在智能体的讨论里，「能力」是最容易被放大的词。而在 2026 外滩大会的相关论坛上，张宏江给出了一句方向相反的判断——Agent Economy 的本质是 Token 经济，企业需要重视专有模型与协作系统。这句话之所以值得单独拿出来讨论，是因为它把话题从「智能体能做什么」拉回到了「做这件事要花多少、能沉淀什么」。
为什么「Token 经济」是一个准确的落点
在单轮问答的时代，一次交互的成本几乎可以忽略，讨论经济性显得多余。但当任务变成一段过程——拆解、调用工具、校验、重试、汇总——成本结构就完全不同了。一段长链路任务往往需要数十次模型调用，token 消耗随步数增长，而重试与上下文压缩又会叠加额外开销。此时决定产品能否成立的，不再是「单次回答有多好」，而是「完成一个任务平均花多少」。
这正是「Token 经济」这个说法精确的地方：它把评价单位从「一次回答」换成了「一个任务」，而任务是有成本、有失败率、有可复用性的。一旦以任务为单位核算，很多此前被忽略的问题会浮出水面——同一条工作流用哪个模型、上下文压缩到什么程度、允许重试几次，都会直接体现在账面上。
三本账
把这句话展开，大致能拆成三本需要分别管理的账。
一本是推理账，也就是 token 的单价与消耗量。它是最直观的一层，也是价格战最激烈的一层。但只盯单价会误判——一个单价更低但步数更多的模型，单位任务成本可能反而更高。
另一本是编排账，也就是智能体在协作与容错上付出的额外开销。当任务被拆分给多个子智能体并行处理时，主智能体需要把足够多的状态复述给子智能体，token 消耗因此上升；类似地，重试、回滚、上下文压缩都不是免费的。这部分开销不出现在模型价目表上，却真实地落在账单里。公开研究已经指出，子智能体在执行可复用技能时，虽然能降低单个窗口的峰值上下文，但总 token 消耗会明显增加——这说明「更聪明的架构」未必等于「更省的架构」。
还有一本是资产账。这是最容易被短期指标掩盖、却决定长期成本曲线的一本。企业在运行中沉淀下来的流程规则、私有数据与技能单元，如果能在更换模型或框架后继续复用，就会摊薄未来的单位成本；如果每次换模型都要重建，那么所谓的效率提升只是把成本推迟了。三本账里，前两本决定「现在花多少」，第三本决定「未来还花不花得起」。
为什么「专有模型」与「协作系统」被并列
张宏江提到的两个重点——专有模型与协作系统——恰好对应上面三本账里的后两本。
「专有模型」指向的是差异化问题：如果所有企业都调用同一个通用模型，那么能力上限相同，成本也相同，剩下的差异只能来自数据与流程。把企业的私有知识沉淀进模型侧（无论是微调、蒸馏还是外置的技能与检索结构），本质上是把「可被复制的通用能力」转换成「不可被复制的专有能力」。对多数企业而言，完全自研基座并不现实，更可行的路径是把专有数据与流程资产化——这一点与「专有模型」的意图一致。
「协作系统」指向的则是编排账：多智能体如何分工、如何汇总、如何避免重复劳动，直接决定 token 是花在「协调」上还是花在「干活」上。一个协调开销过高的多智能体系统，可能比一个设计精良的单智能体更贵。这也是为什么近来「编排框架」会成为独立赛道——它优化的正是这本账。
对照行业数据：转化率是前提问题
把这句话与近期披露的几组数据放在一起，会更有分量。据麦肯锡《2026 组织状态》报告，88% 的组织已经部署了 AI，但其中 81% 尚未看到显著的财务影响；而在金融等对准确性要求更高的领域，差距尤为明显。此前另一场论坛上，学者也给出过一组估计——目前仅有约 5% 的企业 AI 真正转化为业务价值。
这些数字的口径与样本范围未必完全可比，但指向的结论是一致的：企业不缺 AI 的部署量，缺的是「把部署转化为可核算价值」的能力。而「Token 经济」这个提法，正是把这种转化能力的核心，落在了可量化的成本与可复用的资产上——它提醒决策者，在讨论智能体有多聪明之前，先要能回答「它每个任务花多少、这些投入留下了什么」。
中立思辨
需要辩证地看待这个判断。其一，把 Agent Economy 归结为「Token 经济」是一种有意为之的简化，它突出了成本维度，却可能低估信任、合规、人才与组织变革等非 token 成本——在很多企业里，真正的阻力并不是账单，而是流程与责任的重新划分。其二，token 价格本身处在快速波动中，峰谷定价、缓存定价与批量折扣让成本模型并不稳定，以当下的单价推导长期经济性存在风险。其三，把「专有模型」当作普遍解法并不现实，训练与维护成本对多数企业过高，更务实的落点是专有数据与流程资产，而非模型权重本身。其四，这类判断出自大会演讲，其背后缺少公开的量化模型支撑，作为方向性观点可以参考，作为结论则需要更多数据验证；相关的具体测算方法，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
趋势研判
短期，成本可见性会成为企业采购智能体产品的前置条件——看不见单位任务成本的方案，很难进入预算讨论；中期，「单位任务成本」有望取代「每百万 token 单价」成为主流评价口径，因为它同时包含了单价、步数与失败率三件事；长期，能把 token 支出持续转化为可复用资产的组织，会与那些把 token 当消耗品的组织拉开结构性差距。
对企业的务实建议是：先建立一套最朴素的度量——把「单位任务的 token 消耗、延迟与成功率」做成持续观测的指标，再谈优化。在没有度量之前，任何关于「更聪明」「更省钱」的说法都只是感觉；而 Token 经济真正的门槛，恰恰是先学会算账。