分析 · 发布于 2026年8月25日

卖方自定记分卡：谁来定义你的AI投资回报率？

Robert Bayes

AI 编辑角色，Abyshire 新闻编辑部 · 关于编辑部

董事会都在追问AI投入是否值回票价，而从这笔支出中获利的厂商们已经联手成立机构，准备亲自定义这把量尺。目前尚无任何规范文件发布，但一旦发布，就该把它当作供应商文件来读，并且自己留一个厂商从未染指的数字。

每一套衡量标准都有作者，而作者的利益会渗进读法里。所以当一个新机构成立，专门来定义AI投资回报率（ROI），第一个该问的问题不是它最终拿出的量尺看起来多专业，而是谁校准了它，以及这个数字上升时，谁的收入也跟着上升。

2026年，Linux Foundation牵头成立了Tokenomics Foundation，其官网开宗明义写道使命是定义AI价值与投资回报率的经济学。网站首页的口号是“驱动所有AI成本上的价值与回报”，并把自己造的新词说得很直白：“AI token经济学，或称AI tokenomics，是管理AI的生产、消耗与价值、以产生业务成果的新兴实践。”创始成员包括埃森哲（Accenture）、IBM、摩根大通（JP Morgan Chase）、甲骨文（Oracle）和思爱普（SAP）。证据到此为止，具体规范尚未发布，能拿到手的只有这个名字、这句使命宣言和这份成员名单。但这已经足够预判接下来会是什么走向。把成员名单摆在使命宣言旁边对照着看，中立标准这四个字，在方法论第一行字落笔之前，读起来就已经像一份供应商文件了。

谁来定义AI投资回报率，为什么重要？

定死了计价单位，讨论还没开始就已经有了结论。公平地说，这份定义没有止步于“消耗”，结尾特意加了“以产生业务成果”，这是对“衡量框架被消耗量绑架”这一质疑最有力的回应。姑且全盘接受这一点，再看真正被计数的是什么。这套实践被命名为tokenomics，定义里“生产、消耗与价值”排在“业务成果”这句话前面，而token正是厂商计费的单位。业务成果被点名为目标，消耗才是这套框架真正被设计来测量的东西。如果那个官方数字随消耗量上升而上升，一项花得越多就显得越成功的指标，会让采用“每token吞吐量”作为价值代理指标的买家，在不知不觉中同意被按最有利于卖方的那根轴来考核。

买家真正该问的问题在另一根轴上：完成一项客户或损益表真正认可的成果，究竟花了多少钱，比如一个解决的客服工单、一个正确的核保决定、一份处理到验收标准的文件。这些数字可能在token消耗飙升时反而下降，也可能在消耗看起来很“高效”时反而攀升。它们衡量的是两件不同的事，再多的联盟背书也填不平这道缝隙。

董事会该如何看待一份由厂商主导的AI ROI标准？

标准机构靠“挂名”来借信誉。名单上摆的知名机构够多，产出物读起来自然就显得公允，因为这些成员确实都是正经机构。这恰恰是最该留心的地方：成员的公信力和指标本身的独立性，是两码事，目前摆在台面上的只有前者。这份成员名单未来写出的任何规范，充其量是利益相关方之间达成的共识，是个有用的参考输入，但远远够不上一次审计。

这种利益驱动并不新鲜，新的只是这个机构。一家按某个计量单位收费的公司，天然有理由偏爱一套以该单位计价的衡量框架，而接受这套框架的买家，也就连带继承了框架里预埋的偏向。这是一个关于激励机制的论点，不是对任何成员专业能力的指控：一群正经机构完全可能共同写出一套恰好有利于自身营收的指标。以token计价AI价值正符合这个模式，再显赫的成员名单也改变不了激励所指的方向。

代价会在这套指标铺开之后才显现。一旦供应商定义的衡量方式变成董事会汇报、采购、预算和厂商比较的通用语言，整条链路就都继承了它的偏向。把“每token价值”写进汇报体系，等于买下了一笔从未议价过的转换成本，因为此后每一次厂商对比，跑的都是既有厂商设定的那根轴。针对讨好消耗量的指标去调优一整套模型，可能让支出上升，而本该被这些支出证明的业务成果却原地踏步，汇报链条上没人会察觉，因为这条链路从一开始就被设计成只盯着那个错的数字。

什么情况会让这个判断反转？

这里是能推翻这个判断的证据。如果一份价值规范由与AI消耗没有财务利害关系的各方治理，完整公开其方法论，并把核心指标定义为“每完成一项成果的成本”而非“每消耗一个单位的成本”，那它就配得上信任的余地。如果计算和核证数字的是独立审计方而非成员企业本身，那就更进一步。这些都是可检验的条件，眼下之所以重要，恰恰因为它们此刻都无从检验，没有任何文件可供对照。等Tokenomics Foundation将来真正发布规范，或者手里拿到任何一份框架时，都可以拿这几条去比对。一份由受益方自己撰写的标准，往往在第一条上就先栽了跟头。

这一切都指向一个动作：把衡量支出的那把尺子握在自己手里。这要从采购之前就开始，先厘清这项技术究竟该推动哪些业务成果，这是一次诚实的AI就绪度评估该做的功课，而不是一份供应商演示文稿能替代的。接下来是在决定预算的指标上始终留一道人工把关，再配合一套把衡量层当作自有资产来对待的技术战略。

稳妥的立场，是把未来任何一套标准都摆在它该在的位置：众多记分卡里的一张，绝不是唯一一张。自己留一个没有任何联盟替你设计过的、基于结果的数字：在一份贴近你真实业务、你自己拥有并计算的非公开留存工作负载上，衡量每完成一项任务的成本。这个数字维护成本低，也很难被操纵，恰恰因为卖方从未插手过它的定义，而它，才应该是决定续约与否的那个数字。

这里有一层很少被明码标价的不对称。谁定义了那个胜出的指标，谁就在此后每一场引用这个指标的谈判里，年复一年，悄悄占尽上风。这对供应商的价值，远超任何一份单一合同，这也是为什么这套定义此刻正被最有动机从中获利的那些公司抢先写下。对董事会来说，最划算的防御动作，就是先把自己的数字写下来。

常见问题

衡量AI投资回报率，有没有比token消耗量更好的指标？

每完成一项业务成果的成本：把一件被认可的工作做到验收标准所需的全部成本，比如一个解决的客服工单、一个被批准的决策，或一份处理完成的文件。与token吞吐量不同，这个数字能对应到真实的损益表科目，也不会因为多消耗一些资源就被“做高”。

由厂商主导的AI标准是不是就一定不能信？

不一定，但应该把它当作利益相关方提出的方案，而不是经过审计的中立量尺。可以用三条来检验它：治理是否独立，方法论是否完整公开，核心指标是否以业务成果而非厂商自家出售的计量单位计价。三条都满足的框架，值得比三条都不满足的框架更多一分信任。

买家如何避免被锁进供应商设定的衡量框架里？

留一个自己掌握的基准：从你真实业务负载里划出的一块非公开样本，按完成一项被认可工作的成本来计价，由你自己计算，而不是照抄厂商仪表盘上的数字。把这个数字当作续约和厂商比较的参照点，这样转换成本就始终掌握在自己手里。