国际视野 || AI词元算力滥用的竞争法异化与规制路径—

国际视野 || AI词元算力滥用的竞争法异化与规制路径——以科技企业“Token内卷”乱象为例

点击蓝字

关注我们

一、引言

生成式人工智能与AI智能体技术的规模化落地，使词元（Token）演进为数字经济时代兼具生产属性与交易属性的新型算力生产资料与市场结算单元。伴随大模型技术快速迭代，算力逐步确立其数字经济核心战略性生产要素地位，而词元作为大模型信息处理、指令执行与费用结算的最小基础单元，承担着算力量化定价、商业交易核算与技术效能评估的关键功能，成为衔接 AI技术供给与市场化商业应用的核心载体。

人工智能产业高速扩张初期，行业普遍陷入发展认知偏差，简单将词元消耗规模等同于数字化转型成效与技术应用水平。在此背景下，Meta、亚马逊、Uber等域外科技巨头与腾讯、字节跳动、阿里等国内互联网大厂相继出现 “Tokenmaxxing”（词元消耗最大化）内卷现象，通过搭建内部词元消耗榜单、将AI调用频次与词元消耗总量纳入绩效考核、职级晋升与评优体系，倒逼员工高频使用AI工具。该机制进一步诱发员工为完成考核指标刻意刷量、无效调用、空耗算力等非理性行为。事实上，词元滥用并非单纯的企业内部管理失范问题，还可能引发数字市场竞争机制异化、算力公共资源配置失灵与平台算法权力失范等问题，并由此衍生出不正当竞争、滥用市场支配地位、社会公共资源浪费等多重竞争法与经济法风险。

二、Token指标异化

Token本身并非法律规制的对象。企业鼓励员工使用智能工具、设置算力预算、统计模型调用频次，本质上属于正常的经营自治范畴，原则上具有合法性。真正的问题在于，生成式人工智能市场具备高固定成本、强规模经济与典型网络效应，大模型训练、算力推理、云端服务以及开发者生态资源高度集中于少数头部平台。在此业态下，传统以价格竞争为中心的分析框架难以完整解释数字平台依托基础设施控制、交叉补贴、生态锁定所形成的结构性市场优势。数据、算法与平台算力基础设施深度结合，极易形成新型数据驱动型市场壁垒，而Token消耗竞赛正是在这种非对称的市场结构下被持续放大、异化和泛滥。

Tokenmaxxing乱象首先体现为企业内部的绩效考核错位：以可量化的Token消耗指标替代不可量化的真实业务价值，以模型调用频次替代生产效率实质提升，以数据榜单替代技术成果质量评价。考核机制存在的导向偏差，会驱动员工与团队围绕量化指标实施策略性应付行为，通过部署智能体重复执行无实际价值任务、无谓消耗算力资源，最终引发大规模算力浪费。此类行为若仅停留在企业内部治理范畴，仅构成企业内部管理制度失效问题；但当大型平台将注水虚高的Token调用数据对外包装，以此佐证自身生态繁荣、技术领先、市场活跃度突出时，行为性质便突破内部管理边界，落入《中华人民共和国反不正当竞争法》第八条规制的虚假、引人误解商业宣传范畴，产生具备明确请求权基础的不正当竞争法律风险。企业对外释放虚高算力消耗数据，极易误导资本市场投资者、商业合作方与产业主管部门的评价判断，扭曲市场对企业真实创新能力、模型技术效能的客观认知，进而扰乱人工智能行业公平竞争秩序。

三、反垄断法视角下的结构性风险

在词元算力常态化应用的智能时代，人工智能市场的竞争格局已突破单一模型服务的边界，传统反垄断分析框架面临适用难题。当前AI赛道潜藏多重结构性竞争风险，集中体现为相关市场界定失灵、排他性补贴泛滥、平台自我优待固化三类问题。

第一，相关市场界定需从单一模型服务拓展至人工智能基础设施整体市场。生成式人工智能的市场体系具备高度复合性，除大众熟知的对话模型服务外，还涵盖云算力支撑、模型API调用、开发者工具、插件生态、数据服务、企业级部署等多层基础设施业态。以SSNIP为代表的价格中心型界定方法，主要适配传统对价交易市场，难以解释免费、补贴、生态捆绑的数字竞争模式。数字平台的市场力量更多来源于数据积累、流量锁定、生态壁垒与用户转换成本等非价格要素。落实到Token竞争场景，市场竞争优劣并不能简单通过每百万词元的定价高低予以判断，上下文承载长度、模型调用速度、并发承载上限、服务稳定性、接口适配性与迁移成本等基础设施条件，已然成为决定市场竞争格局的核心变量，这要求相关市场界定必须转向人工智能基础设施的整体维度。

第二，拥有市场支配地位的平台采用Token补贴模式，极易形成具备反垄断合规隐患的排他性竞争策略。人工智能行业发展早期，头部平台免费、低价开放词元调用具备培育市场、普及技术的正当目的，一般不构成《反垄断法》规制的掠夺性定价（无正当理由低于成本销售商品）。但若支配地位平台长期亏本供给Token算力，且将补贴与云服务、企业办公工具、账号体系深度捆绑，叠加排他合作协议、最惠国待遇条款（MFN 条款）、技术封锁等手段限制用户转向竞品，行为即具备违法属性。反垄断审查的核心判断标准为：补贴是否显著抬高用户转换成本、排除有效竞争，平台能否在锁定客户后抬升算力定价、收回前期亏损并获取垄断超额收益。

第三，基础设施层市场集中化，催生平台自我优待、强制性搭售两类新型反垄断风险。从行业现实来看，算力成本上涨、统一工具链管理的需求，会驱动头部平台收缩内部第三方AI工具采购范围：微软自2026年起逐步取消内部大部分Claude Code授权，要求“体验与设备”部门工程师于6月30日前迁移至自研GitHub Copilot CLI，核心动因在于Token计费模式下算力成本高企、企业内部工具体系统一。该行为仅针对企业内部员工开展工具选型调整，属于企业自主经营管理范畴，不直接落入反垄断规制框架，不构成面向市场主体的自我优待或强制搭售。但对于掌握操作系统、公有云、办公套件、开发者生态等底层基础设施、具备市场支配地位的平台企业，其面向外部开发者、商业客户实施的竞争行为具备显著市场排挤效果。此类经营者若利用底层平台资源优势，对外为自有大模型产品设置系统默认入口、专属数据回流通道、优先接口配额与算力资源倾斜，同时通过技术限制、API权限管控、调用配额约束等手段压缩第三方竞品模型的接入与运营空间，即构成《平台经济领域反垄断指南》明确规制的平台自我优待与隐性搭售行为。智能时代的AI市场竞争已脱离单一工具点对点竞争，演变为入口、数据、算力、身份体系、开发环境协同联动的全生态竞争，基础设施环节形成的市场支配优势会持续向下游应用层传导，不断固化行业市场集中格局。

四、反不正当竞争法视角下的行为规制

相较于反垄断法，《反不正当竞争法》更适配规制Token指标造假、数据刷量、虚假宣传、扰乱行业竞争秩序等微观市场失范行为。不正当竞争行为的认定不宜单纯依托抽象商业道德进行评判，而应立足现代竞争观、法益保护观与多元损害判断标准，经由多方利益综合衡量后判定行为正当与否。以此标尺审视 Tokenmaxxing乱象：若相关操作仅局限于企业内部考核失范、运营管理低效范畴，未对外释放数据、未产生任何市场传导影响，则原则上无需动用《反不正当竞争法》实施规制；但一旦企业、开发者或 AI 服务商对外包装、公开披露注水虚高的词元消耗数据，并将其等同于自身技术研发实力、产品用户活跃度、产业生态繁荣度等核心竞争优势对外推介，该行为便具备误导资本市场、交易相对方与行业公众的实际效果，契合《中华人民共和国反不正当竞争法》第八条的规制要件——该条明确禁止经营者对商品性能、功能、市场表现等作出虚假或者引人误解的商业宣传，欺骗、误导相关公众，此类数据美化对外宣传行为可直接归入引人误解的商业宣传类不正当竞争行为。

Token刷量与传统互联网领域点击量造假、流量造假具备高度同构行为逻辑：两类行为均借助技术手段制造虚假繁荣表象，误导交易相对方市场判断，瓦解以真实产品质量、运营效率为核心的公平竞争基础。二者核心差异在于，Token刷量会大量消耗高成本算力与模型资源，同时干扰平台对应用真实质量、开发者实际能力、市场真实需求的数据研判。司法实践中，针对传统互联网刷量行为，法院通常优先援引《反不正当竞争法》第八条虚假宣传条款作出裁判；对法条未能完全覆盖、新型复杂的数据造假行为，亦会辅以第二条商业道德基本原则予以兜底规制。Token刷量的行为机理、市场损害效果与传统流量造假一致。若 AI 服务商通过无意义重复调用制造 “高活跃应用”“高频智能体”“高价值客户” 等虚假Token 数据，并凭借该虚假数据获取投融资、产业补贴、平台流量倾斜或商业合作机会，该行为应当落入《反不正当竞争法》规制范围，构成引人误解的虚假宣传类不正当竞争行为。

数字经济领域的数据竞争司法实践对数字行为的评价逐步从单一的权利本位保护，转向以行为正当性为核心的动态评价模式，兼顾数据控制主体利益、消费者公共福利与数字技术创新发展的多元价值。Token调用量并非绝对受企业排他性保护的私有资产，也非可随意篡改、肆意操纵的内部考核指标。一旦该数据对外披露、进入市场竞争评价体系与商业交易场景，便具备公共市场信号属性，承载着市场主体的决策参考功能。针对Token数据的刻意刷量、虚假修饰与误导性公示行为，会直接破坏市场信息的真实性与客观性，剥夺各类市场主体基于真实市场信息开展交易、参与竞争的基础条件，损害公平竞争的市场秩序。

此外，企业内部将Token用量与绩效、晋升、转正挂钩，也可能间接诱发不正当竞争行为。员工或团队为排名而批量生成无用内容、循环调用智能体、占用公共算力资源，若进一步影响其他团队、外部客户或平台开发者的正常使用，就不再只是劳动管理问题，而是对数字服务秩序和交易机会的侵害。反不正当竞争法在数字经济领域的适用，应避免把一切技术滥用都泛化为“违反商业道德”，但对于具有欺骗性、扰乱性和外部损害的刷量行为，应形成与反流量造假相衔接的规则逻辑。反不正当竞争法应围绕竞争效果、合理理由和利益衡量展开，而非简单以损害存在推导违法。

五、结语

Tokenmaxxing的退潮说明，生成式人工智能竞争正在从“谁烧得多”转向“谁用得准”。从经济法角度看，Token不是违法对象，也不应被简单妖魔化；真正需要规制的是围绕Token形成的虚假评价、排他补贴、生态锁定和数据造假。反垄断法应关注其结构性影响，防止优势平台借人工智能基础设施控制排除竞争；反不正当竞争法则应处理刷量、虚假宣传和扰乱数字服务秩序等具体行为。

未来人工智能产业的健康竞争，不在于无限扩大调用量，而在于让算力、模型和数据真正服务于可验证的价值创造。对企业而言，Token应当回到成本核算和业务结果之中；对监管而言，竞争法应当从“表面活跃”转向“真实效率”，从单一价格审查转向生态、数据、算法和接口的综合评价。只有如此，生成式人工智能才能避免落入昂贵的指标竞赛，真正形成有利于创新、有利于消费者、有利于公平竞争的市场秩序。