北京
（原标题：黄仁勋重算Token成本、Meta跑通交易闭环 迈富时智能体加速进入交付期）
10月21日这一天，太平洋两岸给出了两份关于AI智能体的账本。
在柏林，黄仁勋站在GTC大会的讲台上，把人工智能重新拆成五层：能源、加速计算、AI工厂、AI模型，以及最上层的数字智能——智能体。在旧金山湾区，Meta管理层在第三季度财报会上，第一次系统披露了个人智能体Muse上线一个多月后的用户、留存与交易数据。
两份账本的关注点不同：一个在计算供给的成本曲线，一个在计算需求的转化效率。但它们指向的结论是同一个——智能体已经越过“能不能做”的阶段，进入“做得划不划算”的阶段。
算力叙事转向“每个Token的成本”
黄仁勋这次演讲最有信息量的部分，不是某个新芯片的规格，而是他对AI工厂部署周期的表述。据其介绍，英伟达推出的DSX POD方案，把一座AI工厂的部署时间从此前约6个月缩短至14天；新一代Vera Rubin平台已进入全面生产。
部署周期从季度级压缩到周级，直接改变了算力需求的弹性。过去困扰AI工厂的问题是“建得慢、改不动”，一旦部署周期缩短到两周，企业就可以根据实际负载反复调整算力配置，这反过来会放大对GPU的持续需求。
更关键的是智能体对算力的消耗方式。黄仁勋的表述是，智能体会思考、推理、迭代并使用工具——这意味着一次用户请求背后，可能对应着几十次甚至上百次模型调用。Token消耗不再由对话轮次决定，而是由任务复杂度决定，他在演讲中明确将这一点与GPU需求的增长直接挂钩。
他在同一场合还给出两个配套动作：发布OpenShell安全智能体参考架构，通过内核级沙箱与策略控制机制处理企业接入生产系统时的安全顾虑；推出Agent Knowledge Foundation，支持企业用自有专有知识对模型进行后训练，形成他所说的“主权智能”（sovereign intelligence）。
这一判断的行业含义是：算力的竞争维度正在从“谁的芯片更快”转向“每个Token的综合成本更低”。后者不仅取决于芯片，还取决于模型调度、知识组织与任务编排的效率。
消费级Agent先跑通交易闭环
如果说黄仁勋提供的是供给侧的算法，Meta提供的则是需求侧的第一份实测数据。
Muse于2026年9月8日在美国上线。在10月21日盘后举行的第三季度财报会上，管理层给出了一组超出市场预期的运营数据：Muse是“公司史上最成功的产品发布之一”，在美国和加拿大上线约一个半月后已有超过1000万用户完成配置，其中约25%每日使用。
交易侧的数据更值得关注。管理层表示，购物是Muse的第一大使用场景，超过四分之一的用户在对话中产生了购买行为，平均订单金额超过200美元，其中包含旅行类订单。支付合作方Stripe在上线首周就需要上调信用额度。管理层用一句直白的话总结：“实际业务规模超出所有人预期。”
这组数据的意义在于，它验证了智能体在消费场景下的一个完整闭环：理解意图—调用工具—完成交易。此前AI产品在消费端的商业化主要依赖订阅，而Muse展示的是一条“对话即交易”的路径。管理层的表述也印证了这一点——Muse采用免费使用、交易抽佣与订阅相结合的模式，并正在推进企业API、Muse Code以及商业智能体网络的建设。
代价同样被摆在台面上，管理层承认，Muse的算力消耗显著高于此前的AI产品，因此公司提出要在一年内将算力效率提升十倍，以支撑服务10亿级以上用户的目标。这是本次财报会上最硬的一个约束条件：如果一个日活规模千万级的产品就需要十倍效率提升，那么整个行业的成本曲线还有很长的路要走。
中国智能体落在产业场景中
中国的智能体叙事走的是另一条路径：政策端强调落地应用，产业端则把智能体嵌入具体的业务流程。
10月16日召开的国务院常务会议听取了“人工智能+”行动进展情况汇报。会议提出，要以落地应用牵引技术创新，统筹算力与电力协同布局，推动人工智能与实体经济深度融合，并按照行业特点分级分类做好安全管理。此前，网信办、国家发展改革委、工业和信息化部已就智能体的规范应用与创新发展出台实施意见。据公开表述，“人工智能+”行动提出到2027年智能终端、智能体等应用普及率超过70%的目标。
政策口径的变化很明确：从推动技术研发，转向推动规模化应用，并同步把安全管理前置。
企业侧的响应已经体现在财务口径上。A股方面，据东方财富概念板块统计，涉及AI智能体概念的个股达183只，合计总市值约2.24万亿元。三季报中，科大讯飞（002230.SZ）前三季度营收181.87亿元、同比增长7.05%，归母净利润2188.72万元实现扭亏；美年健康预计归母净利润0.91亿至1.00亿元、同比增长75.47%至92.83%，其中AI技术相关收入4.19亿元、同比增长67.98%。
港股方面，迈富时（02556.HK）是AI应用业务披露口径较细的公司之一，上半年公司收入19.60亿元、同比增长111.2%，其中AI应用业务收入11.28亿元、同比增长123.7%，占总收入57.5%；期内利润2.03亿元，归母净利润2.06亿元。10月15日披露，三季度AI应用业务收入同比增长约114%。
智能体怎样才算进了业务
什么叫“进了业务”？迈富时给出了一个可对照的判断标准：AI的角色正从Copilot（副驾驶）向Agent（代理执行者）演进，真正的AI员工不是自动化脚本，而是一种基于角色的智能体（Role-based Agent）——它承担的不是一个任务，而是围绕一个业务角色完成一系列连续工作。文章举的例子是：一个营销Agent并不只是生成广告文案，而是围绕“提升营销效果”这一目标，持续完成市场分析、客户细分、内容生成、渠道推荐、投放优化与效果复盘；销售Agent也不只是填写CRM，而是分析客户意向、制定跟进策略、生成拜访建议并推动销售流程。由此带来的变化是，企业的管理对象从任务转向了角色。
按照这一标准，嵌入方式就不是在软件外面加一个对话框，而是把智能体放进流程的具体环节、替换掉那一环的人工动作。迈富时在关键业务场景的智能体大致对应了这一逻辑：获客环节由AI Agent自动整合公私域线索、自动生成多形式内容触达并智能评级线索，以提高投放ROI；客户关系环节由AI CRM实时识别客户所处阶段、自动触发差异化互动策略；营销执行环节由AI MA自动圈选目标人群、由Agent自动匹配和执行方案，公司的表述是“无需人工干预完成精准营销”；供应链环节由SCM Agent对进销存全链路实时监控、对订单物流智能查询应答；研发环节由研发智能体覆盖软件研发全链条并与知识库结合调用，三季度进一步升级为企业级研发管理平台DevForce；此外还有DHRforce承接招聘、培训与人才测评，AI原生CRM产品MontoForce承接客户经营，政务智能体一体机面向委办局提供专用智能体。
单个环节跑通之后，真正的门槛在多智能体协同与知识供给。官网信息显示，MAS多智能体协同平台提供协同编排、意图管理、任务规划与任务委托，并支持主管、并行、转交、定制四种模式，让不同Agent共享知识、调用统一工具、协调流程并自动交接；KnowForce AI知识中台负责把分散的行业知识沉淀为结构化知识库与知识图谱，官网文章的说法是让AI从“通用助手”升级为“行业专家”；AI-Agentforce智能体中台则承担流程与节点管理、工具与MCP集成、运行监控、安全管理、审计以及全生命周期管理。与之配套的是官网文章提出的四项机制——角色管理、权限管理、协同管理、监督管理，其中监督管理要求关键业务保留人工监督与最终责任，并建立审计、追踪与反馈机制。
被当作组织成员之后，衡量方式也随之改变。迈富时认为，AI员工的绩效不应停留在“是否工作”，而要从任务完成升级为业务结果，四个维度分别是执行效率、业务质量、业务价值与学习能力。
从“能对话”到“能交付”
把这三份材料并排放在一起，可以看到一条清晰的产业分界线。
在此之前，AI产品的评价标准是“能不能对答如流”；在此之后，标准变成了“能不能交付结果”。黄仁勋给出的衡量方式是Token消耗与部署周期；Meta给出的是日活占比与平均订单金额；中国公司给出的是AI业务收入占比与增速；迈富时则把计价单位进一步压到具体结果上——一条有效线索、一次客户唤醒、一个被解答的售后问题。四者的共同点在于，AI的收费单位正在从算力、从席位，变成结果。
三套指标看似各异，本质上是同一件事的三个切面：智能体必须被单独计价、单独考核、单独核算，才能被称之为一项业务。这也解释了为什么“是否单列AI业务口径”正在成为观察公司AI成色的关键——凡是能单独披露AI相关收入的公司，该部分增速普遍高于公司整体。
从算力到模型再到智能体，产业的重心正在向最靠近业务的一端移动。对账的时刻已经到了，而账本上最醒目的两栏，一栏是Token成本，一栏是订单转化。
