（问题）随着大模型和机器人技术加速发展，产业界面临一个现实问题：智能能力如何定价、如何结算、如何纳入企业成本核算体系；过去，智能主要以“软件授权+硬件采购”的方式进入市场，投入大、周期长、回报不确定，限制了机器人制造、运维、家政等场景的规模化应用。对中小企业而言，一次性采购与系统集成成本较高，“能用但用不起”“能试点难推广”的矛盾尤为突出。 （原因）在博鳌涉及的论坛上，沈抖提出“按Token计费”的机器人服务模式，即把智能能力像公共资源一样按使用量计费：不同任务对应不同消耗，实现“可计量、可结算、可交易”。此观点引发关注，主要因为两上变化正叠加：其一，供给侧正从单一模型竞争转向工程化、系统化降本，算力、云平台、工具链和应用框架协同优化，使智能生成与执行成本具备下降空间；其二，需求侧对“结果付费、按需付费”的接受度提高，企业更倾向将智能支出从资本性投入转为可预测的运营性成本，以适应不确定的市场环境和多变的业务需求。 （影响）如果智能服务真正形成按量结算机制，将对产业成本结构和商业规则带来明显改变。第一，企业投入可能从“买设备、买系统”转向“买能力、买吞吐量”，降低前期重资产投入，提升机器人在巡检、质检、配送、家务等高频任务中的渗透率。第二，行业竞争重点将从硬件参数转向任务完成率、稳定性、安全性和单位任务成本，推动供应链、软件平台与服务运营协同升级。第三，劳动组织方式也可能随之调整：机器人不再只是替代劳动力的工具，而是可被调度的“执行单元”，与人分工协作，提高作业安全与效率。 论坛上还集中讨论了具身智能产业化的关键瓶颈。与会观点认为，当前制约其走向规模应用的因素主要集中在三个环节：一是本体的规模化制造与可靠性验证，涉及工业体系、零部件一致性和维护体系；二是真实场景的数据闭环，智能体需要在复杂环境中持续学习，离不开大量可复现的操作数据与反馈；三是模型的泛化能力与算力底座，要求模型在多任务、多环境下具备稳定的理解与执行能力，并能在成本可控的条件下持续迭代。 （对策）围绕这些瓶颈，论坛讨论提出多项建议：一是以场景牵引推动标准化，优先在电力巡检、仓储物流、智能制造、城市运维等流程清晰、价值明确的领域形成可复制的解决方案，推动从项目制走向产品化与服务化。二是强化“数据—模型—应用”闭环，鼓励企业在合规前提下构建真实任务数据体系，形成从感知、理解到执行的迭代机制。三是完善基础设施供给，推动云、算力、平台工具链与行业知识融合，降低企业部署和运维门槛，形成面向行动智能的公共底座。四是同步加强安全与治理，包括任务边界、权限控制、数据保护、事故责任界定等，以制度化方式支撑规模化应用。 （前景）与会人士普遍认为，智能体正从“内容生成”走向“任务执行”，其经济价值将更多体现在解决现实世界复杂问题的能力上。未来一段时期，行动智能有望成为新型生产力的重要载体，在制造业提质增效、公共服务优化、家庭服务升级各上释放增量空间。另外，商业模式也可能随之调整：从一次性销售转向持续订阅与按需服务，从单点应用转向平台化生态协作。业内判断，谁能率先建立稳定的计量体系、可复制的场景方案与可信的服务网络，谁就更可能在新一轮产业竞争中占据主动。
从蒸汽机到电力时代，每次能源形态的变化都深刻改变产业与社会运行方式；当智能像电流一样成为可精确计量的基础资源，由Token计费引出的变革不仅会重塑成本结构和商业模式，也可能重新界定“价值创造”的方式。在这场跨越虚实边界的变化中，中国的探索或将为全球智能经济发展提供新的参考路径。