问题——使用量飙升与质量隐忧并存 随着大模型与智能体应用办公、编程、教育等场景加速落地，调用规模持续走高。国家数据局局长刘烈宏此前在中国发展高层论坛上表示，我国日均Token调用量已突破140万亿。业内普遍认为，调用量增长一上反映应用渗透率提升，另一方面也折射出算力消耗与产出效率之间的新矛盾：在“用得更多”的同时，“低质量输出”与“安全隐患”也在累积。 原因——低门槛扩散、激励机制与工具链不成熟叠加 一是使用门槛降低带来“规模效应”。从专业开发者到普通用户，智能体和自动化编程工具的普及，使得“生成—试错—再生成”的交互频次显著增加，Token消耗随之上升。以企业侧披露数据为例，火山引擎近日公布豆包大模型日均Token使用量已突破120万亿。按国内主流大模型输入价格测算，这意味着每天在算力侧形成可观支出，资源消耗被快速放大。 二是“速度优先”的应用开发方式推动无序生成。部分开发者追求快速上线，依赖工具批量生成代码、文档与测试，但缺乏必要的代码审查与安全验证，导致重复、冗余甚至不可用的内容堆积。 三是开源与协作平台的激励机制被“自动化提交”放大。GitHub首席运营官凯尔·戴格尔透露，平台代码提交量正快速攀升，目前每周提交量达2.75亿次，预计今年全年将突破140亿次；由自动化工具发起的拉取请求数量也显著增长。业内人士指出，开发者数量与人力投入并未同步增长，意味着相当部分增量来自自动化生成内容，给维护者带来额外筛选与治理压力。 影响——算力成本、社区负担与网络安全风险外溢 首先是资源成本持续抬升。Token调用量增长意味着算力、能耗与基础设施投入同步增加，部分场景的“重复生成、低效试错”把电力和算力转化为无效热耗。长期看，如果缺少对调用效率、任务质量的约束，将影响产业可持续投入与绿色低碳目标的实现。 其次是开源社区维护成本激增，影响创新生态。多位社区维护者反映，自动化生成的代码与请求中，不少缺乏可读性、不可复现或不符合项目规范。Voiceflow基础设施负责人泽维尔·波蒂利亚·埃多提出，部分自动生成的拉取请求中，只有少数具备可用价值，其余消耗了维护者时间。数字白板初创公司tldraw创始人史蒂夫·鲁伊兹也表示，异常贡献者和批量无效更新增加，已对项目声誉和代码库安全构成压力，迫使部分团队收紧外部贡献入口。 更需警惕的是安全风险向应用层扩散。低门槛“快速建站”“快速开发”平台在提升效率的同时，也可能把配置错误、权限失控与密钥泄露等问题带入产品。此前有信息显示，在对涉及平台生成的应用进行扫描时，部分应用存在无需登录即可访问用户数据库等严重漏洞，可能导致姓名、邮箱、财务信息及API密钥泄露。安全研究机构对更大范围应用的检测亦发现，安全缺陷比例不容忽视。一旦这些应用进入真实业务链路，风险可能从单点扩散为系统性隐患。 对策——从“量的扩张”转向“有效产出”的综合治理 业内建议，治理应坚持鼓励创新与守住底线并重，推动形成可执行、可评估的闭环机制。 其一，建立面向智能体与自动生成代码的质量评测体系。围绕可维护性、可测试性、依赖合规、许可证兼容等指标，形成行业共识与工具化检测，推动“先评测、再上线、后追踪”。 其二，平台侧强化准入与分级审核。对大规模自动化提交设置节流与风控策略，例如对异常频率提交、重复内容、低通过率请求进行限制；对新账号与机器人账号实行更严格的身份校验、信誉积分与灰度通道，降低对维护者的冲击。 其三，把安全合规嵌入开发全流程。推动默认开启最小权限、密钥托管与脱敏机制，完善依赖项安全扫描、漏洞响应与补丁分发；对面向公众的应用，建立上线前安全测试与持续监测制度，防止“带病运行”。 其四，推动算力使用更精细化管理。鼓励企业和开发者优化提示词与调用链路，减少无效循环；在企业侧探索“成本可视化+配额管理+效果评估”的治理手段，把算力投入与业务收益挂钩，提升单位算力产出。 前景——规模增长不可逆，关键在于走向规范与高质量 从产业发展规律看，调用规模上行是技术扩散的必然阶段。智能体与自动化工具将持续改变软件生产方式、提升部分劳动效率，也有望在政务服务、工业运维、内容生产等领域释放新动能。但同样需要看到，若缺乏规则、审查与安全基座，低质量代码与脆弱应用会不断累积，侵蚀行业信任与创新效率。未来竞争焦点将从“谁调用得更多”转向“谁产出更可靠、更安全、更可持续”。
技术扩散需要规则和工程能力作为支撑。只有将算力消耗、代码质量和安全责任纳入统一框架，才能让创新真正转化为可靠的生产力。