今年WAIC，是史上最大规模，也几乎是最“热闹”的一届。

但在热闹之外，如大家所知，虎嗅做了两场”安静”的活动：

一场连续8小时、7场、20位CEO级实干家入席的「AI账本公开日」对谈直播；

一场27位高层围桌而坐，4小时的AI决策者闭门会；

我们只追问一件事：当AI从模型能力走向真实产业，它到底创造了多少价值？

以下，是挑出的最有力道的42句话。

它们来自真实的产线、预算表和组织阵痛。

一、Token账：Token不是价值，结果才是

01

“+AI”是在旧流程上增加几个AI功能；“AI+”是从智能体出发，重新设计产品、流程和组织。

02

好的场景牵引+清晰的场景定义+工作流强介入+环境数据轨迹回流=垂类Agentic Service壁垒。

03

Token的第一消费者，正在从“人”变成”机器”，Agent的调用是碎片化、高频化、7×24小时不停歇的。

04

今天企业主要按Token数量付费，未来更可能按任务和结果付费，因为客户最终关心的还是事情有没有办成。

05

便宜的算力并不稀缺，又便宜、又稳定、需要时还能马上找到的算力，才是稀缺的。

资源切换时让客户毫无察觉，才是真功夫。

06

别只比Token单价，要比任务总成本。

一次任务需要多少调用、多少重试，最终有没有交付结果，才是企业真正该算的那一行。

二、机器人账：展台看上限，产线看下限

07

产线不奖励偶尔的高光。

机器人不吃饭不睡觉，只要连续作业能力成立，即使单次节拍暂时低于熟练工人，全天综合产出也能算得过账。

08

在每天重复上万次任务的产线上，1%的失败，就意味着持续不断的异常和停线。

机器人商业化首先要守住的，不是能力的最高点，而是稳定性的最低线。

09

燃料只能让机器运行，教育会让它的能力发生变化。

人类示范是老师和教材，仿真负责规模化练习和考试，部署后带回的错误和反馈，是机器人的”继续教育”。

10

技术史就是分散、验证、收敛的循环。

客户不会为VLA或世界模型的概念付钱，只会为机器人理解物理规律、完成任务付钱。

11

机器人进入真实环境后，节拍会肉眼可见地提升。

探索过上千个场景，最终收敛到工厂里边界最清晰的任务；

连最拟人的灵巧手，在寿命、节拍和算法成熟度上也过不了工业这关。

12

机器人上去不能出事故，还得能干活。

哪怕是单一场景，客户要的也是一组复合指标：

精度、节拍、可靠性、平滑度，缺一不可。

13

世界模型帮机器人把动作做准，但动作正确不等于业务成功——

送物机器人顺利到了电梯口，却堵在那里等了15分钟，每个动作都对，整体任务却失败了。

三、落地账：Agent进企业，难的不是模型，是流程和人心

14

Agent进入大型企业要翻三座大山：

知识梳理约3至4个月，系统连接和旧系统改造3至4个月起步，权限治理再要1至2个月。

15

企业真正无法接受的未必是贵，而是算不清。

一个应用会消耗多少Token没有稳定标准，大企业连预算都没法做。

16

17

真正的Agent转型，不是在旧流程的几个节点插几个AI按钮；

而是把”以人为中心”的流程，重构为”以Agent为中心”。

18

AI同事的价值不只在上班时间。

让Agent能够24小时持续执行任务，是AI原生组织的日常。

19

通过Benchmark，不代表企业就敢上线。

财务、生产、合规流程里，哪怕0.1%的不确定性也可能是巨大损失。

模型越聪明，企业越需要验证、权限管理和人工兜底。

20

AI不会自动加速一家企业，它会先暴露过去数字化建设中的问题。

21

工具能生成一百个方案，但识别高价值问题仍然靠人。

决定”该解哪道题”的，还是管理层。

22

衡量AI项目有没有效，不看接入了多少模型；

而看组织、流程和岗位上的人，有没有发生能被感知的改变。

四、终端账：把AI装进硬件不难，让人每天使用才难

23

家庭机器人进家门的第一天，可能只有几个成功率30%—50%的单项能力。

它要在真实家庭里持续学习，把成功率养上去。

24

仿真覆盖不了真实家庭的家具摆放、成员习惯和突发状况。

产品卖进家门，不仅是一次销售，更是数据飞轮开始转动的时刻。

25

端侧一次性硬件投入，换来的是不再为每一次调用操心。

但Token自由不是免费——芯片、内存、能耗和维护，都在账里。

26

从GUI走向NUI，设备开始基于视觉、语音、位置和长期记忆主动服务。

新终端的价值，不是把手机界面搬到眼前，而是让服务发生在用户开口之前。

五、兑现账：别再卖”赋能”，客户只为结果签字

27

AI生成一份素材，不等于素材能上线、转化并产生收入。

工作能独立闭环，客户才能验收，预算才敢持续。

28

付费率长期很低、靠新增用户掩盖问题，增长越快，亏损越大。

29

Token是基础设施，客户看的是最终结果。

模型和算力会不断降价，真正能被客户记住的，是交付出去的价值。

30

只有客户的账上至少看到一项明确变化了：

更便宜、更高效，或者质量更高，服务商自己的商业模型才能成立。

31

商业内核先成立——用户获得足够价值、愿意付足够的钱、交付后还有毛利——增长才有意义。不然，增长越快，漏洞越大。

32

真正的护城河是企业长在真实工作里，模型拿不走的上下文：

专家的判断、思维框架和岗位经验。

33

AI负责追问和整理，但洞察必须来自真实用户，每个结论都能追溯到原始表达。

在高信任场景里，可追溯性本身就是产品价值。

六、组织账：执行变便宜后，判断、责任和愿力变贵

34

当知识和执行都变便宜，人的差异越来越集中在：

从0到1定义问题、建立关键关系、坚持审美标准，以及非把一件事做成不可的心力和愿力。

35

总想自己干完的人，不会想到让AI替自己干。

“怎么让AI不取代我”和”怎么让AI帮我做成一件事”，是防守和进攻两种完全不同的心态。

36

想要稳定的职业位置，就去靠近AI拿不到的数据；想创造新机会，就要有跨行业的交叉认知。

37

每一次生产力变革，本质都是让稀缺的服务变得普惠。

找到稀缺，再用AI把它变普惠，就是这个时代最大的机会。

38

执行可以交给AI，判断可以人机磨合，但担责必须是人。

交付出错，企业不能”删除一个Agent”就了结。

39

很多企业只用AI优化了执行，却没有减少会议、等待、汇报和信息传递。

40

把各部门的职责、流程、数据、判断和交付全部摊开，重新分配责任和利益——只加速中间环节，不是AI Native。

41

审美和标准很高、执行偏弱的人，AI正好补上执行。

真正危险的，是既没有判断标准，也没有主动性。

42

尾声：AI这本账，才刚刚翻到最难的一页

这40句话，来自不同的产业位置，他们也并没有形成完全一致的答案。

但有一项变化非常明确：AI行业正在从”技术能不能实现”，进入”经营上能不能成立”。

孙天澍在闭门会留下的那句判断，可以当作这两天的注脚：

“未来的一年两年三年，可能决定产业未来20年30年的格局。”

Token最终能够创造多少可以被验收、被付费、被复购的产业价值？

这个问题，虎嗅会一直替大家问下去。

本文金句根据虎嗅WAIC系列直播「AI账本公开日」及闭门会现场记录整理，部分口语内容在不改变原意的前提下做了精简。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4878463.html?f=wyxwapp