联想姚振宇提出了一个新的判断思路，现在衡量 AI 好坏的标尺已经不再单纯看算力规模大小，转而重点看词元效能和落地之后的业务收益，过去很长一段时间里，行业比拼 AI 的习惯就是堆算力、比参数量，大家觉得算力越大模型就越强，但是很多企业砸了大量算力资源之后，AI 真正能给业务带来的提升有限，算力成本居高不下，资源浪费比较严重。词元效能简单来说就是每消耗一个词元，能够产出多少有效、可用的业务结果，不再看一口气能跑多少算力，而是看单位词元投入的产出效率，业务收益则是把 AI 效果和企业真实经营指标挂钩，比如降本、提效、减少人工差错，这套新标尺更偏向产业落地视角，适合企业在内部 AI 选型、自建大模型、采购 AI 服务的时候做评估，不过这套评估方式也需要企业做好数据统计、业务指标拆解，不同行业的业务收益口径不一样，很难用统一数值横向对比所有 AI 项目。
一、三个核心评估指标说明
- 算力规模：传统评价指标，指训练、推理阶段消耗的算力资源、芯片数量、参数量大小
- 词元效能：单位词元消耗对应的有效输出，剔除无效回答、重复内容、无意义输出，衡量词元利用率
- 业务收益：AI 落地后转化的可量化业务价值，包含人力节约、流程提速、差错减少、营收提升等
二、新旧 AI 衡量标尺对比
| 项目 | 旧标尺：算力规模优先 | 新标尺：词元效能 + 业务收益优先 |
|---|---|---|
| 评估核心 | 算力、参数量、集群规模 | 词元利用率、业务价值回报 |
| 导向 | 追求大模型、高算力配置 | 追求投入产出，避免算力浪费 |
| 适用场景 | 模型研发、基础模型技术比拼 | 企业行业 AI 落地、私有化 AI 项目选型 |
| 短板 | 算力高不代表业务能用，容易出现成本失控 | 指标依赖业务埋点，统计工作量更大 |
| 决策逻辑 | 算力越大越好 | 同样业务目标下，优先选词元效能高、收益明确的方案 |
三、企业按照词元效能、业务收益标尺评估 AI 项目的步骤
- 明确 AI 项目对应的业务目标，确定可量化的收益指标，比如工单处理时长、客服人力成本
- 统计 AI 运行过程中的词元消耗总量，区分有效输出和无效冗余输出
- 计算词元效能，对比不同模型、不同提示词方案的单位词元产出效果
- 核算算力、人力、平台采购等全部投入，匹配业务收益，测算投入回报
- 持续优化提示词、模型裁剪、知识库，提升词元效能，压缩无效词元消耗
- 定期复盘，根据业务收益变化决定是否继续扩容或者调整 AI 方案
四、这套评价思路的优势与落地难点
✅ 优势
- 跳出单纯堆算力的内卷，引导 AI 项目聚焦真实业务价值
- 词元效能可以用来优化提示词、模型版本，减少不必要的算力开销
- 方便企业做 AI 预算管控，判断 AI 项目值不值得持续投入
- 业务收益的统计口径容易受其他因素干扰，很难单独剥离 AI 带来的贡献
- 不同业务场景词元效能基准不一样，没有统一标准分用来横向对比
- 词元效能只看输出效率，不能完全覆盖 AI 的安全性、稳定性、合规能力
❌ 难点
【相关 FAQ】
问题 1：联想姚振宇提出衡量 AI 的标尺转向词元效能和业务收益，是不是算力规模就完全不重要了？
回答 1：联想姚振宇提出衡量 AI 的标尺转向词元效能和业务收益，并不是算力规模完全没用，算力是基础支撑，只是不再作为首要评判标准，优先看词元利用效率和业务落地价值。
问题 2：词元效能在联想姚振宇这套 AI 评估标尺里，具体起到什么作用？
回答 2：在联想姚振宇这套 AI 评估标尺里，词元效能用来衡量每一份词元资源的有效产出，用来判断模型、提示方案会不会浪费 token，是连接算力投入和业务收益的中间指标。
问题 3：企业使用词元效能和业务收益这套标尺衡量 AI，适合哪些类型的 AI 项目？
回答 3：企业使用词元效能和业务收益这套标尺衡量 AI，更适合企业内部办公 AI、行业知识库、客服、工单处理等有明确业务流程、可以统计产出的落地型 AI 项目。
【参考资料】
暂无公开可溯源外网资料，内容基于标题主题整理
【免责声明】
本文关于联想姚振宇提出 AI 衡量标尺从算力规模转向词元效能和业务收益的内容为产业观点科普解读，该观点完整表述、联想相关 AI 战略规划以联想官方公开演讲、发布文稿为准；本文不构成企业 AI 选型、算力采购、大模型项目投入的决策建议。
本文来自作者[分棱推演者]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/shangye/202611/2385.html
评论列表（4条）
我是乌兰科技网的签约作者“分棱推演者”！
希望本篇文章《联想姚振宇AI 评价标尺从算力规模转向词元效能与业务收益观点解读》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：联想姚振宇提出了一个新的判断思路，现在衡量 AI 好坏的标尺已经不再单纯看算力规模大小，转而重点看词元效能和落地之后的业务收益，过去很长一段时间里，行业比拼 AI 的习惯就是堆算力、比参数量，大家觉得算力越大模型就越强，但是很多企业砸了大量算力资源之后，AI 真正能给业务带来的提升有限，算力成本居高不下，资源浪费比较严重。词元效能简单来说就是每消耗一个词元，能够产出多少有效、可用的业务结果，不再看一口气能跑多少算力，而是看单位词元投入的产出效率，业务收益则是把 AI 效果和企业真实经营指标挂钩，比如降本、提效、减少人工差错，这套新标尺更偏向产业落地视角，适合企业在内部 AI 选型、自建大模型、采购 AI 服务的时候做评估，不过这套评估方式也需要企业做好数据统计、业务指标拆解，不同行业的业务收益口径不一样，很难用统一数值横向对比所有 AI 项目。