9.9元1000万Token，云南把电卖成了算力

昆明一家电信营业厅里，9.9元一个月，能买到1000万Token。同一时间，云南的绿色铝产业正在快速扩张。一个卖算力，一个卖铝，两门生意看似相距甚远，底层逻辑却相似：把资源转化为可以交易的商品。

回看云南几十年的产业变化，基本沿着这条路径展开。从烟草到水电，从绿色铝到算力，云南不断寻找新的资源出口，也不断把资源优势变成产业规模。

烟草退位，电力接棒

很长一段时间，云南的工业版图由烟草主导。烟草产业带来了稳定的税收、就业和产业链，也塑造了云南工业经济的基本面。上世纪90年代巅峰期，烟草税利占全省财政收入的比重一度超过75%。

随着能源产业发展，工业增长开始出现新的支柱。2019年，以电力为基础的能源产业增加值第一次超过烟草，成了全省第一大支柱。

水电是这场变化的关键。云南水能资源丰富，清洁电力占比高，工业用电成本具有明显优势。2021年，全省电力总装机突破1亿千瓦，绿色能源开始成为吸引制造业的重要条件。云南提出，到2027年全省电力总装机达到1.8亿千瓦左右。

水电本身不会自动变成更高的产业收入。电力成本低，首先改变的是制造业的成本结构，随后才有机会吸引产业链转移。

铝和算力，同一条路

2018年前后，随着电解铝产业布局调整，一场“北铝南移”开始加速。云南的优势很明确：水电丰富、电价有竞争力，适合承接高耗能的电解铝产业。

2017年，云南电解铝运行产能约168万吨；到2025年，这一数字已经增长到约650万吨。2025年，云南绿色铝产业链产值首次突破2000亿元。产业也在向下游延伸，汽车轻量化材料、新能源电池铝箔等产品，让云南的绿色铝不再只是初级原材料。部分企业开始进入宝马、特斯拉等汽车产业链的供应体系。

算力产业沿着相似的逻辑展开。昆明万溪冲智算产业园已建成多个数据中心，算力基础设施持续扩张。中老、中缅国际通信光缆和昆明国际通信业务出入口局，则为跨境数据传输提供了网络条件。电力、机房和通信网络共同构成了算力产业的基础。

当这些条件组合起来，电力可以驱动服务器，服务器可以提供计算服务，计算服务又可以按照Token计价。从卖烟到卖电，再到卖Token，商品形态变了，思路有延续性：寻找拥有比较优势的资源，再通过产业投资和基础设施建设，把优势转化为市场可以购买的产品。

项目能搬来，能力怎么留下

云南绿色铝产业的崛起，离不开大型企业和重大项目。电解铝需要巨额投资，也需要稳定的电力供应、成熟的生产管理和完整的供应链。对云南来说，引进有实力的企业，比从零开始培育整条产业链更容易形成规模效应。文山等地的铝产业集群不断扩张，中铝、云铝等企业持续布局，带动冶炼、加工和配套产业发展。

算力产业也有类似特征。电信运营商建设数据中心，云服务企业提供算力，通信基础设施为数据流动提供支持。华为与云天化围绕气化业务开展合作，通过自动化和智能化手段优化生产；云南交投则探索将大模型用于交通业务。云南白药、铝产业企业也在推进云平台和行业模型应用。

云南民族大学经济与管理学院院长熊云飚把这种模式定义为，是以资源换产业，以资源换市场，以资源换技术。这是一条有现实基础的路径，资源可以成为谈判筹码，市场可以吸引企业，产业场景也能为新技术提供落地空间。

但项目落地，只是产业发展的一个节点。一套生产系统建成了，谁来维护？外部技术团队离开后，本地员工能否继续优化？一项技术在一个场景里跑通，能否迁移到其他业务？这些问题很难通过项目投资额和产值直接回答。

给数字员工写岗位职责

2017年，云南省能源集团所属云南恒通煤业有限公司招采中心主任陈鹏，看到一名员工拿着计算器核对库存数据。数据已经录入电脑，员工仍然需要逐项计算、反复比对。陈鹏意识到，问题不在于有没有电子表格，而在于员工还没有找到更有效的工作方法。

多年后，类似的情况仍然存在。恒通煤业使用ERP系统管理业务，出于安全要求，系统接口不能随意开放，员工需要导出数据，再进行人工核对和整理。一项日常工作可能占用一名员工四个小时，遇到检查或集中处理任务，工作经常拖到深夜。

2026年7月，陈鹏与金山办公团队讨论AI应用。8月，WPS Comate开始在恒通煤业落地。也是在这个月，金山办公启动了“WPS Comate百城AI智能体赋能计划”。金山办公副总裁吴庆云当时提到，过去几年行业一直在讲算力、算法和数据，今年终于可以把应用拉到前台。

作为早期试点企业，恒通煤业组织业务人员与金山办公售前顾问共同梳理流程，尝试把原本由人完成的重复工作交给数字员工。这项工作没有从更换ERP系统开始，团队选择从现有流程中寻找可以拆解、可以验证的任务。

WPS Comate作为WPS 365的核心AI组件，不替代企业原有的ERP或OA系统，在现有业务系统上叠加一层连接能力，打通数据接口、统一数据口径、提供智能体平台，让业务人员用自然语言定义任务。恒通煤业的多维表格先解决了数据标准化的问题，Comate再在这个基础上搭建自动执行的技能。

实际运行中，数字员工需要从不同来源提取数据，按照规则进行校验，再将结果写回指定位置。每天凌晨两点，它开始处理数据，早上九点，相关报告便可以交到员工手中。原本需要两个多小时的工作，现在只需几分钟。

陈鹏还为数字员工编写了使用手册和运营手册。他第一次发现，给一个非人类的“同事”写岗位职责，和给员工安排工作有相似之处：任务要说清楚，执行规则要明确，什么情况下需要停下来，也得提前约定。他甚至给数字员工安排了周末休息。

不过，数字员工并没有接管整个采购流程。恒通煤业采购业务涉及需求数据导入、定标数据导入、履约数据导入，以及外部市场信息采集等任务。第一批技能主要集中在数据处理和规则明确的环节。采购意图、目标判断、采购纠纷和异常情况，仍然需要人来处理。

更有意思的考验很快出现了。一次运行中，数字员工遭遇单次对话的100万Token上下文上限，任务因此中断，业务近十天无法正常推进。问题不在于再增加多少算力就能解决，原先集中在一个对话中的任务过于复杂，处理过程超出了单一工作单元适合承担的范围。

陈鹏和团队重新拆解流程，把原来的工作分成四个独立技能，再增加一个负责协调的对话，合计五个对话协同完成任务。任务重新跑通了。

这次故障带来的启发，已经超出了工具本身的使用方法。业务人员需要理解流程中哪些环节相对独立，哪些任务可以拆开，数据在不同环节如何传递，出现异常时由谁接手。过去，这些事情可能由产品经理、流程设计人员或技术团队负责；在AI落地过程中，业务人员也开始参与其中。

这也解释了为什么同样一款AI工具，在不同企业里可能产生完全不同的结果。模型提供通用能力，企业则需要提供具体的数据、规则、流程和判断标准。

从试点到日常，差的不只是软件

恒通煤业的案例并非孤例。云南师范大学面对公共课每学期数千份教学设计作业的评价需求，也尝试用WPS Comate承担部分工作。学校通过教学设计评价智能体完成初步评价，再由教师抽样复核，每天定时运行两次，让学生当天提交、当天获得反馈。教师的抽检结果还会持续反馈到评价模型中，帮助系统改进判断。

煤炭企业和高校的业务差异很大，工作方法却有相通之处：先找到一项边界相对清晰、重复频率较高的任务，再明确评价规则和人工复核机制，让AI在实际运行中逐步调整。

这类应用很难单靠购买软件完成。正如吴庆云所说，大模型本身具备通用能力，却不了解每家企业自己的数据、经验和规则。要让AI真正参与业务，企业需要把这些原本分散在员工日常工作中的知识，转化为系统能够使用的内容。

这意味着，AI应用不再只是IT部门的技术项目。财务人员要知道预算分析依赖哪些口径，采购人员要知道哪些数据可以自动校验，教师要知道评价标准如何执行。技术团队负责搭建工具，业务团队则需要参与定义任务、检验结果、处理异常，并在反复使用中修正流程。

中国信通院相关评估数据也显示出AI应用的落地差距：约40%的应用软件已经集成专业智能体，但在组织内部实际部署智能体的比例约为17%。企业可能已经采购AI产品，员工也可能在个人工作中使用AI，但这不等于AI已经进入稳定的业务流程。

对云南来说，这道题还有更大的产业背景。云南提出，到2027年，非烟非能工业增加值占规上工业增加值的比重提高约3个百分点。绿色铝、新能源电池等产业正在承担调整工业结构的任务。云南省发展改革部门也曾在相关提案答复中指出，绿色电力的能源价值尚未充分转化为更高的工业增加值。

同样的电力条件，企业能否做出附加值更高的产品？有了算力基础设施，本地企业能否用AI改善研发、采购、财务和经营决策？这些能力会影响资源优势最终能转化为多少产业价值。

从烟草到绿电，再到绿色铝和算力，云南不断把资源优势转化为产业规模。下一步，需要更多本地企业掌握把新技术转化为生产力的能力。一家企业最难复制的，往往是那些没人写下来、却人人都在依赖的经验。AI让这些经验有机会被整理、复用，也让企业重新面对一个问题：我们究竟是怎样完成工作的？