李佳琦直播间半小时售出2万亿Token,千问办公成双十一大促新爆款

11月2日晚,李佳琦直播间上架千问办公个人会员月卡,开卖半小时即售出10万份,累计约2万亿Token。千问办公CEO陈宇森现场演示AI在作业辅导、直播分析、钓鱼地图等场景的落地应用,折射出AI服务正通...

人工智能

11月2日晚,李佳琦直播间迎来一个标志性时刻:不再售卖口红或美妆产品,而是首次上架AI算力商品——千问办公个人会员月卡。开播仅半小时,该商品售出10万份,累计消耗约2万亿Token。这一数据远超多数消费电子产品首发销量,成为今年双十一期间最引人注目的非实物类爆款。

此次带货并非简单挂链销售,而是由千问办公CEO陈宇森亲自走进直播间,与李佳琦共同完成一场“AI能力路演”。两人围绕真实用户痛点展开互动:当李佳琦提出“能否做个AI分身24小时陪女生聊天”时,陈宇森回应:“AI取代不了李佳琦。我更希望帮粉丝用AI解决琐事——到点下班、陪伴猫狗、照顾家人。”这一回答迅速登上社交平台热榜,被评价为“既尊重主播价值,又锚定产品定位”的精准表达。

直播中展示的多个应用场景凸显了千问办公的“生活化”转向。例如,家长可上传孩子试卷,系统自动归类错题并生成针对性训练小游戏;直播运营人员将回放视频与弹幕文本输入,AI可在数分钟内输出包含观众情绪、话题热度、转化路径的商业分析报告;甚至一位钓鱼爱好者现场语音描述“想查全球热门钓点”,系统随即生成一张支持多人协作编辑、实时更新的交互式钓鱼地图,并一键上线分享。

这些案例并非概念演示,而是已上线的功能模块。其核心逻辑在于:将大模型能力封装为具体任务导向的工具,降低用户使用门槛。过去,普通用户调用大模型需通过API接口或技术平台,对Token消耗无感、单价不透明;如今,Token作为标准化计价单位被摆上电商货架,用户可像充值话费一样购买按量付费券或订阅固定额度套餐。

这一变化始于2026年9月3日天猫上线的“Token充值中心”。截至目前,该中心已接入DeepSeek、阿里云、智谱、Kimi、MiniMax(首家开设品牌旗舰店)、阶跃星辰等十余家主流大模型厂商。据天猫方面披露,10月20日双十一预售首日,Token品类成交额环比增长达450%。

从商业模式看,当前消费者主要采用两种购买方式:一是按需充值的“话费式”Token券,适合轻度或间歇性使用者;二是包月/包年订阅制,提供固定额度,适用于高频用户。但后者也暴露现实矛盾:额度预设难匹配实际需求——买多了闲置浪费,买少了频繁续费影响体验。有用户反馈,部分场景下单次任务消耗Token波动较大,导致预算难以精准控制。

值得注意的是,此次李佳琦带货的并非原始算力资源,而是“千问办公”这一面向C端的AI应用层产品。其底层依赖通义千问大模型,但通过界面重构与功能聚焦,将复杂推理能力转化为可感知的服务结果。这种“模型+应用+渠道”三位一体的打法,标志着大模型商业化正从B端企业采购,向C端大众消费延伸。

行业观察者指出,头部主播的流量加持确实放大了短期转化效率,但长期可持续性仍待验证。一方面,AI办公工具的复购率取决于真实使用粘性——若用户仅因促销冲动下单,后续活跃度不足,则易形成“一次性消费”;另一方面,不同厂商Token定价体系尚未统一,跨平台比价仍存在信息壁垒。例如,同样完成一份PPT大纲生成,A厂商可能消耗500 Token,B厂商则需1200 Token,而用户在购买前难以预判。

更深层的意义在于,这场直播折射出AI价值传递路径的转变。早期大模型推广侧重参数规模、推理速度等技术指标;如今,用户更关注“它能帮我做什么”。千问办公选择教育、内容运营、休闲娱乐等高共鸣场景切入,正是对这一趋势的响应。当AI能帮家长省下两小时整理试卷的时间, 或让钓鱼爱好者快速获得全球钓点热力图,其价值便脱离了技术术语,进入生活语境。

千问办公CEO陈宇森讲解AI如何辅助日常事务

电商平台的介入还带来另一重变革:价格透明化倒逼厂商优化成本结构。过去,企业客户按调用量结算,单价隐于后台;现在,面向消费者的Token标价必须清晰可见,促使厂商在模型压缩、推理加速、缓存策略等方面持续投入,以维持性价比竞争力。

目前,除天猫外,京东、抖音电商也在测试Token类目上架流程。多位业内人士预计,2027年上半年,Token有望成为与“云存储”“会员订阅”并列的常规数字服务品类。不过,监管层面尚未明确Token的法律属性——是软件服务、虚拟商品,还是新型数字资产?这将在后续发展中引发进一步讨论。

回到李佳琦直播间,当评论区刷过“321,上Token”时,一种新的消费习惯正在形成:人们开始为“智能时间”付费,而非仅购买实体商品。这不仅是销售形式的创新,更是人机协作关系的一次具象化落地——AI不是替代人类,而是把人从重复劳动中解放出来,去完成更需要情感与判断的工作。

千问办公的这次爆发,或许只是AI走向大众生活的起点。接下来的关键问题不再是“模型有多强”,而是“用户愿为什么样的AI服务持续买单”。