词元经济:AI时代的价值新锚与产业变局

词元的概念演进历经多重阶段。在符号学阶段，皮尔士将其定义为符号的具体实例，奠定了最小单元的思想基础；在计算机科学阶段，词元作为语法单元与身份令牌，用于系统认证与信息处理；在区块链阶段，词元演变为价值通证，成为权益与价值载体；在AI大模型阶段，词元成为多模态信息处理的最小语义单元，用于算力计量与模型训练；至2026年，国家数据局长刘烈宏将其定名为“词元”，并明确其为“智能时代的价值锚点”及“连接技术供给与商业需求的结算单位”，标志着词元完成从技术单元到经济计量单元的跨越。

Token（词元）之所以受关注，是因为其调用量以超快速度增长。据国家数据局的监测，我国日均Token调用量从2024年初的约1000亿激增至2026年3月的140万亿，26个月的时间增长1400倍；相比2025年底的100万亿，短短三个月又增长了40%以上。在世界范围内看，中国是Token调用量最大的国家，调用量是排名第二的美国的近2倍。全球最大AI模型API（应用程序接口）聚合平台OpenRouter数据显示，2026年3月16日至22日，全球AI大模型总调用量为20.4万亿Token，其中中国AI大模型的调用量为7.359万亿Token，占全球的36%，连续三周超过美国的3.536万亿Token调用量。摩根大通甚至预测，2025年至2030年，中国Token消耗量年复合增长率将高达330%，5年增长400倍。中国的AI推理Token消耗量预计将从2025年的约10千万亿增长至2030年的约3900千万亿。

当前人工智能进入商业化推广阶段，国内外企业紧跟Token经济步调，围绕Token经济进行一系列战略调整。阿里巴巴开展架构重组，成立与阿里云平级的Token Hub事业群；中国电信宣布全面从传统的“流量经营”转向“Token经营”；中国移动正推动打通“Agent（智能体）使用Token、Token拉动算力”的服务链路；英伟达CEO黄仁勋在年度大会演讲中将数据中心定位为“Token生产工厂”。

从技术本质上看，词元正在从“智能服务的输出产物”演化为“算力基础设施的原材料”。将词元与电力、碳排放配额、带宽等成熟商品进行比较，可以发现二者在不可存储性（生产与消费同步发生）、短期供给刚性以及需求的时间波动性等维度高度相似。这一比较具有深刻的经济学意义：即便对于不可存储的商品，期货市场仍然可以有效发挥价格发现与风险管理功能——电力期货市场的成功运作便是明证。

基于这一逻辑，可以设计以“标准推理词元”（Standard Inference Token, SIT）为标的的标准化期货合约，通过现金结算机制（如词元价格指数TPI）解决词元不可存储的难题。蒙特卡罗模拟表明，在应用层需求爆发的情境下，词元期货可将企业算力成本波动性降低62%–78%。这意味着，随着AI推理从实验性应用走向大规模商业部署，词元价格将由当前的单边下降转向双向波动，而期货等风险管理工具将成为产业链的刚需。

词元经济的运行并非单纯的成本加成定价，而是涉及复杂的机制设计问题。从经济学视角看，大语言模型的提供者是一个垄断者，面对用户在任务需求、错误敏感性、数据规模等方面的高维异质性。模型的核心经济特征包括：输入词元与输出词元具有不同的可变运营成本；用户可通过微调（fine-tuning）实现模型定制；不同任务对精度的边际价值差异悬殊。

在这一环境下，最优定价结构取决于词元分配在不同任务之间是否可合同约定，以及用户是否面临规模约束。当平台能够监控词元在不同任务间的分配时，可以通过菜单定价进行多维筛选；当用户可自由支配词元时，则需通过两部收费制（固定费用加线性价格）来实现收益最大化。两类场景下的最优机制均呈现一个共同特征：具有相似价值-规模特征的用户会选择相似的微调水平和词元消费量，而密集用户将承担更高的边际加价率。这一结论从理论上解释了当前AI产业中基于模型定制程度和使用量的分级定价实践（如OpenAI的API定价与ChatGPT订阅分层）。

词元经济不仅受市场机制和定价策略的影响，更受到物理法则的根本性制约。基于兰道尔原理（Landauer’s principle），在平衡态擦除 1bit 的信息至少要消耗的能量为 kTln2（k 为玻尔兹曼常数，T 为环境温度）。以典型大语言模型约12比特/词元的信息量计算，词元生成的热力学成本下限约为3.4×10⁻²⁰焦耳。然而，当前硬件推理的实际能耗约为1.8焦耳/词元，两者相差约5×10¹⁹倍。这一巨大的效率差距意味着，词元经济当前仍处于效率发展的极早期阶段，未来仍有多个数量级的优化空间——同时也意味着，能耗和碳排放将成为词元经济长期增长的关键约束变量。

将这一物理约束与能源基础设施数据相结合，可以构建词元经济的“平衡表”。以2028年美国AI能源分配上限（326 TWh）估算，以当前效率计算，全球每年可支持的词元数量约为6.5×10¹⁷个，约合每人每天22.5万词元。这引出了一个“有限提问预算”（finite question budget）的概念：可供人类向AI系统提出的有意义查询的数量是有物理上限的。更深刻地看，这一预算的扩张并不自动解决“方向性”问题——在结构性不确定性下，决定性的变量不是“能回答多少问题”，而是“哪些问题值得提出”。这是物理约束之上更高阶的经济学命题：资源配置效率之外，还需要方向性的判断与治理。

词元这种数据类型已经形成了完整的技术栈与生态体系，使得词元的生产（模型训练）与消费（API调用）实现了专业化分工。基于此，词元将催生全新的职业与产业赛道，比如词元工程师、词元优化师、词元数据库管理员、词元经济分析师等，围绕词元的采集、标注、优化、交易、管理，形成完整的产业链条。甚至会出现词元交易平台、词元版权保护中心、词元质量认证机构等全新业态，让AI产业的分工更加细化，推动数字经济向更精细化、智能化的方向发展，成为未来数字经济的核心支柱。

以广东省词元产业发展为例，2026年4月3日，广州市政务服务和数据管理局联合广州数科集团，正式发布全国首个基于“词元（Token）”级调度的城市综合算力运行服务平台——广州市一体化算力网监测调度平台。据悉，平台纳管算力将扩展至7万P，打造集算力交易、供需撮合与政府监管于一体的算力资产流通枢纽，从功能定位上看，该平台以智能监测与高效调度为核心，构建了“1个全市算力纳管基座+1个监测中心+1个调度引擎”的新质智算底座，将推动全市实现算力资源“一盘棋”管理、“一本账”监测、“一张网”调度，降低企业用算成本，引导企业“敢用、想用、会用”算力。平台旨在高规格搭建全市算力资源与应用需求的桥梁，优化算力资源配置，推动更多人工智能应用场景赋能千行百业，共筑算力生态圈。

词元成为企业AI成本管理的核心变量，需建立“任务级”价值核算体系，通过“词元回报率”衡量AI投入产出比。

对于软件行业，词元使软件从一次性交付转向持续服务。过去软件价值主要体现在功能完备度和部署规模上，现在则越来越体现在单位调用所创造的用户价值上。软件不再只是工具箱，而更像一个持续消耗词元、持续产生智能结果的服务体。

对于内容行业，词元相当于新的生产材料。过去内容生产主要依赖编辑、设计师、编导等人工产能，如今内容生成、改写、翻译、分发和个性化推荐都可以由AI参与完成。此时，内容企业的竞争力不再只是创意能力，也包括对词元效率的驾驭能力。

对于金融行业，词元更有特殊意义。金融活动本身高度依赖信息处理、规则判断、文本解读、客户交互和风险识别，天然适合用词元来衡量智能服务投入。无论是智能客服、财富顾问辅助、授信材料分析、反欺诈研判还是投研报告生成，背后都可以逐步建立任务级词元价值模型。未来金融机构衡量AI应用效果，可能不再只看系统上线数量，而是看单位词元创造的业务增益和风险缓释效果。

对于制造和供应链行业，词元则是连接数字世界与物理世界的桥梁。它本身并不直接加工产品，但可以驱动计划编排、质量分析、设备诊断、知识检索与流程协同，从而间接提升生产效率。这里的关键不是词元本身价值多高，而是它能否嵌入生产链条、放大整体组织能力。

以贵州省本土词元经济企业为例，贵阳市清源华茂数据有限公司是词元经济的代表性企业。该公司已建成30余个垂直领域专业数据集，覆盖医疗、工业、自动驾驶等高价值场景。这些数据经过七级深度清洗、三轮多层质检，全部完成合规确权与商用授权，可直接支撑大模型商用。该企业今年计划投入3000万元研发资金，匹配4500亿Token算力资源，迭代升级垂直大模型与具身智能算法。而贵州数据宝网络科技有限公司则从交易端切入，建起一个“词元超市”——TopenRouter平台，整合十几个主流大模型，用户买词元套餐全模型通用。公司已开始探路海外，这是“贵州Token”价值跃升的重要机遇。

以美国通信运营商AT&T公司为例，其同步推进多个方向的AI能力建设。通过联合NVIDIA、Cisco构建物联网AI Grid，面向企业提供低时延AI推理服务，探索Token服务与5G专网套餐的一体化融合计费。同时自主研发“Ask AT&T”AI助手，日均Token处理量已达8亿规模，通过多Agent架构与精调小语言模型重构，在大幅提升响应速度的同时实现成本降低90%。

一是词元这种要素在核算与统计上存在“三重失灵”问题。首先是核算失灵。企业购买API服务（形成“智能资本”）在财务报表中常被记为费用而非资产，导致企业真实价值和宏观投资数据被扭曲。其次是统计失灵。大量零边际成本的AI服务（如免费API额度、开源模型）创造的巨大消费者剩余，因无法定价而完全未被计入GDP，导致数字时代真实社会福利被系统性低估。再次是监管失灵。传统反垄断工具，如基于市场份额和价格歧视，难以应对“算法权力”垄断，如控制关键API接口和生态锁定。另外，基于实体商品成本加成逻辑的监管，在边际成本趋零的数字服务市场几乎失效。

二是词元价值实现产生“通缩-通胀”分裂，导致宏观经济政策困境。数据的场景依赖性，在宏观层面外化为一种史无前例的价格水平结构性分裂，即“成本通缩-资源通胀”二元悖论。一方面是服务端通缩。AI（通过词元调用）极大地降低了知识密集型服务的生产成本。机器翻译、代码生成、文案撰写等价格断崖式下降，为全社会带来巨大的“技术红利”和隐性消费者福利提升。一方面是资源端通胀。支撑AI运行的物理基础资源--高端图像处理器GPU（如H100）、高带宽存储器HBM、数据中心电力--需求爆发式增长，驱动其价格持续上涨。2025年，我国AI算力需求增速（约150%）远超高端GPU供给增速（约40%），供需缺口推动成本上升。这种分裂使得传统通胀指标（如CPI）可能严重“失真”，难以反映真实经济成本结构。货币政策因此陷入两难，如果为抑制资源通胀而收紧货币，可能阻碍或迟滞正在蓬勃发展的AI服务创新与通缩红利；若放任不管，算力成本压力在一段时间内可能传导至整个经济体系。

词元独特的经济属性对现有经济治理体系构成了系统性挑战，亟须在统计监测、竞争政策与理论范式三个维度进行创新，建立更适应发展需要的治理体系。

一是完善统计监测体系。现行国民经济核算体系（SNA）难以捕捉词元经济的真实价值。企业API调用被记为中间消耗而非资本形成，导致“智能资本”投资被低估；大量零价格AI服务创造的巨大消费者剩余完全游离于GDP统计之外，造成数字经济时代真实福利被系统性低估。词元调用量月均两位数的增长速度，现有统计体系无法准确反映这一增长的经济意义。应该构建与之相适应的统计制度，涵盖词元调用量、算力利用率、模型性能价格比等核心指标的月度统计发布制度。

二是健全相关竞争政策。传统反垄断理论关注市场份额与价格歧视，而词元经济的垄断可能表现为对关键模型API接口的排他性控制；基于实体商品“成本-利润”逻辑的监管工具，也不适用于边际成本趋近于零、具有强网络效应的数字服务市场。监管重点需从分拆企业的“结构救济”，转向保障公平接入、要求算法透明与可解释的“行为救济”与“算法治理”，建立与词元经济和智能经济相适应的竞争政策范式。

三是创新经济学理论研究。词元经济暴露了经典经济学范式的多重局限，例如：生产函数无法刻画智能资本的贡献；均衡理论难以解释动态非均衡状态；边际成本定价法在边际成本趋零时失效；科斯的企业边界理论受到智能体降低交易成本的挑战。理论是服务于实践的，经济学要建立能够处理非竞争性商品（模型）、竞争性资源（算力）、正外部性（数据网络效应）和动态规模报酬递增的新分析框架。