2026年5月，中國平均每天消耗140萬億個token。兩年前這個數字幾乎為零，如今已超過世界上任何其他國家。
量子位智库在第四届中国AIGC产业峰会上发布的《2026中国AI应用全景报告》量化了这一现象。国内AI应用网页月访问量突破9亿次，应用月下载量超过2.4亿次，日活跃用户同比激增223%。
對企業CIO而言，訊號很明確：無論你是否批准，你的員工已經在使用AI。
在五大趨勢中，有三個與ERP直接相關
該報告指出了五大趨勢，我將討論其中與企業數位化最密切相關的三個趨勢。
140萬億：2026年中國每日Token調用量，兩年增長超千倍（量子位智庫）
首先，是代理化。人工智慧已從「回答問題」演進到「執行任務」。根據報告估計，單一代理動作的token消耗量是傳統AI應用程式的一百倍。這就是token消耗量激增的原因——並非人們聊天變多，而是AI實際上在幕後工作，且正在執行涉及多個步驟和工具呼叫的複雜任務。
對ERP廠商而言，這意味著「AI助理」的定位已經過時。SAP在2026年Sapphire大會上推廣的「自主企業」正是遵循這個邏輯——AI不是幫你查詢資料，而是直接執行財務結帳流程。Odoo社群也在討論類似做法，將AI代理嵌入業務流程，而非懸掛在側邊欄。
第二，成为入口。字节跳动、阿里巴巴、腾讯和百度在今年春节前后合计投入超过45亿元，争夺一件非常具体的事：当用户需要AI时，首先打开哪个平台。
This has an impact on corporate procurement decisions. In the past, CIOs chose ERP based on feature lists and price. Now they also need to consider: who controls the primary entry point for employees to use AI within this system? If the daily AI entry point for all employees is a certain large model within DingTalk or WeCom, then the AI modules of ERP vendors may never be clicked open.
第三，商业化。Kimi K2.5发布不到20天，其收入就超过了2025年全年。智谱API提价83%后，调用量不减反增。这说明了一件事：当AI真正嵌入工作流时，用户是愿意付费的，价格敏感度并没有想象中那么高。
The old approach to enterprise software—"get users hooked for free first, then figure out how to monetize"—may not work in the AI era. Enterprise customers are already willing to pay for valuable AI capabilities, provided they truly save on labor costs.
Apple也即將推出
Apple officially announces WWDC 2026 scheduled for June 9, with the core highlight being the independent app reconstruction of Siri. This is not just a mobile feature update; it has implications for enterprise digitalization.
這次，Siri使用的是Google的Gemini模型，但所有請求都在Apple自家的私有雲上運行，因此Google無法存取這些資料。這種架構值得關注——它解決了企業AI部署中最棘手的問題之一：大型模型非常強大，但資料不能外流。
如果这套苹果系统在今年秋季随 iOS 27 一同推出，意味着数亿台设备将自带本地加私有云混合 AI 入口。企业 IT 部门面临的新问题是：员工手机上的 AI 是否应该与公司 ERP 中的 AI 集成？能否集成？数据合规性如何计算？
現在下結論還為時過早，但方向已經明確：AI入口將從瀏覽器和聊天視窗下移至作業系統層級。微軟已經在這樣做（Copilot嵌入Windows和M365），蘋果跟進也在意料之中。
每天140萬億，但企業方面對數據有何說法
Token消耗的激增表明AI使用量確實增加了。然而，使用量並不等於價值。同期，KPMG的《2026年全球工業製造科技報告》提供了另一組數據：49%的製造業高階主管已實施AI並創造了商業價值，但76%坦言，不可靠的數據是主要風險。
這兩項數據放在一起，能呈現出更清晰的圖像：
| 尺寸 | 消費者／開發者端 | 企業實施端 |
|---|---|---|
| 核心指標 | Token 消耗量、DAU、下載量 | Whether it generates commercial value, data quality |
| 2026 狀態 | 爆炸性增長（每天140萬億） | 49%已实施，但76%卡在数据上 |
| 瓶頸 | 算力成本，入口之争 | 資料孤島、混亂的標準，以及薄弱的清理能力 |
| 下一步 | 變現與垂直深化 | 資料治理先於AI建模 |
For those involved in enterprise digitalization, this comparison is very useful. The approach of consumer-side AI is to burn money to seize entry points, iterate quickly, and tolerate errors; the approach of enterprise-side AI must be data-first, start with small scenarios, and expand only after calculating the ROI.
這兩套邏輯不能混為一談。將消費互聯網的策略套用於企業AI，往往會在項目交付過程中引發問題。
給CIO的實用建議
不要將「員工是否使用AI」作為主要KPI。他們很可能已經在使用，只是沒有告訴你。真正的KPI應該是：哪些業務流程因AI而變得更快、快了多少，以及節省了多少人天。
首先，盤點數據，再討論AI策略。KPMG的數據顯示，76%的製造業公司卡在不可靠的數據上。這項數據同樣適用於服務業和貿易公司。如果ERP中有30%的客戶地址是錯誤的，那麼基於這些數據訓練的任何AI預測都是垃圾進、垃圾出。
抓住內部AI閘道。閘道導向策略不僅適用於消費端。在企業內部，員工每天使用AI的主要閘道在哪裡？如果是企業微信內的第三方小程式，那麼你投資在ERP AI模組上的錢可能就白費了。與其等廠商幫你搞定，不如現在就弄清楚這件事。
从小场景切入，避免大而全。量子位报告提到，留存率最高的工具是智能助手类工具，但产生最深商业价值的是垂直场景。这两者并非同一回事。在为企业AI项目选择第一个场景时，与其选择一个“全公司都能用”但价值不清晰的宽泛场景，不如选择一个能算清降本账的窄场景。
140 trillion tokens is a signal, not the final outcome. The rules of the game on the enterprise digitalization side are not the same as those on the consumer internet side. Understanding the difference is more important than chasing trends.
QuantumBit智庫《2026中國AI應用全景報告》（2026-05-20）、蘋果WWDC 2026官方公告（2026-05-20）、畢馬威《2026全球工業製造科技報告》（2026-05-26）、IBM Think 2026（2026-05-07）
