在2026 ITValue Summit数字价值年会上，超聚变数字技术股份有限公司CEO刘宏云披露了一组数据：公司拥有数千名员工，平均每天消耗超过300亿个Token，全年预计消耗量在7万亿至10万亿之间。按当前市场价格折算，仅今年一年的相关开支就可能达到6亿至7亿元人民币。一家以算力基础设施和算力服务为主业的企业，自身已成为AI最大的用户之一。
刘宏云在分享中直言，在AI大发展背景下，企业普遍感到焦虑，超聚变自身也不例外。他将这种焦虑拆解为三笔账：一是存量资产价值，过去十几年、二十几年搭建的系统在AI时代是否还有价值；二是投入时效，AI大约每三个月迭代一轮，当前围绕营销、仓储、物流等领域的AI投入是否会被新一代模型抹平；三是成本核算，资金投入与实际产出之间缺乏清晰的财务模型。刘宏云提到，在与上百家企业交流后发现，已投入巨资建设的ERP、CRM等系统在AI面前显得笨重而迟钝，改造牵一发而动全身，不改造又担心被竞争对手甩开。
超聚变数字技术股份有限公司副总经理、CIO蓝文广在圆桌对话环节进一步阐述了AI价值链的损耗问题。他将AI价值链条拆分为从瓦特到FLOPS、从FLOPS到Token、从Token到智能体、再从智能体到业务价值四个阶段，并指出每往前走一步，能看懂的人就少一层，价值被损耗的可能性就多一层。蓝文广表示，瓦特是电，是成本；Token是能力，是投入；只有业务价值才是企业真正能装进口袋的东西。
针对行业关注的“自动代码生成率50％”这一指标，蓝文广提出不同看法。他认为，任何单一指标都不足以完整反映AI落地效果，代码生成量与代码是否可用、上线后是否稳定、整体开发效率是否真正提升之间不能简单画等号。他建议关注覆盖研发全流程的价值衡量体系，从业务设计、说明书生成、编码、测试、自动违规检测到最终部署，每个环节的效能都应纳入考量，其中代码返工率和上线率更能说明AI应用的真实效果。
行业数据印证了这种谨慎态度。Gartner研究总监Melanie Freeze在分析AI项目失败原因时指出，最常见的原因包括对AI工具能力抱有不切实际的期望，以及在实际试点阶段存在技能缺口。调查中57％的I&O领导者报告了至少一次失败经历。埃森哲调研则显示，跨过先进AI应用试点阶段的中国企业占比已从去年的46％跃升至88％，但真正实现生产效率、收入和利润提升等显著成果的企业仅从9％升至14％。
蓝文广还提到，超聚变在不同类型算子适配不同模型、提升推理效能等问题上都曾经历试错。当AI智能体开始产生实际效果后，碳基与硅基之间如何协同、如何治理，整个行业尚无成熟答案。从算力供应商到AI重度用户的双重身份，使超聚变对AI成本与价值的审视更具样本意义。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
