Pemrograman tidak lagi perlu mengetik kode, tetapi diserahkan kepada AI melalui percakapan, bahkan hanya dengan mengatakan ke mikrofon "buatkan saya fungsi ini atau itu" bisa terwujud. Gagasan ini lima tahun lalu adalah "dongeng", tetapi hari ini tampaknya telah menjadi "operasi dasar" bagi programmer.
Ini hanyalah "ujung gunung es" dari banyak aplikasi AI saat ini, industri AI sedang berada di persimpangan jalan. Di satu sisi adalah euforia sisi pasokan teknologi, harga saham Nvidia melonjak berlipat ganda, model besar bermunculan tak henti-hentinya, skala komputasi meluas secara eksponensial; di sisi lain adalah kebingungan sisi permintaan, perusahaan mengeluarkan uang membeli daya komputasi, tetapi tidak bisa menghitung apakah investasi ini sepadan. Dan Token, sebagai penghubung nilai, sedang menjadi kunci apakah AI dapat mewujudkan nilainya.
Token Menjadi "Timbangan dan Ukuran" Era AI
Awal 2024, volume panggilan Token harian Tiongkok sekitar 100 miliar. Pada akhir 2025, angka ini melonjak menjadi 100 triliun. Maret 2026, data yang dirilis Administrasi Data Nasional menunjukkan, volume panggilan harian telah menembus 140 triliun, tumbuh lebih dari seribu kali dalam dua tahun.
Apa konsepnya? Profesor Wei Zhewei dari Universitas Rakyat Tiongkok membahas Token dengan analogi listrik, jika Token diibaratkan "listrik di era kecerdasan", maka kita sekarang berada pada tahap "lampu listrik baru saja diciptakan". Dia menyatakan: "Hari ini masih hanya sebuah prolog. Kita belum benar-benar menyaksikan pelepasannya di semua sudut."
Data IDC menunjukkan, volume panggilan Token pasar Model sebagai Layanan (MaaS) Tiongkok pada 2026 diperkirakan akan mencapai 40.000 triliun kali, pendapatan sekitar 18,6 miliar yuan. Sementara itu, IDC memprediksi, konsumsi Token tahunan global akan naik dari 0,0005 Peta Token pada 2025 menjadi 150.000 Peta Token pada 2030, dengan tingkat pertumbuhan tahunan gabungan mencapai 3418%. Pada 2031, jumlah agen cerdas aktif global akan mencapai 350 juta.
Pertumbuhan eksplosif Token membuat pertanyaan mendasar muncul ke permukaan: Berapa sebenarnya harga Token? Siapa yang menetapkan harganya?
Menanggapi ini, Huang Wei, Wakil Direktur Institut Integrasi Informatisasi dan Industrialisasi Akademi Penelitian Teknologi Informasi dan Komunikasi Tiongkok, memberikan jawaban kerangka kerja di dalam pikirannya. Huang Wei memecah nilai Token menjadi lima dimensi: biaya produksi, efisiensi produksi, akurasi, nilai ekosistem, dan keamanan serta kepatuhan. Biaya produksi mencakup penyusutan chip, konsumsi daya listrik, optimasi model, penjadwalan sistem, "Setiap pertanyaan yang kamu ajukan ke AI, di belakangnya mungkin melibatkan seluruh rantai dari GPU ke penyimpanan, dari tumpukan perangkat lunak ke jaringan interkoneksi," kata Huang Wei.
Tapi idealnya gemuk, kenyataannya kurus, dalam kenyataannya penetapan harga Token di industri dan skenario yang berbeda juga sangat bervariasi. Laporan Zhongtai Securities menunjukkan, perbedaan nilai Token antar skenario bisa mencapai seratus ribu kali. Token di bidang penelitian dan pengembangan obat, harga rata-ratanya bisa mencapai 1.000 dolar AS per juta Token; sedangkan Token untuk obrolan santai, mungkin hanya 0,01 dolar AS per juta Token. Sama-sama 1 juta Token, di tangan perusahaan farmasi bisa menyaring satu molekul obat potensial, di aplikasi sosial mungkin hanya beberapa obrolan ringan.
Abulikemu (selanjutnya disebut "A-Mu"), Wakil Presiden Lenovo Group, Kepala Strategi Tiongkok, mengatakan, "Seribu kata yang saya tulis dan seribu kata yang ditulis seorang penulis, honorariumnya berbeda." Token menyatukan satuan pengukuran, tetapi "tingkat kecerdasan" yang dihasilkan di balik Token-lah yang menjadi kunci penentu batas atas nilainya.
Dan menurut Huang Wei, hanya "Token yang efektif" yang benar-benar berharga bagi industri, bagi perusahaan. Wei Kai, Direktur Institut Kecerdasan Buatan Akademi Penelitian Teknologi Informasi dan Komunikasi Tiongkok, juga pernah menyatakan secara terbuka, "Nilai ekonomi Token tidak bisa hanya dilihat dari harga per unit, industri sangat membutuhkan satu set alat ukur untuk 'Token berkualitas tinggi'." Dia bahkan mengatakan dengan tegas: "Token berkualitas rendah hanyalah kebisingan daya komputasi, sedangkan Token berkualitas tinggi adalah kredit kecerdasan."
"Tiga Hukum", Upaya Teoretis Pertama dalam Ekonomi Token
Justru ketika dunia akademisi dan industri memperdebatkan "skala nilai" Token, A-Mu berbagi "Tiga Hukum" yang dihasilkan dari pemikiran Lenovo Group dalam ekonomi Token. Saat membahas mengapa ada pemikiran seperti itu, A-Mu mengatakan, salah satu pekerjaan terpenting sehari-hari adalah membantu perusahaan dan klien menghitung "akun AI". Dan dalam setengah tahun terakhir, hampir setiap pengusaha yang datang mengobrol dengannya tentang AI, wajahnya menunjukkan ekspresi yang sama: cemas.
Harga per unit Token memang turun, turun dengan cepat. Tapi saat membuka backend milik sendiri, total pengeluaran AI malah meningkat sepuluh kali lipat. Bagaimana menghitung akun ini? Haruskah berinvestasi di AI? Kapan baru bisa mulai menghasilkan uang? ... Pertanyaan-pertanyaan ini menghantui sebagian besar perusahaan yang ingin menerapkan AI tetapi tidak tahu bagaimana caranya.
Dan justru berdasarkan masalah penerapan AI ini, A-Mu mengajukan satu set kerangka yang dia sebut sebagai "pemikiran eksperimental": "Tiga Hukum" ekonomi Token. Ini mungkin pertama kalinya ada yang mencoba merangkum pola operasi ekonomi Token dalam bentuk hukum.
Pertama adalah Hukum Inersia, biaya per unit Token terus menurun. A-Mu berpendapat, biaya per unit Token akan terus, stabil menurun, seperti Hukum Moore, tetapi hukum ini memiliki tiga lapisan "inersia".
Inersia tingkat pertama adalah inovasi teknologi chip, energi, dan model itu sendiri. Daya komputasi chip lebih tinggi, model mencapai tingkat kecerdasan yang lebih tinggi dengan parameter yang sama, konsumsi energi lebih rendah. Semua ini mendorong penurunan biaya per unit Token;
Inersia tingkat kedua adalah penyempurnaan. A-Mu mengatakan, menggabungkan "model, komputasi, listrik" secara terpadu dan mengoptimalkannya, masih bisa menurunkan biaya hingga 50% lagi, "Dari simpul super ke klaster standar, hingga pabrik Token yang lengkap, setiap tingkat optimasi menekan biaya." A-Mu menekankan;
Inersia tingkat ketiga adalah penjadwalan saat runtime. Dalam penggunaan aktual, melalui penjadwalan cerdas untuk mencapai "intensi mana yang didistribusikan ke model mana, menggunakan GPU mana, bagaimana menghitungnya", lebih lanjut menurunkan biaya. Token Hub yang diluncurkan Lenovo, melakukan layanan penjadwalan daya komputasi dan perutean model dengan akses terpadu ke banyak model dan banyak platform.
A-Mu menganalisis tata letak inersia tiga tingkat dengan contoh Lenovo: Tingkat pertama, Lenovo melakukan penelitian dan pengembangan bersama dengan produsen chip dalam dan luar negeri, membuat desain GPU generasi berikutnya lebih mendekati skenario aplikasi aktual; Tingkat kedua, memoles "rekayasa backend" seperti server, klaster, pendinginan cair hingga sempurna, efisiensi produksi Token meningkat lebih dari 20% dengan daya komputasi yang setara; Tingkat ketiga, melalui sistem penjadwalan bernama Token Hub, mengelola daya komputasi di cloud publik, penerapan privat, perangkat tepi secara terpadu, membuat setiap tugas Token berjalan ke tempat yang paling sesuai. Tiga lapisan bertumpuk, biaya bisa ditekan lebih rendah lagi.
Hukum Kedua adalah Hukum Akselerasi, nilai per unit Token dilepaskan secara akselerasi. Jika Hukum Pertama berbicara tentang "biaya", Hukum Kedua berbicara tentang "nilai". Menurut A-Mu, nilai keluaran per unit Token akan tumbuh semakin cepat karena tiga faktor.
Pertama, kedalaman penyematan AI dalam alur kerja. Jika hanya membiarkan karyawan menggunakan AI sebagai alat tanya jawab, maka nilai Token hampir sama dengan mesin pencari tingkat lanjut. Tetapi jika menyematkan AI ke dalam alur kerja bisnis, membuatnya mengambil alih pekerjaan aktual dari suatu simpul, seperti penyaringan molekul, pembuatan kode, penilaian otomatis dokumen tender ... dalam skenario yang berbeda, nilai Token bisa berbeda 10 kali lipat.
Kedua, kedalaman rekayasa. A-Mu menceritakan satu detail: Banyak perusahaan sekarang membeli alat AI, karyawan juga sudah menggunakannya, tetapi efeknya biasa-biasa saja. Alasannya bukan karena AI tidak bagus, tetapi "rekayasa" di sekitarnya belum siap, seperti data belum disiapkan, alur kerja belum diubah, agen cerdas belum dipoles. Dia membuat perumpamaan: Di era informatika, perusahaan membutuhkan konsultan implementasi ERP tinggal di lokasi selama beberapa bulan, agar sistem bisa berjalan. Era AI juga sama, membutuhkan peran baru — dia menyebutnya sebagai "insinyur pengiriman garis depan", mendalami lini depan, membuat agen cerdas, menyematkannya, menyempurnakannya. Proses ini, sebagian besar perusahaan baru saja memulai.
Ketiga, kelengkapan pendukung. A-Mu memecah empat dimensi: Apakah ada talenta dan organisasi asli AI? Apakah ada infrastruktur seperti pabrik Token? Apakah ada sistem tata kelola untuk mengaudit ROI AI, mengelola aset pengetahuan, menjamin keamanan? Apakah ada model investasi untuk menghitung "laporan laba rugi" agen cerdas?
Hukum ketiga adalah Hukum Singularitas. Jika biaya dan nilai penerapan AI perusahaan diubah menjadi dua kurva, dan ditempatkan dalam kuadran yang sama. Sebelum suatu "singularitas", kurva biaya berjalan di atas kurva nilai, perusahaan berinvestasi di AI, akunnya rugi. Melewati "titik awal" itu, kurva nilai melampaui kurva biaya, memasuki siklus positif. "Sebelum singularitas, AI membantu menghemat biaya yang ada. Misalnya tiga orang gaji tiga puluh ribu, sekarang menggunakan Token delapan ribu, menghemat dua puluh dua ribu," A-Mu lebih lanjut menunjukkan, "Setelah singularitas, yang dihasilkan AI disebut nilai tambah, adalah hal yang bisa membantumu melakukan hal-hal yang sebelumnya sama sekali tidak bisa dilakukan."
Apa itu nilai tambah? Adalah menghasilkan 1 juta naskah video pendek dalam sehari, adalah menemukan satu molekul obat yang efektif dalam setahun, juga membuat seseorang yang tidak pernah belajar pemrograman membuat sebuah aplikasi, "Ini semua adalah skalabilitas inovasi." kata A-Mu. Revolusi Industri mewujudkan produksi massal barang industri, Revolusi Informasi mewujudkan produksi massal data, Revolusi Kecerdasan mewujudkan produksi massal inovasi.
A-Mu bahkan memandang lebih jauh. "Jika kamu membandingkan AI dengan individu, dia memang lebih pintar darimu. Tapi ini tidak berarti. Bagaimana kecerdasan satu orang bisa dibandingkan dengan jaringan kecerdasan satu juta orang, sepuluh juta orang yang bergantian? AIDS diteliti selama ratusan tahun, ilmuwan global bergiliran — ini adalah cara nyata manusia memecahkan masalah besar. Dan nilai akhir AI, harus mengacu pada 'tema tingkat kemanusiaan' ini."
Bagaimana Perusahaan Berjalan dari Kecemasan ke Siklus Positif
Diskusi teori tetap diskusi teori, tagihan Token di kenyataan tidak akan menunggu. Tahun 2026, sebuah masalah yang membuat semua perusahaan tidak siap muncul ke permukaan. Menurut laporan *Financial Times* Inggris, raksasa transportasi daring AS Uber pada April 2026 telah menghabiskan seluruh anggaran AI tahun itu, manajemen terpaksa membatasi biaya penggunaan alat pemrograman AI setiap karyawan per bulan pada 1.500 dolar AS. Perhitungan internal Meta menunjukkan, jika mempertahankan tingkat pertumbuhan panggilan karyawan saat ini, pada 2026 hanya penggunaan AI internal saja akan menghabiskan puluhan miliar dolar AS. Eksekutif Amazon bahkan secara terbuka memperingatkan karyawan "jangan menggunakan AI hanya untuk menggunakan AI".
Ini bukan fenomena individual. Data FinOps Foundation menunjukkan, pada 2026 proporsi biaya inferensi AI dalam total anggaran AI perusahaan telah melebihi 80 persen. Tan Dai, Presiden Volcano Engine di bawah ByteDance, menghitung satu akun di tempat terbuka: Jika sebuah perusahaan memiliki 1.000 karyawan, setiap orang memanggil model 100 kali sehari, dengan harga pasar rata-rata saat itu, biaya Token setahun mungkin mencapai puluhan juta yuan. "Banyak perusahaan sama sekali tidak menghitung akun ini, berpikir AI hanyalah membeli keanggotaan."
Di mana masalahnya? Pertama adalah "diskon kualitas" Token. Fenomena "diam-diam mengurangi presisi" yang disebutkan Huang Wei dalam seminar, bukanlah kasus terisolasi. Penawaran harga pasar Token beraneka ragam: Ada yang biaya bulanan tetap tetapi memiliki batas tak terlihat, bagian yang melampaui dibebankan per Token; Ada yang dibebankan berdasarkan total input+output, tetapi memiliki unit penagihan minimum — bahkan jika kamu hanya menginput 10 Token, mengoutput 20 Token, mungkin ditagih untuk 100 Token. Pengguna sulit membandingkan harga secara horizontal, perencanaan anggaran seperti tidak ada.
Kedua adalah "inflasi Token" yang dibawa oleh agen cerdas. Analisis Gartner Maret tahun ini menunjukkan, konsumsi Token dalam skenario agen cerdas adalah 5 hingga 30 kali dari percakapan biasa. Seorang agen cerdas menyelesaikan satu tugas, mungkin harus memicu 10 hingga 20 panggilan model, setiap panggilan lagi harus "berpikir" banyak rantai pemikiran. Kamu bertanya ke AI "bantu saya merencanakan perjalanan ke Yunnan", dia mungkin harus merencanakan perjalanan dulu, cari tiket pesawat, cari hotel, cari tempat wisata... setiap langkah adalah serangkaian Token.
"Banyak klien kami datang kepada saya, mengatakan AI terlalu mahal." kata A-Mu, "Saya tanya Anda menggunakan skenario apa, dia bilang karyawan saya menggunakannya setiap hari untuk menulis laporan mingguan." Menulis laporan mingguan adalah hal yang relatif bernilai Token rendah. Contoh ini agak ekstrem, tetapi itu menunjukkan inti masalah: Token itu sendiri tidak ada baik buruknya, kuncinya adalah digunakan di mana. Digunakan untuk menulis laporan mingguan, nilai satu juta Token mungkin kurang dari 1 dolar AS; digunakan untuk penemuan target obat, nilai satu juta Token bisa 1.000 dolar AS, perbedaan nilai Token antar skenario bisa mencapai seratus ribu kali lipat.
Menanggapi ini, Akademi Penelitian Teknologi Informasi dan Komunikasi sedang mendorong satu set "sistem standar layanan Token berkualitas tinggi", membangun kerangka standar dari empat dimensi: kualitas layanan, kemampuan operasional, kemampuan produksi, dan kemampuan keamanan. Huang Wei mengajukan satu klaim kunci: Pengguna harus memiliki "hak untuk tahu", penyedia layanan harus mengungkapkan daya komputasi seperti apa yang digunakan di backend, versi model apa, tingkat presisi apa. "Daya komputasi yang bagus bisa lebih mahal sedikit, produk dua generasi sebelumnya bisa lebih murah sedikit. Tapi pengguna harus tahu apa yang mereka beli."
Eksplorasi sisi industri lebih pragmatis. Lenovo meluncurkan Token Factory (Pabrik Token), mengubah produksi Token dari "bengkel kerajinan tangan" menjadi "bengkel standar", memungkinkan perusahaan untuk memanggil sesuai kebutuhan, dibebankan per Token. Tiga operator besar satu per satu meluncurkan paket Token, seperti menjual paket data seluler, menjual daya komputasi AI. Raksasa pembayaran Stripe mengakuisisi sekitar 1 miliar dolar AS sebuah perusahaan rintisan Metronome yang khusus menyediakan pengukuran penggunaan Token untuk perusahaan model besar seperti OpenAI, Anthropic, pasar modal sudah bertaruh di lintasan "pengukuran Token" ini.
"Sekarang orang bilang Token mahal, dengan membandingkannya dengan biaya listrik dari pembangkit listrik. Tapi pembangkit listrik selesai dibangun, listrik datang, kulkas, televisi, AC baru ikut keluar. Nilai sebenarnya ada di kulkas televisi, bukan di tagihan listrik." A-Mu lebih lanjut menunjukkan.
Token sudah punya harga, sudah punya tagihan, sudah punya hukum, bahkan sudah punya pertanyaan filosofis. Tapi siapa yang bisa berlari melewati "singularitas" itu, tergantung siapa yang bisa membuat setiap "hembusan napas" AI menghasilkan nilai yang nyata.
"Ujung dari AI bukanlah PHK, AI adalah untuk membuat inovasi itu sendiri berskala." Tujuan ini, sekarang terdengar masih seperti slogan. Tapi bayangkan perasaan orang seratus tahun lalu mendengar "setiap rumah tangga punya listrik", mungkin sama dengan perasaan kita mendengar kalimat ini hari ini.
(Teks | Leo Zhang ToB Zatan, Penulis | Zhang Shenyu, Editor | Yang Lin)
