中心和基础设施，成本最终只能分摊到业务里，往往是粗略估算。

但智能化时代不同，AI像雇佣了一个数字员工，Token在每一次使用过程中都可以被记录、计量和定价。

这带来一个重要变化：IT成本第一次有机会和具体业务一笔笔对上。

但问题也随之而来，既然每一次调用都有单价，企业就必须追问：这次调用值不值？

胡德斌提到一个形象说法，叫“Tokenmaxing”：吃得多、长得胖，但不产肉。

扎心的是，算得细，不等于算得对，不等于所有效果都能直接算成财务收益，AI真正重要的一部分价值，往往短期内很难财务化。

为啥这么说？胡德斌把AI产出分为两类：

一类是操作替代型，比如辅助编程、智能填单，这类价值相对容易量化，可以体现为效率提升；另一类是辅助决策型，比如风险预警、尽调辅助，它的价值来自风险前置和损失避免。

比如，AI帮助信贷员提前发现风险，避免一笔坏账，但这类价值并不会直接进入利润表。

胡德斌因此提出一个重要判断：“可衡量不等于可财务化。”

没错，操作层的账可以用钱算，决策层的账，则不能只用短期财务指标衡量。

岚图汽车董事长卢放的分享，则从制造业视角提供了印证。

岚图内部已落地超一千个AI Agent，赋能研产供销服全价值链。AI不仅用于智能座舱、智驾等产品侧，更深入写代码、造型设计、营销内容生成等运营环节，形成一套“智能体工厂”雏形，不同Agent嵌入不同业务环节，持续积累场景、数据和流程经验，再反过来提升企业能力。

但卢放坦言，虽然效果肉眼可见，却尚无法精确计算AI对整个企业的整体价值：

“岚图内部虽然在算AI投入产出，却还没有办法把账算得特别精确。企业能知道投入了多少资金、多少算力，也能在局部看到人工减少和效率提升，但如果要精确计算AI对整个企业带来的价值，目前仍在摸索中。”

这个实践共同撕开了一个口子：当AI进入决策层，传统的ROI计算方式可能正在失效。

那么，面对这种失效，行业先锋们如何破局？

二 AI投入产出比，要算“三本账”

答案是，与其死磕短期财务回报，不如同时跟踪两个指标：一是知识资产积累速度，即新沉淀了多少条业务规则、覆盖了多少个核心概念；

二是组织能力成长速度，也就是业务人员与AI协同的熟练度、知识更新的响应速度。

这两个指标不进利润表，但决定企业在智能化赛道上的长期竞争力。

英雄所见略同，面对AI投入算账难的集体焦虑，浦发银行总行首席人工智能科学家郑波提出了系统性解法，即算 “三本账” ——效率账、经营账、组织AI能力升级账，这为行业提供了极具启发的分析框架。

第一本是效率账。AI进入内部经营流程后，可以通过人机协同，显著提升效率。郑波提到，浦发银行的数字劳动力今年已经承担了2500人年的工作量，这类效率提升相对可见。

第二本是经营账，也就是AI对业务经营的影响。

浦发正在做的一件事，是在AI项目进入业务之前，先和业务部门定义好价值评价。过去可能是“业务提AI需求，科技就去做”，未来则要先锚定价值口径：AI做完之后，究竟用什么标准衡量它对业务的价值。

第三本账最难，也最长期：组织AI能力升级。

郑波认为，每个组织里都有专家沉淀了非常好的经验，AI适合把这些经验规模化复制和应用，打造“超级员工”。

这与智能体超级工厂的逻辑高度一致：工厂生产的不只是工具，而是帮助规模化复刻企业内部优秀经验。

如何实现呢？财富管理行业有一个生动的范本。

中金财富战略与数字化能力发展中心执行负责人、董事总经理朱虹提到，中金财富从2024年开始做公司知识聚合，把财富管理和中金公司内部的专业知识聚合起来，让投资顾问身边有一位“随叫随到的金融专家搭子”。

过去一个投资顾问要配N个专家服务，现在AI专家助手可以实时在线。

朱虹还提到，中金希望把少数优秀投资顾问对客户的深刻理解和服务能力训练进AI中，再扩展给1100万甚至未来更多客户。

朱虹表示，AI的价值是为了让专业的投资认知服务更广泛的客户。在此，AI的价值并非替代投顾，而是指数级放大其服务半径，这算的是典型的经营账与组织能力升级账。

消费行业的场景则更具烟火气。

霸王茶姬首席技术官汤海涛提到，在霸王茶姬门店，员工基本只需按按钮就能完成茶饮制作，从茶叶泡煮到成品封装，机器自动化程度很高，员工会更关注产品品质、食品安全和用户服务。

同时他也提到，企业做AI不能过多就纠结用什么模型，而要先想清楚到底要解决什么问题。除了常见的消费者领域 AI 场景，霸王茶姬更关注 AI 对门店员工的赋能。餐饮门店的运营差异，主要就在SOP 的管理和执行上，AI的价值，是能让新手尽快变成“老法师”。

这个场景提供了一个非常直观的智能体零售企业想象：真正有价值的AI，不是在屏幕上炫技，而是在消费者、门店员工、办公室雇员的工作台上，把复杂的人的经验抽象成可沉淀、可复制、可执行的AI技能。

你发现了吗？从制造业到金融业，从财富管理到新消费，论坛嘉宾的分享共同指向一个问题：

AI ROI不能只看Token消耗，也不能只看短期降本。真正决定企业长期竞争力的，可能是AI能否沉淀知识资产、复用专家经验，并推动组织能力持续升级。

三 AI ROI的终极答案，不在Token里

换言之，AI ROI 的终极答案不在Token里，而在企业是否通过AI构建起了持续进化与知识复利的组织能力。

每个企业负责人，都要对自己进行灵魂三问：

短期看，AI能不能替代重复劳动、提升流程效率？

中期看，AI能不能带来客户经营、风控、营销和决策质量的提升？

长期看，AI能不能把企业经验变成可迭代、可复制、可审计的组织能力？

这才是最关键、也最难算的终极账目。

这正是“智能体超级工厂”这一概念超越技术工具层面的战略价值所在，它不是一个项目，而是一种体系，能持续把企业经验、规则和业务反馈转化为可迭代的智能体。

蚂蚁数科AI业务总裁余滨则从服务企业的角度总结，模型会演变，技术会迭代，工具也可能被替换。但如果企业能在使用AI的过程中，把业务经验、流程规则和试错教训持续沉淀下来，AI就不只是一次性工具，而会变成推动组织持续学习和进化的能力。

他把这种机制概括为企业的内外双飞轮：外部大模型能力持续提升，给企业带来输入；内部则通过AI不断积累经营记忆，把好的经验沉淀下来，把踩过的坑转化为可复用的知识。

这也是蚂蚁数科面向企业端的“智能体超级工厂”真正重要的部分。它不是一次性采购工具，而是持续生产、部署、评估、迭代智能体的体系。

每一个智能体背后，都应该对应一个具体业务问题、一套可衡量的价值口径，以及一组来自企业自身的知识、规则和经验。

AI的账，当然要算。但真正重要的，或许不是把每一笔价值都立刻算进利润表，而是避免因为短期算不清，就错过知识积累、智能体迭代和组织进化的窗口。

正如论坛上嘉宾所提醒的，可怕的不是账一时算不清，而是因为算不清而观望。AI时代的时间窗口，一旦错过，可能不是再多预算就能买回来的。

先完成，再完美，在行动中迭代，在迭代中沉淀，在沉淀中构建真正的智能时代企业护城河，这才是AI时代，企业掌舵人该有的气度与远见：

既有“一万年太久，只争朝夕”的果决，又有“风物长宜放眼量”的从容。