代币经济学：AI 采用的隐性经济学
经济体未知
可引用研究简报
核心结论 · Tlines 提取
全球企业AI投资达5820亿美元，其中生成式AI过去12个月收入达1100亿美元，但仅13%的组织从生成式AI投资中获得显著的企业级价值，40%的项目未达预期目标。野村AI卓越中心国际主管指出，token具有波动性投入成本特征，单位价格下降的同时每任务有效成本往往持平或上升，因此token治理纪律比部署速度更为关键。
- 机构
- 野村证券
- 发布时间
- 2026/09/17
- 研究主题
- 原文未明确说明
- 时间范围
- 2025
关键论点
- token消费呈非线性：价格每下降10%，token消费量增加12-18%，因此单位价格下降时总支出仍在上升。
- 每任务有效成本持平或上升，原因在于每任务token消耗量激增，且代理式工作流使消费呈指数级放大。
- 超过85%的查询成本是隐性的：单次企业查询在处理用户问题前就可能因系统提示和检索文档消耗逾6000个token。
- 模型规模适配是实用对冲手段：专用硬件上运行紧凑模型每亿token约50美元/天，而前沿API约1560美元/天，差距达32倍。
关键数字
- 全球企业AI投资
- 5820亿美元
- 生成式AI过去12个月收入
- 1100亿美元
- 报告获得显著生成式AI价值的组织比例
- 13%
- 未达预期计划结果的项目比例
- 40%
- 专用硬件紧凑模型与前沿API每亿token日成本对比
- 50美元 vs 1560美元（32倍）
主要风险
- 依赖人为低token价格构建的组织，在2023-2025年价格战修正时将面临重大调整。
- 前沿模型部署日益受成本、容量和边际回报约束，重心从模型能力转向投入品价格与稀缺性。
- 自托管推理三年内相对API或可节省逾50%成本，但仅适用于高用量、可预测的工作负载。
对应原文证据
Kieran White International Head, AI Center of Excellence Massive spending: AI investment surge, yet only 13% of organizations report signi ficant enterprise-level value from their GenAI investments and 40% of projects are failing to meet goals.
40% of implemented projects fail to meet planned results .
11 12 8, 13 7 11 What does this mean for the adoption race Controlling token economics Organizations should manage tokens like capital— tracking return on intelligence for each AI project and allocating spend to opportunities with the highest returns .
上下文：结论为 Tlines 自动提取，并非机构原话；带引号的证据为机构原文。引用时须同时保留机构、日期与时间范围。
在原始来源核验 ↗研报原件
正在载入文档……
AI 分析
由 AI 依据上文研报生成 · 非原文直译、非机构原话 · 重要判断请核对官网原文
本页如何生成
本页的结论、论点、数字与风险由 Tlines 从 Nomura Connects 于 2026/09/17 发布的研报中提取并结构化，用于横向比较。机构原文可通过本页来源链接访问，并已在上方完整展示。最后更新于 2026/10/17。方法论 · 来源政策 · AI 使用说明 · 申请更正