當AI開始算賬：一家算力企業的“智企”實踐樣本丨2026 ITValue Summit 數字價值年會

Leo張ToB雜談2026.09.17 18:41 · 來自北京全文5008字00:00 / 14:19劉宏雲的發言裡，最有個性的一個判斷是：企業架構正在迎來換代。2026 ITValue Summit數字價值年會上，超聚變數字技術股份有限公司CEO劉宏雲的分享他明確指出，“在AI大發展下，企業大家都很焦慮，其實我們自身就很焦慮。而‘智企’正是企業以AI重構經營管理、實現進化升級的重要答案。”超聚變數字技術股份有限公司CEO劉宏雲臺下坐著幾百位企業CIO和數字化負責人。按常理，這家以算力業務起家的公司本該是最不焦慮的那一批，不管誰家的大模型跑得好，服務器總得有人造。

劉宏雲自己把這個邏輯拆掉了：正因為天天和大模型廠商打交道，他們比多數企業更早、更直接地感受到模型能力往上跳的速度，也因此更早看到了賬單。劉宏雲表示，超聚變擁有數千名員工，平均每天要消耗三百多億個Token，全年預計在七萬億到十萬億之間，如果按當前的市場價格折算，僅今年一年，這筆開支就可能在六七億元人民幣的量級。一家原先以算力基礎設施和算力服務為主業的公司，自己成了AI最大的“用戶”之一，這件事本身就足夠耐人尋味。

而在2026 ITValue Summit數字價值年會的圓桌對話環節，面對有關“自動代碼生成率50%”的現場討論，超聚變數字技術股份有限公司副總經理、CIO藍文廣表示：“任何單一指標都不足以完整反映AI落地效果，更重要的是看其在真實業務中的實際價值。”最焦慮的人，恰恰是離算力最近的人一家以算力業務為主的公司，照理說應該是AI浪潮中最不需要焦慮的那一批，畢竟不管誰家的大模型跑得好，服務器總得有人造。但劉宏雲在2026 ITValue Summit數字價值年會的分享中說了句大實話：“我們自身就很焦慮。”這種焦慮並非沒有來由。

作為算力供應商，超聚變每天跟大模型廠商打交道，比大多數企業更早、更直接地感受到AI能力的躍升速度。他們看到的不是“AI能做什麼”的樂觀敘事，而是一個更棘手的問題：當AI每三個月就迭代一次，企業過去花十幾年、二十幾年搭建的存量系統，到底還有沒有價值？劉宏雲把企業的焦慮拆成了三筆賬。第一筆是存量資產。劉宏雲表示，他花十幾年、二十幾年建起來的系統，在AI來了以後還有沒有價值？第二筆是投入的時效。AI大約每三個月就迭代一輪，今天圍繞營銷、倉儲、物流投下去的AI研究，會不會被三個月後的新模型抹平？該不該停？第三筆最要命：錢花出去多少，誰也算不清。第三筆賬的樣本，今年上半年在硅谷被完整地演示了一遍。

據《The Information》報道，Uber在2025年底給大約5000名工程師開放了Anthropic的編程智能體Claude Code，並做了一個內部排行榜，按AI工具的使用量給工程師排名。激勵的方向非常明確：用得越多，排得越前。到2026年3月，約84%的Uber開發人員被歸類為“智能體編程用戶”，95%的工程師每月都在用AI工具，約70%提交的代碼和AI有關。這是一組可以直接放進董事會議案的漂亮數字。然後賬單來了。4月中旬，Uber CTO Praveen Neppalli Naga向媒體承認，公司2026年全年的AI預算，在頭四個月裡就燒完了，不得不“回到原點重新想”這件事。

單個工程師每月的API開銷在500到2000美元之間。Uber 2025年的研發支出是34億美元、同比增長9%，而AI相關成本比前一年漲了大約6倍，預算不是不夠多，是財務模型壓根沒算準這門生意的計價方式。而這種焦慮同時也體現在了中國的企業身上。劉宏雲提到，他們跟上百家企業做過交流，發現大家的困惑高度相似：已經投入巨資建設的ERP、CRM等系統，在AI面前似乎一夜之間變得笨重而遲鈍；想改造，牽一髮而動全身；不改造，又怕被競爭對手甩開。更現實的是成本問題。隨著Token消耗量急劇攀升，很多企業發現AI的賬單遠比預期來得兇猛。

劉宏雲透露，超聚變自身平均每天消耗300多億Token，全年預計在7萬億到10萬億之間，折算下來今年開支可能達到6到7億元，“甚至有美國企業前四五個月就把全年的Token預算花完了。”劉宏雲指出。而藍文廣在圓桌對話上的表達更為直接，他把AI的價值鏈拆成幾段：從瓦特到FLOPS，從FLOPS到Token，從Token到智能體，再從智能體到業務價值。每往前走一步，能看懂的人就少一層，價值被損耗掉的可能就多一層。“瓦特是電，是成本；Token是能力，是投入；只有業務價值，才是企業真正能裝進口袋的東西。”藍文廣分享道。一句話概括就是：AI的第一份賬單，永遠比第一份收益來得快。

誰離算力最近，誰的賬最先到期，這也解釋了為什麼一家賣算力的公司，成了全場最坦誠講成本的人。踩過的坑比想象中更貴如果說劉宏雲代表的是“賣鏟子的人”的視角，那麼藍文廣的發言則更像是一個“用鏟子的人”的實戰覆盤。作為超聚變的CIO，藍文廣面對的問題比外部觀察者要具體得多，也殘酷得多。面對“超聚變對外提到自動代碼生成率達到50%，這一成果應如何理解和衡量？”的提問，藍文廣表示，如果僅看代碼生成率這一單一指標，並不足以全面反映AI工具的實際價值。一個AI工具能夠生成多少代碼，與這些代碼是否可用、上線後是否穩定，以及整體開發效率是否真正得到提升，並不能簡單畫上等號。

他提出，真正值得關注的是覆蓋研發全流程的價值衡量體系。“從業務設計、說明書生成、編碼、測試、自動違規檢測到最終部署，每個環節的效能都應納入考量。尤其是代碼的返工率和上線率，這兩個指標更能說明AI應用的真實效果。”藍文廣強調。與此同時，藍文廣還指出了一個行業性的誤區。過去幾年，很多企業把AI用在了數字人上，但本質上並沒有觸及業務的核心價值。他認為，AI真正的價值必須回到業務場景中去衡量，而不是停留在炫技層面。這些反思背後的“學費”並不便宜。藍文廣提到，超聚變在不同類型的算子如何適配不同模型、如何提升推理效能這些問題上都“淌過坑”。

更大的挑戰在於，當AI智能體開始產生實際效果之後，碳基和硅基之間怎麼協同、怎麼治理，這在整個行業裡都還沒有成熟的答案。超聚變自己也嘗試過、失敗過，只是在失敗中繼續往前走。從行業數據來看，藍文廣的謹慎並非過度保守。Gartner研究總監Melanie Freeze在分析AI項目失敗原因時指出，“最常見的原因包括對AI工具能力抱有不切實際的期望，以及在實際試點階段存在技能缺口”。調查中57%的I&O領導者報告了至少一次失敗經歷，許多人表示“期望過高、節奏過快，認為AI會立即自動化複雜任務、削減成本或解決長期存在的運營問題”。

埃森哲的調研則從另一個角度印證了這種落差：跨過先進AI應用試點階段的中國企業佔比已從去年的46%躍升至88%，但真正實現生產效率、收入和利潤提升等顯著成果的企業，僅從9%升至14%。鋪開容易，見效難，這幾乎是所有企業面臨的共同困局。藍文廣特別強調了一點：Token本身是高成本支出，企業必須建立一套從最終價值結果往下分解到各個環節的度量體系。不能只盯著“花了多少錢買Token”，更要看這些Token產出了什麼價值。這聽起來像是一句正確的廢話，但在實際操作中，能把這件事做清楚的企業少之又少。

大多數公司的現狀是：各部門各自採購AI工具，各自消耗Token，到了年底一算總賬，發現錢花了不少，但到底值不值，沒人說得清。企業架構的換代在劉宏雲的發言裡，最有個性的一個判斷是：企業架構正在迎來換代。他把歷史線索拉得很長。從上世紀60年代的大型機、小型機，到PC，再到移動終端，硬件一路演進；軟件側，從70年代的MRP到90年代的ERP，也是一路迭代。這套以CPU為核心算力底座、以高代碼企業軟件為上層建築的技術體系，用了四五十年的時間長成，非常成熟，也非常穩固。但現在，他認為一個代際更替的窗口正在打開。企業的運行底座會從CPU轉向以GPU為主，上層的企業流程軟件將被AI重寫。

“對於企業如果把行業垂直屬性剝離掉，整個企業底座正在發生代際更替。”大型企業尤其如此——硬件底座轉向GPU，上面的流程軟件被AI改寫，這是他在未來5到10年內的第一個基本判斷。順著這個判斷往下推，劉宏雲得出了幾個大膽的推論。其一，所有企業都將成為“製造企業”，而產物是Token。就像今天沒有一家企業可以不用電一樣，未來每一家企業都需要找到匹配自己業務特點的Token供給。“不同的Token供給的質量、成本、速度，會直接明顯地拉開你跟同行之間的競爭”，劉宏雲指出。其二，先跑起來的企業和跟跑者之間的差距，會在3~5年內被拉大到10%~15%。

劉宏雲的依據是一組歷史對照：企業計算底座從大型機走到今天花了50多年，電力在企業經濟領域的普及用了上百年，但AI進入各行各業的速度會短得多。其三，劉宏雲認為中國企業管理軟件正在迎來一次難得的窗口。過去在企業管理上，中國主要靠美國、歐洲、日本輸入；但今天，中國的生產實踐足夠厚、模型技術走在前列、數字化在不少領域也領先，“有生產經營的實踐，有AI的優勢，又有AI技術再造的機會”，他認為中國企業管理軟件具備了替代和出海的基本面。而這套推演的終點，是超聚變給未來起的一個名字：智企。

“智企”這個詞聽起來像營銷概念，但超聚變給出的定義相當具體：如果放大了說，一家企業從底層的電力，到算力，到Token，再到智能體，是被同一根主線打通的。劉宏雲用人類進化做了一個類比。據說現代人智人在進化中勝出，不是因為體格最強壯，而是因為具備了講故事和想象的能力，從而具備了大規模協作的能力。企業也一樣，現代企業的重大決策，本質上是管理團隊和專家共同決策的結果，數字化只是解決了基礎層面的問題，企業真正的“智能”還沉澱在人的腦子裡。而AI的發展，讓企業第一次有機會擁有一個“企業大腦”，具備從戰略到運營、多要素多維度的複雜分析決策能力。

在劉宏雲看來，“智企”有兩大支柱，缺一不可：第一是高效安全生產地承載核心業務的Token工廠；第二是用AI重新梳理過的企業生產經營活動，覆蓋研發、生產、經營管理、創作協作乃至物理場景。超聚變先把自己當成了實驗場。他們在三年時間裡，把公司內部將近8000項生產經營動作逐一梳理了一遍。這件事在AI到來之前做，似乎只是流程梳理；在AI到來之後做，就成了“智企”的地基。“我們現在是把8000個動作，在智企時代依然至關重要的這些基礎功能，作為AI重新構建企業的底座。”劉宏雲如是說。Token工廠的賬本更具體。在統一管理之前，超聚變內部大大小小有80多個模型，用法各異。

據劉宏雲介紹，超聚變今年專門成立了Token工廠公司級項目，要做有效的路由和一系列治理，“否則你花了這麼多錢，最後不能產出有效的價值”。每天300多億Token的消耗、全年7~10萬億的用量、6~7億元的年開支，這些數字逼著他們必須想清楚：哪些模型本地部署、哪些走API、什麼任務路由到什麼模型上。劉宏雲預計，三年下來這筆開支可能累計到29億元左右。智企也不是一蹴而就的。劉宏雲給出了一個四階段的路徑：先做活動級的排查和高確定性任務的多數據分析，再到業務流級、企業級，最後到生態級。劉宏雲在演講的結尾說：“我認為未來已來。

”這句話被無數人說過的，但放在一家把自己當成實驗場，且最接近算力的公司身上，至少比大多數口號多了一層可信度，畢竟，賬是他們自己掏錢在算（本文首發於APP）