“我们内部不再赌软件时代的交付成本递减，而是赌Token时代的AI智能消耗指数级暴增，目前感觉，这个赌注应该下对了！”
今年云栖大会结束后，我和筷子科技（Kuaizi.ai）创始人Winder聊了一会儿。
他在会上分享的题目是《视频商业的Token化跃迁》。
这个题目里有两个近来被频繁讨论的词：视频和Token。
我们聊下去，话题很快落到了企业怎么使用AI，以及一家AI应用公司的收入究竟怎样增长。
在交流中，Winder介绍了Kuaizi最新的经营进展：公司年化收入（ARR）已接近10亿元人民币，达到半年前的约10倍。
他预计，到今年年底，这一规模有望达到20亿元。此外，9月份对比1月份，Kuaizi全平台Token调用暴涨约200倍。
半年约10倍的收入run-rate变化，和年内200倍Token调用，让这家原本已略有基础的企业AI应用公司值得被彻底重新认识。
Kuaizi从企业的视频商业场景切入，把模型、算力、工具、商业素材和分发能力组织起来，服务企业日常的视频生意。
近几年，随着生成式AI进入内容生产，它持续将这些能力整合进视频商业智能体系统。
这让我更想弄清楚一件事：当企业开始让AI持续执行真实业务，一家应用公司的增长，会发生什么变化？
企业为持续发生的任务付费
理解Kuaizi，可以先看一个很具体的场景。
一家连锁品牌上新品，总部需要制作标准素材，门店要有本地版本，电商团队要测试不同卖点，海外团队还要处理语言和文化差异。
同一个商品，最后可能对应几百个内容版本。
而且这周做完，下周还要做。新的商品、新的活动、新的渠道，都在不断产生任务。
过去，这些工作分散在不同团队、供应商和软件里。
引入AI之后，脚本、生成、剪辑、分发可以逐步接进同一套流程，企业也开始按业务需要，持续采购执行这些任务的能力。
这给应用公司的增长增加了一个维度：同一个客户，可以从一个团队用到多个团队，从一个场景扩展到多条业务线，持续增加使用量。
Kuaizi的收入空间，也因此从软件采购费，延伸到了内容生产、营销运营和智能体执行所对应的业务预算。
企业交给平台的，是一部分需要持续完成的工作，以及完成这些工作的预算。
多模态视频模型的跃迁vs应用走向场景纵深
理解Kuaizi这一轮增长，绕不开今年视频大模型的整体跃进。
2026年前三个季度，以Seedance 2.5、Wan3.0、MiniMax H3为代表，视频模型在多模态输入、音画协同、长镜头和主体一致性上继续进步。
Seedance 2.5可以生成最长30秒视频并支持多模态参考，Wan3.0将文本、图像、视频、音频放进同一个生成模型，MiniMax H3则支持原生音画生成和2K输出。
AI视频正在越来越接近企业对可控生产的要求。
在非凡产研发布的2026年8月出海AI Web榜单中，18款视频生成产品合计访问量5492万，环比下降4.3%，其中11款下跌；视频编辑类产品合计下降10.3%。
Seedance 2.5在7月底于Dreamina首发、8月初开始全球上线，但Dreamina当月Web访问量仍环比下降30.3%；同样是在Wan3.0发布的8月，Wan AI访问量环比下降20.4%。
模型越来越强，视频工具的Web流量却没有同步上涨。一个重要变化是，模型和应用入口正在分离。
同一个模型既可以在官方产品里使用，也可以通过API、聚合平台或者企业自己的工作流调用。
对于企业来说，底层模型正在变成可以根据质量、速度和成本灵活切换的能力组件。
这恰恰解释了Kuaizi生态位的价值。
上游不断推出更强的模型，下游企业真正需要的，是把这些模型与品牌素材、授权资源、业务流程和分发渠道连接起来，再算清成本、追踪效果。
Kuaizi通过模型路由、视频商业Agent和KP钱包，把不同模型的能力组织成企业可以持续采购、调用和管理的服务。
模型能力每向前一步，它都有机会承接更多任务、进入更多场景，把模型进步转化为Token消耗和业务收入。
市场已经开始给这一层能力定价。
今年8月，Stripe宣布收购模型网关和路由平台OpenRouter，媒体报道交易价格超过70亿美元。
而就在今年5月，OpenRouter完成1.13亿美元B轮融资时，估值约为13亿美元。
它不训练自己的基础模型，却连接了400多个模型和80多家供应商，每天处理超过10万亿Token。
模型路由、统一调用和成本管理，正在从开发者工具变成一层新的AI基础设施。
还有一点很重要。
非凡产研榜单统计的是Web端直接访问，并不包含API调用、桌面端使用和企业私有化部署，而企业AI消耗中，相当一部分发生在这些公开流量看不见的地方。
Kuaizi半年约10倍的年化收入变化和年内约200倍的Token调用，至少说明：仅靠Web访问量，已经很难解释这类企业AI应用公司的真实增长。
KP把企业预算接入视频商业AI
今年9月，Kuaizi上线了企业KP钱包。
KP被定义为建立在Token之上的视频商业AI价值消耗单位。
模型Token、推理算力、Agent执行、工具调用，以及流量和IP资源，都可以在这套体系里进行统一计量和管理。
对企业来说，直观的变化是：可以通过一个账户和一个钱包，使用不同的视频商业AI能力，把预算分配给不同团队和任务。
这件事解决的，是AI进入规模化使用后的管理问题。
几个人尝试AI，分别买几个工具就可以开始。
等总部、门店、电商和海外团队都用起来，企业就需要知道：谁能用、额度是多少、钱花在哪个任务上、哪些场景值得继续投入。
KP将这些问题放进了同一套管理体系。背后模型和工具不断更新，企业可以沿用统一的账户、权限和预算安排。
关键是这个钱包连接着一套实际执行工作的系统：丽帧引擎承担企业级AI视频合规生成，Kuaizi主平台覆盖“编、拍、剪、投、管”，国际版服务跨市场内容生产，“推你”连接KOC内容分发网络。
从策划、生成到分发，再到效果回流和下一轮优化，预算可以沿着同一条业务链路被使用。
KP的意义，是让企业能够把视频商业AI作为一种日常能力来采购和管理。
Kuaizi此前已经在推进按业务使用和AI消耗增长的模式。
9月上线的钱包，则把跨产品的能力消费进一步统一起来，为这套模式扩大规模提供了更清晰的入口。
Token背后是不断增加的业务量
为什么视频适合这样的模式？
因为商业视频的需求，往往同时具备三个特点：高频、版本多、需要持续优化。
一家企业的视频需求，取决于商品数量、门店数量、市场数量和内容更新频率。
业务一旦扩展，需要完成的任务也会随之增加。
AI降低单条内容的生产门槛之后，企业有机会覆盖更多过去顾不上做的版本，测试更多卖点，服务更多门店。
单位成本下降，与整体使用量扩大，可以同时发生。
根据Kuaizi提供的客户案例，一家茶饮品牌的日均视频产量从20条提升到80条以上，素材复用率提升50%，点击成本下降18%。
另一家面向东南亚市场的3C团队，日均产能从50条提升到500条，挂车转化率从1.2%提升到6.8%。
这些案例呈现了企业采用AI的一条路径：先提高内容供给能力，再通过分发和测试寻找有效内容，最后把资源继续投向有效的场景。
当这个过程在更多商品、渠道和团队里重复，平台的使用量就有了持续扩大的机会。
这也是理解Token驱动增长的关键。
Token消耗背后，要有真实业务任务；客户愿意扩大预算，取决于这些任务创造了什么价值。
在这套模式里，客户数量决定覆盖面，同一客户的使用深度和业务扩展，则进一步决定收入空间。
半年约10倍的年化收入变化，让Kuaizi成为观察这种增长机制的一个具体样本。
“我们内部不再赌软件时代的交付成本递减，而是赌Token时代的AI智能消耗指数级暴增，目前感觉，这个赌注应该下对了！”
Winder说，这个变化定义了软件时代到token时代的跨越式商业模式区别。
FDE让AI进入企业自己的SOP工作流
对于大型企业，使用一个通用平台，往往只是开始。
品牌资产怎么接进来，已有系统如何连接，不同部门如何协作，数据和权限怎么管理，都会影响AI能否真正进入日常经营。
Kuaizi的另一项新业务FDE，即企业视频商业智能体部署，正是围绕这些问题展开。
它把模型、Skills、工具、数据资源和智能体工程能力接进企业的具体流程，帮助客户建设自己的视频商业智能体环境。
可以把它理解为：一家企业开始拥有一套能够持续执行内容任务的AI生产系统。
团队负责目标、规则和判断，智能体承担越来越多可以标准化、批量执行的工作。
对Kuaizi而言，FDE的价值也延伸到了部署之后。
系统一旦进入日常业务，就有机会随着新场景接入、新团队使用，带动后续的能力消费和服务扩展。
平台产品便于企业开始使用，FDE帮助大型客户接入更深的业务流程，KP统一管理其中的能力消费。
三者结合，让“开始用AI”和“把AI用进整个业务”之间，有了一条可以推进的路径。
企业预算为什么会持续留在这里
聊到这里，我对Kuaizi的理解又往前走了一步。
统一计费当然有价值。但企业愿意把预算持续放进来，最终还是因为这套系统能把工作完成，并在后续使用中变得更适合自己。
模型的选择和组合，需要适应不同任务的质量、速度和成本要求。
品牌素材、版权授权和行业经验，需要在生产过程中被正确使用。
内容发出去之后，还需要知道哪些有效，下一轮该怎么调整。
这些环节连在一起，才形成一家企业可以长期使用的工作流。
随着使用深入，企业的素材和规则可以逐步沉淀到系统里，效果数据也可以用于后续优化。
能够形成多少这样的积累，决定着应用公司的长期价值。
据公司介绍，Kuaizi已累计服务1.5万家企业，累计商业视频生成及分发超过1.3亿条，业务覆盖连锁餐饮、零售、电商和出海等场景。
这些业务接触，为它把通用AI能力组织成行业工作流提供了基础。
模型能力继续提升，会让更多任务具备交给AI执行的条件。
对Kuaizi这样的公司来说，机会在于将新增能力快速接进客户的真实业务，并把它变成客户愿意持续采购的服务。
从场景切入，也为后续技术布局提供了方向。
Kuaizi已经有明确的算力布局计划，服务企业对Token质量、成本、速度和部署方式的需求。
企业场景与模型、算力能力相互促进，Kuaizi的技术和商业空间，也可以沿着客户的真实需求继续延展。
走向下一阶段
Winder对年底Kuaizi进入20亿元年化收入区间的预期，给这次交流留下了一个鲜明的时间坐标。
接下来值得关注的，是更多企业能否从试用走向持续使用，同一个客户能否扩展到更多场景，以及FDE交付之后能否形成稳定运行的业务系统。
这些进展，会让增长的基础更扎实。
今年讨论Token商业化，Kuaizi提供了一个值得认真研究的样本：企业可以通过统一预算，持续购买由模型、工具和智能体共同完成的业务能力；应用公司的收入，也可以随着真实任务量的扩大而增长。
再回头看《视频商业的Token化跃迁》这个题目，它说的不只是一种计费方式。
它描述的是视频商业的一种新组织方式：企业提出目标、配置预算，智能体执行任务，效果数据回到下一轮生产。
对关注AI应用的投资者来说，这也扩展了观察一家公司的坐标：客户数之外，还要看客户把多少真实任务交给系统，以及这些任务能否不断带来新的使用和预算。
谁能让AI持续完成真实业务，谁就有机会获得持续扩大的企业预算。Kuaizi半年约10倍的增长，正在把这种机会变成看得见的，持续的收入规模。
