Token 不是目的，工程框架才是
據《新浪財經》報導，昆侖萬維董事長兼 CEO 方漢在 2026 世界人工智能大會（WAIC）「騰訊 WAIC 之夜」圓桌上直言，Token 消耗量是最容易統計、也最容易失真的指標。他透露，公司內部曾追蹤員工 Token 使用，結果發現有人為了湊指標，把一整本《紅樓夢》餵進模型，瞬間燒掉大量額度。Token 能證明員工「用了 AI」，卻無法證明 AI 創造了多少價值。真正讓 Token 需求爆發的，是 Claude Code 等 Coding Agent 建立起的一套完整 Harness——長上下文、工具呼叫、代碼執行與持續反饋，讓模型得以連續完成複雜任務。本場圓桌討論另經中關村在線報導。
Coding 引爆 Token，但責任仍在人
方漢觀察，過去中國大量高端顯卡多用於圖像與視頻生成，用於編程的比例並不高；Claude Code 出現後，算力迅速轉向 Coding，也讓模型公司的訂閱收入與經常性收入明顯改善。但他同時警示，AI 編程會帶來嚴重的技術債，產能上升的同時代碼質量可能下降，因 AI 生成代碼導致的生產事故增幅可能達數倍。他因此強調：不手寫代碼不等於不審查，代碼審查、測試、權限、沙箱與責任機制必須同步強化，最終責任仍然在人。
組織轉型從考核中層開始
不同於與會其他嘉賓的路線，方漢選擇從中層切入。他親自設計 AI 編程題，現場考核中層研發管理者，結果 90 分以上的僅一人，相當一部分低於 60 分。他本人今年已消耗約 290 億 Token，主要用於撰寫簡報、研究文件與技術探索，目的是理解模型能做什麼，再與中層討論如何把合適的 AI 流程引入團隊。昆侖萬維的兩個實踐是：在工作群裡放入學習型 Agent，先當秘書記錄討論、整理組織記憶；以及讓每個開發組共享一套編程記憶系統，由負責人定知識結構，成員持續補充規範，系統每天自動清理過時內容。
世界模型與垂直深耕：為何不靠通用模型
方漢預告的三個模型——音樂、具身世界與遊戲世界——指向同一個判斷：在通用前沿模型尚未吃透的垂直域，自研模型仍有結構性價值。具身世界模型是機器人與實體智能的關鍵瓶頸，需要的是物理因果一致的模擬能力，而非純文字推理；遊戲世界模型則關係到環境與 NPC 的生成。這些領域的訓練資料、評測迴圈與通用語言模型差距甚大，通用模型若未針對性感測與控制資料訓練，難以直接勝任。
從這個角度看，「沒有自己的模型未來會非常吃力」並非全面主義，而是選擇性深耕：在通用模型已足以覆蓋的場景（如文字編程、摘要）仰賴外部能力，在物理、多模態與互動模擬等仍待突破的環節自建壁壘。方漢所稱「今日需要外部 Skills 完成的任務終將被原生能力吸收」也可由此理解——模型邊界會持續往外推，短期靠工程補位的 Skills，長期會被原生模型能力取代，這正是他堅持持續訓練的底層邏輯。
模型與算力仍是長期立足之本
被問及資源投向何處，方漢的答案與同場嘉賓不同——他選模型。他澄清外界誤解，強調昆侖萬維仍在持續訓練模型，並將發布音樂模型、具身世界模型與遊戲世界模型。他的判斷是：沒有自己的模型，公司未來會非常吃力；模型與算力仍然是一家 AI 公司長期立足的基礎。隨著模型能力增強，今日需要外部 Skills 完成的任務，終將被原生能力吸收。同期中國業界的模型推進如螞蟻 Ling-3.0-flash 以稀疏 MoE 壓低單次推論成本，正呼應「沒有自己的模型會非常吃力」的判斷。
