AMD高管：AI如电力般重塑商业，企业需以“每token价值”衡量成功

声明：文档由AI根据原文生成。

AMD高管：AI如电力般重塑商业，企业需以“每token价值”衡量成功

AMD首席商务官菲利普·吉多（Philip Guido）在2026年纽约Agentic AI Exchange上发表主题演讲，提出"AI是新型电力"的核心观点，并强调企业当前面临的关键挑战：如何在控制成本的前提下快速将智能体AI投入规模化应用。

智能体AI四年四跃迁

吉多梳理了AI能力的快速演进：2022年实现对话交互，2023年拓展至多模态，2024年具备推理能力，2025年进入智能体阶段并在2026年持续加速。他指出，智能体AI对企业尤为关键——个人智能体提升个体效率，团队智能体放大部门产出，而跨业务流程的智能体系统则能从根本上改变组织运营模式。

效率提升伴随算力成本激增

智能体能力增强的背后是推理需求、上下文处理量和行动复杂度的同步上升，直接推高token消耗与算力成本。当这一效应乘以数千条企业工作流，算力需求与支出将呈指数级增长。吉多表示，CIO们的核心诉求明确：扩展AI规模，但不让成本同比例膨胀。

AT&T案例：精准匹配负载降低80%AI成本

AMD提出"将正确负载置于正确算力"的策略。企业无需对所有任务采用云端大模型，许多工作流可通过小型专业化模型或开源权重模型，在云端、数据中心、边缘端及AI PC上更高效运行。

AT&T的实践验证了该路径。这家全球顶级电信运营商已在微软Azure的AMD Instinct™ GPU上处理超1万亿token，用于训练电信领域专属开源模型；其缓存感知AI网关按任务特征自动路由至最优模型，使AI成本降低高达80%。本地部署与AI PC方案还可减少延迟并保障敏感数据安全。

三步框架：从识别需求到规模化落地

吉多向企业客户推荐三步实施框架：

识别需求——从核心商业目标（提效、降本、优化客户体验）出发，锁定关键工作流，设计智能体任务边界、人机协作节点及数据系统对接方案，最终为每项负载匹配最优算力与模型组合。

验证价值——通过真实概念验证与总拥有成本建模建立基准，测算投资回报率，在规模化前确认商业可行性。

加速复制——验证成功后，依托适配的基础设施、治理体系与运营支持，将单点试点转化为可量产、可度量、可跨业务复制的解决方案。

"每token价值"成新衡量标准

吉多总结称，AI能力本身只是基础，将其转化为切实商业价值才是核心。他以电力革命类比：百年前的赢家并非用电最多者，而是最善于驾驭电力者。智能体AI时代同理——"计费表在转，每token产生的价值才是成功的新标尺"。率先做出明智基础设施决策、早期验证价值并快速复制成功模式的企业将占据领先位置。