1.讲座概要

2026年10月9日晚，北京大学信息科学前沿与产业创新课程暨91直播 第五十一期“知存讲座”在理科教学楼107教室举行。本次讲座以“企业 Token 经济学——企业如何管理 AI 时代的新资源”为主题，邀请联想智能云 Token Hub 业务负责人杨晨光主讲。杨晨光先生硕士毕业于法国巴黎高等计算机91直播 ，拥有 15 年云计算与人工智能行业经验，曾从事研发、架构、产品、运维、项目管理及市场营销等工作，现负责联想智能云 Token Hub 业务，专注于企业 AI 落地、Token 运营与智能化转型实践，倡导“从算力管理走向 Token 经营”。本次讲座由人工智能研究院助理教授燕博南老师主持，讲座围绕 Token 的生成、计量、成本与企业应用展开，探讨如何提升 AI 资源效率并转化为业务价值。

2.主要内容

燕博南老师主持本次讲座

杨晨光先生主讲

杨晨光先生从人工智能应用形态的变化谈起。生成式人工智能正从单轮问答、内容生成，发展到能够规划任务、调用工具并执行流程的智能体。随着任务链路延长，Token 消耗随之增长，企业需要衡量资源使用情况，并判断消耗是否创造了实际价值。

他将 Token 视为 AI 时代的重要计量单位：农业时代重视土地，工业时代关注电力，互联网时代以流量衡量资源使用，而 AI 应用则通过 Token 统计模型输入、输出和处理活动。Token 并不等同于智能，却为不同模型、硬件与应用提供了相对统一的尺度。企业不仅要关注 GPU 和服务器数量，也应关注 Token 产出及其业务价值。

杨晨光先生介绍token的时代意义

随后，杨晨光先生介绍了大语言模型处理文本的基本过程。他通过通俗的例子解释，模型首先会借助分词器将文本拆分成一个个 Token（词元），再转换为计算机能够理解的数字和向量，最终完成理解、推理与内容生成。

在此基础上，他介绍了“Token 工厂”的概念。Token的规模化产生并不仅仅依赖 GPU 算力，还受到模型架构、上下文长度、显存带宽、缓存机制以及系统调度能力等多种因素影响。

在谈到成本与经营问题时，杨晨光先生指出，企业关注的不应只是模型能力本身，更应关注单位 Token 的生产成本和使用价值。针对企业是否需要建设自己的 Token 服务，他认为应综合考虑数据安全要求、Token 使用规模以及 AI 是否属于核心业务，并从全生命周期视角比较外部采购与自建部署的成本与收益。

同学们认真倾听

进入智能体时代，Token 治理不能只以“少用”为目标。冗长上下文、重复推理、模型配置过高或工具调用陷入循环，都可能造成低效消耗。杨晨光先生建议先明确任务成功标准，再评估业务产出与 Token 成本的关系，让资源投入尽可能转化为有效成果。

结合联想智能云在企业AI领域的实践，杨晨光先生还介绍了词元中枢（Token Hub）在多模型统一接入、智能路由、推理加速、缓存优化、成本计量和安全治理等方面的探索，帮助企业看清Token消耗、提升Token生产与使用效率，并在数据安全和自主可控的前提下推动AI应用规模化落地。

3.提问环节

互动环节中，师生围绕企业部署成本、终端设备算力、上下文管理和数据安全等问题交流。有同学询问企业自建 Token 服务的投入。杨晨光先生表示，成本取决于模型规模、并发需求和响应时效，员工人数并不直接等于同时使用模型的人数，具体预算仍需结合设备配置和实际负载测算。

同学提问

针对长文本处理和上下文压缩可能丢失关键信息的问题，他建议将资料合理切分并建立知识库，在任务需要时检索相关内容；也可以提前提炼核心观点，在压缩上下文时优先保留。当前上下文压缩技术仍可能造成信息损失，需要根据任务要求进行校验。

同学提问

谈及数据隐私与调用安全，杨晨光先生提醒，第三方代理或中转服务可能接触请求内容，使用者应了解其数据处理和日志留存方式。处理敏感数据时，应选择符合安全要求的服务或自建环境；使用智能体操作电脑，也应通过权限隔离、沙箱和人工确认降低误操作风险。他鼓励同学们在合规范围内尝试 AI 工具与本地小模型，在实践中理解模型运行机制。

同学提问

同学提问

4.结语

本次讲座从 Token 原理延伸至成本、效率与企业治理，展现了人工智能管理从算力投入走向资源经营与价值评估的思路。“知存讲座”将持续邀请信息科技领域的学者、产业领袖和优秀校友，为同学们搭建了解前沿技术和产业动态的桥梁，推动青年学子深入认知专业、培养研究兴趣。