从Token Maxing到Token Efficient：联想集团用世界杯验证AI“投入产出比”

当地时间7月20日，在纽约举行的“超越赛场：中美商业、人工智能与全球协作”私享会上，哥伦比亚大学副教授、Arklex.AI联合创始人俞舟表示，从Token Maxing转向Token Efficient，是企业采用AI过程中一个自然的阶段。 所谓Tokenmaxxing，是指企业在AI导入初期，通过Token消耗量观察员工使用程度。为推动AI从0到1，一些企业会优先提供最强模型。此时，Token更像一项采用率指标。 但当AI走向规模化应用，关注点便由“用了多少”转向“创造了什么”。Token消耗量大，并不必然意味着效率高。企业开始计算模型成本能否换来时间节省、产出提升和收入改善，AI由此进入“投入产出比验证”。刚刚落幕的2026年FIFA世界杯，作为一个巨大的AI使用场景进一步放大了这一变化。 据未尽研究白皮书《首届AI世界杯：场景的胜利》测算，赛事期间世界杯相关AI用户日均消耗约15.84万亿Token，约占同期全球AI算力需求的3%。这些Token主要来自比赛分析与预测，以及相关视频、图片等多模态内容的生成。作为FIFA官方技术合作伙伴，联想集团承担的核心任务，是把这种庞大的AI需求转化为稳定、实时、可理解的赛事服务。 其中，FIFA AI Pro向48支球队开放，可结合比赛、追踪、视频和3D数据生成战术洞察。FIFA披露，该工具已被全部球队使用，并支持15种语言。 在运营和转播端，联想ThinkSystem服务器处理各赛场的实时视频数据，将FIFA IPTV延迟压缩至5秒以内；AI 3D球员数字人和裁判视角视频增强系统，则服务于越位判罚可视化与实时转播。面对跨越三国、16座城市的104场比赛，挑战不只是提供算力，更是完成数据汇聚、模型调用和结果分发。 这也是联想集团混合式AI与Token Efficient的连接点。任务可以运行在设备端、边缘端、数据中心或云端：复杂任务调用更强模型，常规任务交给成本更低的模型，再通过智能路由协同，在性能、成本、隐私和能效之间取得平衡。 俞舟认为，Token Efficient并不等于一味选择便宜模型。未来企业未必需要让最强模型回答每一个问题，而可能采用由多个模型和智能体组成的协作系统：底层模型处理常规任务，头部模型负责高难度推理和关键决策，不同智能体之间相互分工、验证结果。 因此，转向Token Efficient不意味着AI需求降温或算力见顶。当单位任务成本下降、回报更加清晰，更多业务流程才可能接入AI。15.84万亿Token代表潜在需求，全球AI生态链领先企业联想集团在世界杯验证的，则是如何以赛事级基础设施和AI应用，把算力转化为实际价值。下一阶段不再只比谁“烧掉”的Token更多，而要比谁能让同样的Token创造更大价值。