今年WAIC，是史上最大規(guī)模，也幾乎是最“熱鬧”的一屆。

但在熱鬧之外，如大家所知，虎嗅做了兩場”安靜”的活動：

一場連續(xù)8小時、7場、20位CEO級實干家入席的「AI賬本公開日」對談直播；

一場27位高層圍桌而坐，4小時的AI決策者閉門會；

我們只追問一件事：當AI從模型能力走向真實產業(yè)，它到底創(chuàng)造了多少價值？

以下，是挑出的最有力道的42句話。

它們來自真實的產線、預算表和組織陣痛。

一、Token賬：Token不是價值，結果才是

01

“+AI”是在舊流程上增加幾個AI功能；“AI+”是從智能體出發(fā)，重新設計產品、流程和組織。

02

好的場景牽引 + 清晰的場景定義 + 工作流強介入 + 環(huán)境數(shù)據軌跡回流 = 垂類Agentic Service壁壘。

03

Token的第一消費者，正在從“人”變成”機器”，Agent的調用是碎片化、高頻化、7×24小時不停歇的。

04

今天企業(yè)主要按Token數(shù)量付費，未來更可能按任務和結果付費，因為客戶最終關心的還是事情有沒有辦成。

05

便宜的算力并不稀缺，又便宜、又穩(wěn)定、需要時還能馬上找到的算力，才是稀缺的。

資源切換時讓客戶毫無察覺，才是真功夫。

06

別只比Token單價，要比任務總成本。

一次任務需要多少調用、多少重試，最終有沒有交付結果，才是企業(yè)真正該算的那一行。

二、機器人賬：展臺看上限，產線看下限

07

產線不獎勵偶爾的高光。

機器人不吃飯不睡覺，只要連續(xù)作業(yè)能力成立，即使單次節(jié)拍暫時低于熟練工人，全天綜合產出也能算得過賬。

08

在每天重復上萬次任務的產線上，1%的失敗，就意味著持續(xù)不斷的異常和停線。

機器人商業(yè)化首先要守住的，不是能力的最高點，而是穩(wěn)定性的最低線。

09

燃料只能讓機器運行，教育會讓它的能力發(fā)生變化。

人類示范是老師和教材，仿真負責規(guī)?；毩暫涂荚?，部署后帶回的錯誤和反饋，是機器人的”繼續(xù)教育”。

10

技術史就是分散、驗證、收斂的循環(huán)。

客戶不會為VLA或世界模型的概念付錢，只會為機器人理解物理規(guī)律、完成任務付錢。

11

機器人進入真實環(huán)境后，節(jié)拍會肉眼可見地提升。

探索過上千個場景，最終收斂到工廠里邊界最清晰的任務；

連最擬人的靈巧手，在壽命、節(jié)拍和算法成熟度上也過不了工業(yè)這關。

12

機器人上去不能出事故，還得能干活。

哪怕是單一場景，客戶要的也是一組復合指標：

精度、節(jié)拍、可靠性、平滑度，缺一不可。

13

世界模型幫機器人把動作做準，但動作正確不等于業(yè)務成功——

送物機器人順利到了電梯口，卻堵在那里等了15分鐘，每個動作都對，整體任務卻失敗了。

三、落地賬：Agent進企業(yè)，難的不是模型，是流程和人心

14

Agent進入大型企業(yè)要翻三座大山：

知識梳理約3至4個月，系統(tǒng)連接和舊系統(tǒng)改造3至4個月起步，權限治理再要1至2個月。

15

企業(yè)真正無法接受的未必是貴，而是算不清。

一個應用會消耗多少Token沒有穩(wěn)定標準，大企業(yè)連預算都沒法做。

16

17

真正的Agent轉型，不是在舊流程的幾個節(jié)點插幾個AI按鈕；

而是把”以人為中心”的流程，重構為”以Agent為中心”。

18

AI同事的價值不只在上班時間。

讓Agent能夠24小時持續(xù)執(zhí)行任務，是AI原生組織的日常。

19

通過Benchmark，不代表企業(yè)就敢上線。

財務、生產、合規(guī)流程里，哪怕0.1%的不確定性也可能是巨大損失。

模型越聰明，企業(yè)越需要驗證、權限管理和人工兜底。

20

AI不會自動加速一家企業(yè)，它會先暴露過去數(shù)字化建設中的問題。

21

工具能生成一百個方案，但識別高價值問題仍然靠人。

決定”該解哪道題”的，還是管理層。

22

衡量AI項目有沒有效，不看接入了多少模型；

而看組織、流程和崗位上的人，有沒有發(fā)生能被感知的改變。

四、終端賬：把AI裝進硬件不難，讓人每天使用才難

23

家庭機器人進家門的第一天，可能只有幾個成功率30%—50%的單項能力。

它要在真實家庭里持續(xù)學習，把成功率養(yǎng)上去。

24

仿真覆蓋不了真實家庭的家具擺放、成員習慣和突發(fā)狀況。

產品賣進家門，不僅是一次銷售，更是數(shù)據飛輪開始轉動的時刻。

25

端側一次性硬件投入，換來的是不再為每一次調用操心。

但Token自由不是免費——芯片、內存、能耗和維護，都在賬里。

26

從GUI走向NUI，設備開始基于視覺、語音、位置和長期記憶主動服務。

新終端的價值，不是把手機界面搬到眼前，而是讓服務發(fā)生在用戶開口之前。

五、兌現(xiàn)賬：別再賣”賦能”，客戶只為結果簽字

27

AI生成一份素材，不等于素材能上線、轉化并產生收入。

工作能獨立閉環(huán)，客戶才能驗收，預算才敢持續(xù)。

28

付費率長期很低、靠新增用戶掩蓋問題，增長越快，虧損越大。

29

Token是基礎設施，客戶看的是最終結果。

模型和算力會不斷降價，真正能被客戶記住的，是交付出去的價值。

30

只有客戶的賬上至少看到一項明確變化了：

更便宜、更高效，或者質量更高，服務商自己的商業(yè)模型才能成立。

31

商業(yè)內核先成立——用戶獲得足夠價值、愿意付足夠的錢、交付后還有毛利——增長才有意義。不然，增長越快，漏洞越大。

32

真正的護城河是企業(yè)長在真實工作里，模型拿不走的上下文：

專家的判斷、思維框架和崗位經驗。

33

AI負責追問和整理，但洞察必須來自真實用戶，每個結論都能追溯到原始表達。

在高信任場景里，可追溯性本身就是產品價值。

六、組織賬：執(zhí)行變便宜后，判斷、責任和愿力變貴

34

當知識和執(zhí)行都變便宜，人的差異越來越集中在：

從0到1定義問題、建立關鍵關系、堅持審美標準，以及非把一件事做成不可的心力和愿力。

35

總想自己干完的人，不會想到讓AI替自己干。

“怎么讓AI不取代我”和”怎么讓AI幫我做成一件事”，是防守和進攻兩種完全不同的心態(tài)。

36

想要穩(wěn)定的職業(yè)位置，就去靠近AI拿不到的數(shù)據；想創(chuàng)造新機會，就要有跨行業(yè)的交叉認知。

37

每一次生產力變革，本質都是讓稀缺的服務變得普惠。

找到稀缺，再用AI把它變普惠，就是這個時代最大的機會。

38

執(zhí)行可以交給AI，判斷可以人機磨合，但擔責必須是人。

交付出錯，企業(yè)不能”刪除一個Agent”就了結。

39

很多企業(yè)只用AI優(yōu)化了執(zhí)行，卻沒有減少會議、等待、匯報和信息傳遞。

40

把各部門的職責、流程、數(shù)據、判斷和交付全部攤開，重新分配責任和利益——只加速中間環(huán)節(jié)，不是AI Native。

41

審美和標準很高、執(zhí)行偏弱的人，AI正好補上執(zhí)行。

真正危險的，是既沒有判斷標準，也沒有主動性。

42

尾聲：AI這本賬，才剛剛翻到最難的一頁

這40句話，來自不同的產業(yè)位置，他們也并沒有形成完全一致的答案。

但有一項變化非常明確：AI行業(yè)正在從”技術能不能實現(xiàn)”，進入”經營上能不能成立”。

孫天澍在閉門會留下的那句判斷，可以當作這兩天的注腳：

“未來的一年兩年三年，可能決定產業(yè)未來20年30年的格局?！?/strong>

Token最終能夠創(chuàng)造多少可以被驗收、被付費、被復購的產業(yè)價值？

這個問題，虎嗅會一直替大家問下去。

本文金句根據虎嗅WAIC系列直播「AI賬本公開日」及閉門會現(xiàn)場記錄整理，部分口語內容在不改變原意的前提下做了精簡。