當地時間7月20日，在紐約舉行的「超越賽場：中美商業、人工智能與全球協作」私享會上，哥倫比亞大學副教授、Arklex.AI聯合創始人俞舟表示，從Token Maxing轉向Token Efficient，是企業採用AI過程中一個自然的階段。
所謂Tokenmaxxing，是指企業在AI導入初期，通過Token消耗量觀察員工使用程度。為推動AI從0到1，一些企業會優先提供最強模型。此時，Token更像一項採用率指標。
但當AI走向規模化應用，關注點便由「用了多少」轉向「創造了什麼」。Token消耗量大，並不必然意味着效率高。企業開始計算模型成本能否換來時間節省、產出提升和收入改善，AI由此進入「投入產出比驗證」。啱啱落幕的2026年FIFA世界盃，作為一個巨大的AI使用場景進一步放大了這一變化。
據未盡研究白皮書《首屆AI世界盃：場景的勝利》測算，賽事期間世界盃相關AI用戶日均消耗約15.84萬億Token，約佔同期全球AI算力需求的3%。這些Token主要來自比賽分析與預測，以及相關視頻、圖片等多模態內容的生成。作為FIFA官方技術合作夥伴，聯想集團承擔的核心任務，是把這種龐大的AI需求轉化為穩定、實時、可理解的賽事服務。
其中，FIFA AI Pro向48支球隊開放，可結合比賽、追蹤、視頻和3D數據生成戰術洞察。FIFA披露，該工具已被全部球隊使用，並支持15種語言。
在運營和轉播端，聯想ThinkSystem服務器處理各賽場的實時視頻數據，將FIFA IPTV延遲壓縮至5秒以內；AI 3D球員數字人和裁判視角視頻增強系統，則服務於越位判罰可視化與實時轉播。面對跨越三國、16座城市的104場比賽，挑戰不只是提供算力，更是完成數據匯聚、模型調用和結果分發。
這也是聯想集團混合式AI與Token Efficient的連接點。任務可以運行在設備端、邊緣端、數據中心或雲端：複雜任務調用更強模型，常規任務交給成本更低的模型，再通過智能路由協同，在性能、成本、隱私和能效之間取得平衡。
俞舟認為，Token Efficient並不等於一味選擇便宜模型。未來企業未必需要讓最強模型回答每一個問題，而可能採用由多個模型和智能體組成的協作系統：底層模型處理常規任務，頭部模型負責高難度推理和關鍵決策，不同智能體之間相互分工、驗證結果。
因此，轉向Token Efficient不意味着AI需求降溫或算力見頂。當單位任務成本下降、回報更加清晰，更多業務流程纔可能接入AI。15.84萬億Token代表潛在需求，全球AI生態鏈領先企業聯想集團在世界盃驗證的，則是如何以賽事級基礎設施和AI應用，把算力轉化為實際價值。下一階段不再只比誰「燒掉」的Token更多，而要比誰能讓同樣的Token創造更大價值。
責任編輯：孫同懷