新Token经济学

来源：公号Akashabot

从所有权到使用权：黄仁勋的公式如何重构整个AI产业

他穿着皮夹克走上台。

身后的屏幕上，是一个公式。

Revenue = Tokens per Watt × Available Gigawatts。

台下掌声。

我盯着等号两边，感到某种东西在移动

不是芯片，不是产品，不是市场。

是坐标系本身。

一个新文明，刚刚选择了它的计量单位。

开场：三个时代的交易

三十年前，Bill Gates卖给你一张光盘。

你把它带回家，放在书架上。永远是你的——如果微软明天倒闭，你的Windows照样能跑。所有权意味着主权。资产在你手里，别人拿不走。

十五年前，Marc Benioff告诉你另一件事。不需要拥有，他说。按月付就好。软件在云端，用的时候访问，不用的时候关掉。更简单，更灵活，前期投入更低。

Benioff没有说出口的是：你永远不会付完。仪表一直在转。所有权被一份伪装成便利的永久负债取代了。你用资产换了一个每月扣款的账单。

上周，黄仁勋说了另外一件事。

他没有卖给你软件。没有提供订阅。他站在圣何塞的舞台上，展示了一个公式：

Revenue = Tokens per Watt × Available Gigawatts

没有产品。没有License。没有席位数量。

只有一个生产方程。

效率乘以物理容量。产出是Token——AI计算的原子，机器生成智能的最小单位，推理被计量、被定价、被工业化生产的基本颗粒。

注意等号右边缺少了什么。

所有权。这个公式里没有"拥有"这个词。没有资产。没有积累。只有生产、消耗、流动。

这就是转变。不是从软件到AI，不是从本地部署到云端。是更深处的转变：从一个建立在"拥有"之上的经济，到一个建立在"使用"之上的经济。

二十世纪建立在所有权之上。Token经济终结了它。

而这会改变一切以旧单位定价的东西——目前几乎是所有东西。

第一部分：所有权经济学的死亡

一、三根支柱，逐一坍塌

所有权经济学建立在三个前提之上，每一个都如此自然，如此久远，以至于我们早就停止注意到它们是前提了。

第一根支柱：你拥有你的工具。

软件是资本资产。你买一个License，按三年折旧，拥有它所代表的生产能力。企业软件是护城河——不只是因为迁移成本，而是因为所有权本身就是一种永久性声明。"我们有SAP"意味着某种东西：投入、承诺、比任何一个员工活得都长的基础设施。

在Token经济里，这根支柱不是弯曲，是折断。

你不买一个AI Agent。你调用它。你消耗Token来启动它的推理，完成任务，接收输出。任务结束，关系结束。你的资产负债表上没有任何资产，只有一条消耗记录。上个季度为你完成了一万个任务的Agent，在会计意义上与你从未使用过的Agent完全相同。你停止付费的那一刻，能力消失。不是因为合同到期——是因为没有什么东西是你的。

工具不属于你。从来不属于。你按Token租用了一种能力，用完即散。

第二根支柱：你拥有你的数据。

"数据是新石油"是2010年代的定义性隐喻。公司花费数十亿积累专有数据集，训练自己的模型，建造竞争对手需要数年才能复制的数据护城河。逻辑无懈可击：积累原材料，你就控制生产。

但推理时代改变了存量数据的价值方程，以一种几乎没有人在清晰讨论的方式。

训练时代，历史数据就是一切。数据集的数量和质量决定了模型能力的上限。拥有数据是拥有智能的直接代理。

推理时代——黄仁勋宣布已经决定性到来的时代——价值计算发生了转移。对新鲜上下文的实时推理，往往优于对陈旧历史数据的模式匹配。一个能够实时搜索、综合、推理的Agent，常常胜过在去年专有数据库上训练的模型。积累优势在侵蚀。推理效率优势在主导。

这不意味着数据变得一文不值。它意味着"拥有"数据与"拥有"智能之间的关系，不再是线性的。你可以有千万亿字节的专有数据，仍然输给一个Token/Watt效率更高、推理栈更精准的竞争对手。

护城河不是数据。护城河是数据积累不可逆的假设。那个假设，现在正在被质疑。

第三根支柱：你拥有你的模型。

在某几年里，训练一个前沿模型是所有权经济学应用于AI的终极表达。花数亿美元，组建世界级研究团队，收集专有数据，在数千GPU上跑训练——最终，你拥有一个别人没有的东西。一个资产。一件竞争武器。你的。

这根支柱的坍塌方式，比其他两根更微妙，也是大多数分析师不够精准的地方。

论断不是模型不重要。前沿模型——Claude、GPT-4、Gemini Ultra、顶级推理系统——仍然代表着真实的能力差异，仍然能支撑真实的定价权。当你需要一个能在20万Token上下文中推理、在多小时Agent工作流中保持逻辑连贯、生成高级分析师愿意署名的输出的系统时，前沿模型不是商品。你付溢价，因为失败的代价太高，而前沿模型失败更少。

论断更具体：

中间层模型，正在死亡。

不是前沿模型。不是开源小模型。是中间层。

有足够能力感觉像一个真正产品、但没有足够能力支撑前沿定价的模型。运行成本太高，无法做大量商品推理；能力太弱，无法签前沿合同。被两端同时压缩。

使用权时代，够用不能创造Tokens/Watt优势。它只能制造一场从两个方向同时来袭的定价挤压。

模型能力已经从护城河变成了入场券。中间层交了入场费，发现场馆里没有他们的座位。

二、公式真正在说什么

回到黄仁勋的方程，因为它值得比媒体给予它的更仔细的阅读。

Revenue = Tokens per Watt × Available Gigawatts

财经媒体把它读作需求预测，没有错——这是Nvidia的论点：随着全球电力容量扩张，AI工厂建成，收入与Token生产效率成比例增长。更多吉瓦，更多Token，更多收入。干净的工业逻辑。

但这个公式包含了一个几乎未被检视的哲学声明。

黄仁勋选择以Token计量产出。不是模型调用次数，不是API请求数，不是"AI交互"——是Token，生成智能的原子单位。他选择以瓦特计量效率。不是每次查询的成本，不是延迟——是瓦特，消耗的原始能量。

隐含的主张：智能是一种制造业商品。它的生产方式，与电力的生产方式相同，与钢铁的生产方式相同。原料（能量）进入，产出（Token）出来。两者之间的比值——Tokens per Watt——是竞争优势的根本衡量。

这是软件时代信念的死亡证明：智能主要是一个信息问题。它不是。它是一个制造业问题。问题不是"谁有最好的算法？"问题是"谁能以最少的焦耳生产最多的推理？"

但这个公式没有说的——这个遗漏很重要——是：谁的意图在被服务？

Token被生产。Token被消耗。收入被创造。方程平衡了。但它在任何一个地方都没有问：用户真正想要什么？Token消耗背后的意图是否清晰？输出是否值得那些电力？推理链那一端的人，是否得到了他们来寻找的东西？

这个公式以非凡的精度描述了智能经济的供给侧。它完全没有描述需求侧。

这是空隙。而空隙，是这篇文章真正的论点所在。

我们将回到这里。

第二部分：使用权经济学的新规则

三、三条取代旧逻辑的规则

使用权经济学不只是一种新的定价模型。它是一套不同的竞争规则——偏向于所有权经济学不同的能力、不同的护城河、不同的组织结构。

规则一：为流量付费，而非为所有权付费。

在所有权经济学中，买卖双方的关系根本上是关于转让的。钱流向一个方向，资产流向另一个方向。交易完成，关系原则上就结束了。你拥有那个东西。卖家得到了报酬。结束。

在使用权经济学中，关系永远不结束。每个消耗的Token都是一次交易。仪表持续运转。你用得越多，付得越多——你提取的价值越多，提供者捕获的价值越多。这不是买卖，是永续交换。

这对公司构建自身的方式有深刻影响。SaaS时代，企业软件公司是"转让机器"——把License从自己的库存移到客户的资产负债表上。Token时代，它们变成"流量机器"——需要维持和扩大Token消耗的速率。收入不是客户数量的函数，是这些客户消耗多少Token的函数。

增长，在这个模型里，不像签新合同。它像加深现有账户的使用深度。问题从"我们如何拿下这单？"变成"我们如何增加流量？"

规则二：效率是新护城河。

所有权时代，最可防御的竞争地位建立在积累上：积累数据，积累客户关系，积累迁移成本。待得越久，离开越难。网络效应强化所有权优势。富者愈富，因为他们有更多东西。

使用权经济学中，最可防御的竞争地位是效率：以更低的延迟、更高的可靠性，每瓦特生产更多Token的能力。这是Nvidia整个赌注的全部。能以最少焦耳生产最多智能的公司，将能以最高利润率提供最低价格——或者视市场细分，以具有竞争力的利润率提供最高价格。

Tokens/Watt不是住在数据中心运营电子表格里的工程指标。它是商业模式指标。它决定谁能有利润地服务大量、低利润的Token商品市场，同时也服务小量、高利润的前沿推理市场。它决定当Token价格下降——它必然会下降——时谁被挤出，谁存活下来。

护城河不再是你积累了什么。护城河是你把能量转化为智能的效率。

规则三：调度能力替代积累能力。

或许是最深层的规则变化。所有权经济学里，战略优势积累给能积累最多东西的人——最多数据、最多人才、最多算力、最多客户。积累是游戏本身。

使用权经济学里，战略优势积累给能最有效地调度资源的人。问题不是"你有多少？"而是"你能多智能地部署现有的资源？"

这适用于每个层面。基础设施层面：谁能跨GPU类型、散热系统、网络拓扑调度异构算力，最大化Tokens/Watt？软件层面：谁能调度推理作业，在最小化延迟的同时最大化吞吐量？个人层面：谁能以足够清晰的意图引导AI Agent，从Token预算中提取最大价值？

"调度"这个词值得强调。乐团不拥有音乐。它不制造乐器。它做的——它不可替代地做的——是将作曲家的意图转化为协调的声音。指挥者的价值不在于他们有什么，而在于他们能让什么发生。

这就是新的竞争格局。它选择的，是与旧格局截然不同的能力。

四、竞争轴的根本转换

左列描述了大多数大型科技公司二十年来一直在玩的游戏。他们非常擅长。他们建造了为此优化的组织、激励结构、收购策略和工程文化。

右列描述了几乎没有大型科技公司玩过的游戏。所需的技能不同。指标不同。获胜的组织结构不同。

这就是为什么Token经济是真正颠覆性的——不是因为它让现有产品过时（尽管它会），而是因为它让现有的组织能力过时。在积累上世界级的公司，正在从零开始，带着他们所有积累的优势，而这些优势与新规则微妙地错位了。

这个过渡不是在十年后发生。它正在现在发生。

第三部分：赢家与输家

五、四类赢家

任何体制更迭中，第一个问题都是：谁制定了对自己有利的新规则？

赢家①：能源与散热基础设施

Token经济，在它的物理基础上，是一个能源经济。Token需要电力。更多Token需要更多电力。更好的Token——更低延迟，更高吞吐——不只需要更多电力，还需要更好的电力：更精准输送，更高效冷却，更可靠分配。

像Vertiv这样的公司，为高密度数据中心提供热管理和电力系统，正在经历一种软件时代没有类比的东西：它们是智能生产的关键投入。所有权经济学里，冷却系统是成本中心。Token经济里，它们是生产基础设施。这个区别对估值有意义。

随着AI工厂将机架密度推向150千瓦——相比传统数据中心的10-15千瓦——液冷系统成为不可谈判的条件。不是豪华功能，是运营前提。Vertiv超过150亿美元的积压订单不是销售成就，是Token经济物理基础设施需要多快扩张的量度。

这是整个AI价值链中结构上最安全的位置。Vertiv不在乎哪个AI模型获胜。不在乎哪个云服务商主导。它在乎AI工厂被建造并以越来越高的密度运营。这个趋势至少有十年的跑道。

赢家②：先进芯片制造垄断者

如果Tokens/Watt是Token经济的根本竞争指标，那么控制Tokens/Watt性能物理上限的实体就拥有非凡的结构性权力

这个上限由半导体物理决定——每平方毫米硅能塞入多少晶体管，这些晶体管能以多高效率切换。今天，这个上限由台积电控制，其2纳米制程代表了物理和制造精度允许的当前前沿。

台积电在最先进节点的产能，在字面意义上，就是全球智能经济的生产能力。它不能被快速复制。资本成本以数百亿计。工艺know-how需要几十年积累。供应商关系、设备、洁净室规格——每一项都代表着没有竞争对手能在规模上弥合的复合优势。

黄仁勋到2027年1万亿美元的需求预测，本质上是一个台积电产能约束问题。需求存在。问题是物理供应链能以多快速度扩张来满足它。台积电在这个动态中的位置，不是传统意义上的供应商，而是地球上增长最快的经济活动中最关键投入的自然垄断者。

赢家③：Token调度软件层

坐在物理基础设施和实际工作之间的那一层是调度层：决定推理作业如何排期、算力资源如何分配、延迟与吞吐权衡如何实时管理的软件。

Nvidia的Dynamo——专为AI工厂设计的操作系统——代表其拥有这一层的尝试。逻辑很直接：如果Nvidia不只控制硬件，还控制调度硬件的软件，它就在两个层面同时捕获价值。硬件收入来自芯片。软件收入来自调度层。两者复合：更好的调度软件让Nvidia硬件在Tokens/Watt指标上表现更好，让Nvidia硬件更有吸引力购买。

这与苹果在个人电脑和智能手机上应用的垂直整合逻辑相同。控制金属和软件栈。让"我们的系统"和"其他所有人的系统"之间的差距随每一代复合增大。

能构建有效调度层的公司——无论是Nvidia的Dynamo，还是专业的推理优化公司，还是开发专有调度系统的云服务商——将以纯硬件提供商无法做到的方式控制Token经济的利润结构。调度是智能生产效率转化为商业模式优势的地方。

赢家④：主权AI基础设施建造者

有第四类赢家没有得到它应得的分析关注：主权AI基础设施的建造者。

每个得出结论——无法依赖外国Token生产能力——的国家，都成为整套AI工厂栈的客户：芯片、冷却、网络、调度软件、基础模型，一切。这不是消费者市场。这是政府采购市场，带有政府采购意味的预算规模、政治优先级和时间轴稳定性。

需求是结构性的。它不依赖于季度业绩或消费者行为。它依赖于一旦做出就倾向于跨政治周期维持的地缘政治决策。

Token经济，在这个维度上，不只是一场商业革命。它正在成为一场地缘政治革命。每个想在本土生产Token的政府，都是能够建造和运营国家规模AI工厂的公司的长期客户。

六、四类输家

在体制更迭中，点名输家令人不舒服，但这是必要的分析。不舒服不是回避的理由。

输家①：传统SaaS定价模型

按用户按月订阅的席位模型——无论每个用户实际做了多少——在AI之前的时代很优雅。可预测。容易预算。让供应商激励与客户留存对齐。

在AI时代，它有一个内在矛盾，随着AI能力每次改善而变得更加尖锐。AI Agent越强大，单个用户能以更少的人工动作完成更多事情。随着AI接管更多工作流，"用户数量"和"提取的价值"之间的联系脱钩了。大量使用AI的公司可能从软件平台提取五倍的价值，同时只需要一半的席位，因为AI处理了另一半工作。

对客户来说，这是好事。对按席位定价的SaaS供应商来说，这是生存问题。交付的价值增加，定价机制没有捕获任何增加。

黄仁勋在GTC说："每家SaaS公司都将成为Agent-as-a-Service公司。"这不是预测，是关于生存的观察。搞清楚如何按Token消耗、按结果、按交付价值定价的供应商——而不是按占用的席位——会在过渡中存活。那些因为财务模型依赖于此就继续捍卫席位定价的，将经历一种缓慢的、结构性的收入渗漏，从内部看，像是客户成功问题。

过渡窗口不是无限的。已经转向基于使用量定价的公司有一个复合优势。还在争论是否要做出改变的，正在消耗他们的过渡窗口。

输家②：低Token效率的云服务商

Token/Dollar正在成为云AI服务的新比价基准。不只是延迟，不只是原始吞吐量。是比值：每花一美元基础设施，你能获得多少有用的AI输出？

有较旧硬件世代、较不优化的散热基础设施、或较不精密调度软件的云服务商，将发现自己在这个指标上系统性地表现不佳。在一个商品市场里——Token生产的大量端正在成为商品市场——在关键指标上系统性表现不佳，是一个随时间复合的定价问题。

无法证明资本投入以保持在Tokens/Watt效率前沿的中型云服务商面临结构性挤压：其生产Token的成本基础高于前沿竞争对手，迫使他们压缩利润率或将客户输给更便宜的替代者。两条路都不好看。

输家③：囤积型知识工作者

这条写起来更难，因为它描述了一类真正处于困境的专业人士。但精确性要求清晰地陈述它。

所有权时代的知识工作，奖励积累。积累专业知识。积累关系。积累机构知识。在行业里待了二十年的专业人士——懂得规章、关键人物、历史背景、不成文规则——比任何新人都有结构性优势。他们积累的资本不在资产负债表上，但它是真实的。

Token经济以一种特定方式侵蚀这个优势。构成专业人士积累资本的大部分——信息获取、文件分析能力、报告综合、沟通起草技能——现在是可Token化的。一个有精心设计的提示词和正确数据库访问权限的Agent，能以人类无法维持的速度和成本的一小部分完成这些任务。

这不意味着积累的专业知识变得一文不值。它意味着在Token经济中存活的专业知识类型看起来不同了。能以高度意图清晰度引导AI Agent的知识工作者——能调度Token消耗走向有价值成果的人，能以真正的领域判断评估AI输出的人——保留并可能放大他们的价值。主要价值在信息获取、数据处理或常规分析的知识工作者，面临真正的结构性位移。

重要的区分不是"使用AI对不使用AI"。而是：**你在消耗Token，还是在调度Token？

消耗者被替代。调度者变得更有价值。

输家④：中间层模型

如第一部分所建立的：不是模型整体。是中间层。

前沿模型保留定价权，因为它们能做其他任何东西都无法可靠做到的事情。复杂的多步推理，长上下文连贯性，真正的模糊性判断。客户支付溢价是因为失败的代价太高，而前沿模型失败更少。

开源小模型保留生存能力，因为它们的Tokens/Watt效率极高。本地部署，无API成本，针对狭窄、定义明确任务的极快推理。即使在适度能力下，经济学在规模上也是成立的。

中间层——有足够能力感觉像真正产品、但没有足够能力支撑前沿用例，没有足够效率支撑商品部署的模型——被困住了。它无法凭能力赢，无法凭效率赢。它凭惯性和现有关系竞争，两者都在侵蚀。

模型能力已经成为入场券，而非护城河。

入场券不是资产。你付一次，就被允许进入。不会为你积累。

第四部分：深层重构

七、薪酬革命

黄仁勋在GTC说了一件事，它收到的关注远少于他的硬件公告，但可能对经济在五年后实际运作方式更有后果。

他说Nvidia的每个工程师最终都会在基本薪资之上获得年度Token预算——价值约为现金薪酬的一半——专门用于部署AI Agent作为生产力倍增器。

"我会在基本薪资之上给他们大约一半作为Token，"他说，"这样他们的产能就能被放大十倍。"

这不是福利公告。这是一个关于劳动的新理论。

所有权经济里，雇主购买工人的时间。工资是小时的价格，隐含的理解是这些小时内发生什么归雇主指挥。时间是劳动单位。工资是时间的价格。

Token经济里，方程改变了。工人仍然出售他们的时间——他们的在场、判断、领域知识。但他们现在也获得了一笔智能生产能力的预算：一个Token配额，代表运行AI Agent、生成分析、起草输出、以没有任何人类能维持的速度处理信息的能力。

新的劳动公式大致是：

产出 = 意图清晰度 × Token配置 × AI效率

注意这个公式做了什么。它让个人的价值成为一个函数，不只是他们的时间，而是他们能多有效地引导AI Agent。这个公式里人类唯一控制的变量——也是唯一不纯粹是基础设施函数的变量——是意图清晰度。知道你想完成什么，以足够精准的方式指定它使得Agent能执行，以真实意图而非字面指令评估输出的能力。

这是在Token经济中向上重新定价的能力。不是执行，不是信息获取，不是常规分析。

拥有清晰、有价值意图的能力——以及将意图转化为有效Agent调度的能力。

对于每一个知识工作者来说，现在应该坐在心里的问题是：我所做的哪些部分，可以由消耗Token的Agent足够或更好地完成？那次审计之后剩下的，是值得发展的专业资产。出现在那个清单上的，是需要管理的风险敞口。

九、意图：唯一不能被租用的东西

经济历史上有三次，文明争夺的资源——控制权决定权力、财富和战略优势的资源——发生了转移。

工业革命使资本成为关键资源。机器、工厂、铁路——谁拥有生产装置，谁就拥有经济。资本可以积累、继承、规模化部署。十九世纪的大财富是积累资本的财富。

互联网时代使时间——具体说是人类注意力——成为关键资源。谁能大规模捕获和引导人类注意力，就能构建主导二十一世纪初的平台商业。时间可以被结构化、货币化、出售给广告商。早期数字时代的大财富是积累注意力的财富。

Token经济使意图成为关键资源。

不是能力。不是数据。不是算力——算力是基础设施，不是差异化因素。是意图：对你想完成什么的清晰度，你能以多大精准度指定它，以及知道什么值得想要的智慧。

这是使用权经济核心的悖论。

在使用权经济里，几乎一切都可以租用。算力可以按Token租用。存储可以按千万亿字节租用。智能可以按推理租用。模型可以按API调用租用。你可以租用一个前沿推理系统、一个代码生成Agent、一个研究助手、一个文件分析器。你可以以每月Token预算，组装出十年前需要一个专家团队的能力。

几乎一切都可以租用。

几乎一切——除了意图。

意图不能被租用，因为它在根本上不是一种能力。它不是可以由模型生产或用公式表达的东西。意图是让所有能力有意义的先验条件。它是运动前的方向，答案前的问题，工具前的目的。

一个消耗一万个Token生产出毫无意义输出的Agent，无论运行效率多高，都没有创造任何有价值的东西。一个消耗一百个Token生产出完美服务于清晰理解的目的的输出的Agent，做了非凡的工作。这两个场景的差异不是模型质量，不是基础设施效率，是发起Token消耗的人类意图的清晰度和质量。

这就是为什么黄仁勋的公式，尽管精准，是不完整的。

Revenue = Tokens per Watt × Available Gigawatts

这个公式以清晰度描述了智能经济的供给侧。它完全没有说被生产的智能是否值得生产。

完整的公式——捕获账本两侧的那个——大致是：

价值 = 意图清晰度 × Token配置 × 可用算力

第一个变量是任何基础设施投资都无法增加的那个。Nvidia可以建造更好的GPU。台积电可以开发更先进的制程节点。调度层可以变得更精密。所有这些改善都增加了意图被服务的效率。

但意图本身必须从某处来。从某人那里来。从一个对重要事项有真正理解的人那里来——什么重要，为什么，什么构成成功。

这，终究，是值得发展的东西。不是Token消耗技能，不是作为机械过程的提示工程。是更深的能力：以足够清晰的方式知道你想要什么，使得Agent能执行；以及在输出真正服务于意图与仅仅看起来如此之间做出区分。

在几乎每种能力都可以租用的世界里，最稀缺和最有价值的东西，是知道为了什么而去租用它。

不是A，而是B。

不是拥有更多算力，而是知道用算力做什么。

不是积累更多Token，而是知道为了什么意图而调度它们。

这就是使用权经济学里唯一真正的所有权：意图，始终是你自己的。

结尾：回到公式

他离开舞台。

公式还留在屏幕上。

Revenue = Tokens per Watt × Available Gigawatts

我盯着它想：这是一个关于生产的等式。精准的，强大的，物理的。它告诉你AI工厂如何运作，告诉你竞争轴在哪里，告诉你下一个十年的资本会流向何处。

它没有告诉你的，是链条开端的那个人。

在一个Token被生产之前，有人决定生产它。在一次推理被运行之前，有人确定一个问题值得被问。在一座AI工厂将电力转化为智能之前，一个有目的的人启动了这个过程。

公式描述转化。它不描述起始条件。

三十年前，问题是：你拥有什么？

十五年前，问题是：你订阅了什么？

今天，问题是：你能调度多少Token？

但所有这些问题之下的问题——公式没有问的那个，基础设施无法回答的那个——是更古老、更简单的：

你真正想要什么？

不是你能生产什么。不是你生产它有多高效。是发起链条的意图是什么？是什么值得为此消耗Token？

完整的公式：

价值 = 意图清晰度 × Token配置 × 可用算力

Nvidia和台积电和Vertiv以及每块大陆上的每座AI工厂，可以改善最后两个变量。他们正在以非凡的速度、非凡的规模这样做，结果将重塑文明的物理基础设施。

第一个变量是你的。

Token经济给了每个人访问非凡能力的入口。它没有给任何人关于如何使用它的清晰度。它让生产变得便宜。它没有让智慧变得便宜。

在一个几乎每种能力都可以按Token租用的世界里，最稀缺的东西，是知道为了什么而去租用它。

黄仁勋的公式描述了正在成为的世界。

重要的公式，是描述你在其中成为什么的那个。

Token服务于意图。

而意图——始终，仍然，不可化约地——是你自己的。

这就是全部。