■陳波 元寶

2026年3月23日，國(guó)家數(shù)據(jù)局局長(zhǎng)劉烈宏在中國(guó)發(fā)展高層論壇2026年年會(huì)上公布，Token的中文譯名為“詞元”?！霸~元”這一中文定名的公布，標(biāo)志著以Token為價(jià)值載體的智能經(jīng)濟(jì)，已從技術(shù)領(lǐng)域進(jìn)入國(guó)家視野。這背后的原因是Token調(diào)用量的驚人增長(zhǎng)，其在不到1年的時(shí)間里特別是近幾個(gè)月以來爆發(fā)式增長(zhǎng)，體現(xiàn)了“人工智能+”行動(dòng)正在快速全面落地，智能體正在快速規(guī)?；瘧?yīng)用。這里面蘊(yùn)含著生產(chǎn)要素的深刻變革，也蘊(yùn)含著價(jià)值創(chuàng)造邏輯的根本性重構(gòu)，由此催生了詞元經(jīng)濟(jì)這一新的經(jīng)濟(jì)形態(tài)。對(duì)詞元獨(dú)特經(jīng)濟(jì)屬性的剖析，不僅關(guān)乎對(duì)當(dāng)前增長(zhǎng)動(dòng)能的解讀，更關(guān)系到對(duì)智能時(shí)代經(jīng)濟(jì)規(guī)律的前瞻性把握。系統(tǒng)研究詞元經(jīng)濟(jì)，探索其帶來的理論挑戰(zhàn)與治理新命題，對(duì)于我國(guó)搶占智能經(jīng)濟(jì)發(fā)展制高點(diǎn)、引領(lǐng)新質(zhì)生產(chǎn)力躍遷，具有至關(guān)重要的戰(zhàn)略意義。

一、詞元調(diào)用量真實(shí)反映人工智能應(yīng)用程度

Token（詞元）之所以受關(guān)注，是因?yàn)槠湔{(diào)用量以超快速度增長(zhǎng)。據(jù)國(guó)家數(shù)據(jù)局的監(jiān)測(cè)，我國(guó)日均Token調(diào)用量從2024年初的約1000億激增至2026年3月的140萬億，26個(gè)月的時(shí)間增長(zhǎng)1400倍；相比2025年底的100萬億，短短三個(gè)月又增長(zhǎng)了40%以上。在世界范圍內(nèi)看，中國(guó)是Token調(diào)用量最大的國(guó)家，調(diào)用量是排名第二的美國(guó)的近2倍。全球最大AI模型API（應(yīng)用程序接口）聚合平臺(tái)OpenRouter數(shù)據(jù)顯示，2026年3月16日至22日，全球AI大模型總調(diào)用量為20.4萬億Token，其中中國(guó)AI大模型的調(diào)用量為7.359萬億To?ken，占全球的36%，連續(xù)三周超過美國(guó)的3.536萬億Token調(diào)用量。摩根大通甚至預(yù)測(cè)，2025年至2030年，中國(guó)To?ken消耗量年復(fù)合增長(zhǎng)率將高達(dá)330%，5年增長(zhǎng)400倍。中國(guó)的AI推理Token消耗量預(yù)計(jì)將從2025年的約10千萬億增長(zhǎng)至2030年的約3900千萬億。

Token的重要性更體現(xiàn)在它是數(shù)智服務(wù)的產(chǎn)出單元和計(jì)價(jià)基準(zhǔn)。過去信息服務(wù)的產(chǎn)出單元和計(jì)價(jià)基準(zhǔn)是字節(jié)，有了人工智能大模型以后，Token（詞元）成了人工智能大模型提供服務(wù)的產(chǎn)出單元，隨之發(fā)展成為計(jì)價(jià)基準(zhǔn)。詞元調(diào)用量的快速增長(zhǎng)是智能體快速發(fā)展的結(jié)果。2026年被產(chǎn)業(yè)界普遍視為“智能體（AI Agent）規(guī)?；瘧?yīng)用元年”。因大語言模型（LLM）的技術(shù)突破，智能體實(shí)現(xiàn)了深度語言理解、知識(shí)推理與代碼生成的能力躍升，由此帶來在各種應(yīng)用場(chǎng)景中的規(guī)?；涞?，創(chuàng)造出了顯著經(jīng)濟(jì)價(jià)值，甚至還發(fā)展出具備自主規(guī)劃、工具調(diào)用與持續(xù)學(xué)習(xí)能力的“數(shù)字員工”。智能體技術(shù)的快速發(fā)展使得各種智能體產(chǎn)品如雨后春筍一般冒出，并且在短短的幾個(gè)月時(shí)間內(nèi)就呈現(xiàn)百家爭(zhēng)鳴局面。有結(jié)論認(rèn)為，智能體已經(jīng)從一個(gè)前沿技術(shù)概念，迅速演變?yōu)榻Y(jié)構(gòu)清晰、生態(tài)活躍的千億級(jí)新興產(chǎn)業(yè)。

詞元的調(diào)用量可以用來體現(xiàn)人工智能應(yīng)用程度，對(duì)落實(shí)“十五五”規(guī)劃具有重要作用。智能化和人工智能技術(shù)的發(fā)展和應(yīng)用在國(guó)家“十五五”規(guī)劃綱要中得到了高度重視。在綱要第二篇“建設(shè)現(xiàn)代化產(chǎn)業(yè)體系，鞏固壯大實(shí)體經(jīng)濟(jì)根基”中，開篇即提出“堅(jiān)持把發(fā)展經(jīng)濟(jì)的著力點(diǎn)放在實(shí)體經(jīng)濟(jì)上，堅(jiān)持智能化、綠色化、融合化方向”。在第三篇“加快高水平科技自立自強(qiáng)，引領(lǐng)發(fā)展新質(zhì)生產(chǎn)力”中，將人工智能技術(shù)列為前沿科技攻關(guān)首要技術(shù)，其中還明確要深化可解釋、可決策等關(guān)鍵算法研究。第四篇即“深入推進(jìn)數(shù)字中國(guó)建設(shè)，提升數(shù)智化發(fā)展水平”，深刻表明數(shù)智化在整個(gè)規(guī)劃綱要中的基礎(chǔ)性重要作用。其中明確提出，加快數(shù)智技術(shù)創(chuàng)新，深化拓展“人工智能+”。還提出，全面實(shí)施“人工智能+”行動(dòng)，加強(qiáng)人工智能同科技創(chuàng)新、產(chǎn)業(yè)發(fā)展、文化建設(shè)、民生保障、社會(huì)治理相結(jié)合，搶占人工智能產(chǎn)業(yè)應(yīng)用制高點(diǎn)，全方位賦能千行百業(yè)。

詞元的超快速增長(zhǎng)是一種特殊的經(jīng)濟(jì)現(xiàn)象，其快速增長(zhǎng)突顯了對(duì)詞元經(jīng)濟(jì)進(jìn)行深入研究的必要性和迫切性。

二、詞元具有獨(dú)特的經(jīng)濟(jì)屬性

詞元具有與傳統(tǒng)經(jīng)濟(jì)要素不一樣的經(jīng)濟(jì)屬性。詞元本質(zhì)上是一種數(shù)據(jù)類型，數(shù)據(jù)相對(duì)于勞動(dòng)力、資本、管理、技術(shù)等生產(chǎn)要素，已經(jīng)是一種獨(dú)特的生產(chǎn)要素。詞元作為一種數(shù)據(jù)類型具有數(shù)據(jù)生產(chǎn)要素的固有屬性，同時(shí)又有自身的獨(dú)特性。深入研究分析詞元的特殊經(jīng)濟(jì)屬性，就是探求智能經(jīng)濟(jì)與眾不同之處，可能意味著對(duì)經(jīng)典經(jīng)濟(jì)理論的范式革命。了解和掌握詞元的特殊經(jīng)濟(jì)屬性，政策制定者將能夠更加準(zhǔn)確地判斷形勢(shì)并做出決策。

圖片來源/新華社

（一）詞元經(jīng)歷了從技術(shù)參數(shù)到經(jīng)濟(jì)基本單元的發(fā)展過程

詞元在技術(shù)上原本是一種標(biāo)準(zhǔn)化的數(shù)據(jù)類型，是自然語言處理（NLP）過程中將連續(xù)文本離散化、結(jié)構(gòu)化的基本單位。這種技術(shù)定義看似簡(jiǎn)單，卻蘊(yùn)含著深刻的經(jīng)濟(jì)學(xué)意義。在傳統(tǒng)信息處理中，數(shù)據(jù)多以非結(jié)構(gòu)化形式存在，需要經(jīng)過復(fù)雜的人工處理與解讀轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，才能夠產(chǎn)生和實(shí)現(xiàn)經(jīng)濟(jì)價(jià)值。詞元的產(chǎn)生也經(jīng)歷了這樣一個(gè)過程，各種非結(jié)構(gòu)化的語言通過處理轉(zhuǎn)化為可計(jì)量、可交換的標(biāo)準(zhǔn)化單元，實(shí)現(xiàn)了信息價(jià)值的可度量性與可交易性，這是數(shù)據(jù)要素市場(chǎng)化的關(guān)鍵前提。

詞元這種數(shù)據(jù)類型的經(jīng)濟(jì)屬性體現(xiàn)在三個(gè)維度上。首先，詞元實(shí)現(xiàn)了信息的標(biāo)準(zhǔn)化封裝。無論是文本、代碼還是多模態(tài)信息，最終都被轉(zhuǎn)化為統(tǒng)一的詞元序列，這使得不同來源、不同格式的智能服務(wù)具備了可比性與可替代性。其次，詞元建立了精確的計(jì)量體系。國(guó)家數(shù)據(jù)局之所以能夠監(jiān)測(cè)我國(guó)日均詞元調(diào)用量，就是各個(gè)大模型平臺(tái)已經(jīng)將詞元作為標(biāo)準(zhǔn)計(jì)量單位進(jìn)行了統(tǒng)計(jì)，不僅給用戶顯示大模型使用量，還是向使用者收費(fèi)的準(zhǔn)確依據(jù)。最后，基于詞元形成了透明的定價(jià)機(jī)制。目前，主流大模型對(duì)調(diào)用量普遍采用“每百萬詞元”方式計(jì)價(jià)，這種價(jià)格透明化是傳統(tǒng)數(shù)據(jù)交易難以實(shí)現(xiàn)的。

詞元這種數(shù)據(jù)類型的經(jīng)濟(jì)屬性體現(xiàn)在它的產(chǎn)品屬性和商品屬性是同時(shí)產(chǎn)生的。與傳統(tǒng)數(shù)據(jù)產(chǎn)品需要先生產(chǎn)后消費(fèi)不同，詞元是在用戶調(diào)用模型的瞬間“生產(chǎn)”出來的，是典型的“按需生成”數(shù)據(jù)。這種特性使得詞元經(jīng)濟(jì)具有極致的需求響應(yīng)能力與資源利用效率。當(dāng)用戶提出問題時(shí)，模型并非從預(yù)存答案庫中檢索，而是動(dòng)態(tài)生成符合語境的詞元序列。這意味著詞元的價(jià)值不僅取決于其包含的信息內(nèi)容，更取決于生成時(shí)的具體場(chǎng)景與用戶需求，呈現(xiàn)出高度的情境依賴性與價(jià)值不確定性。

從產(chǎn)業(yè)實(shí)踐看，詞元這種數(shù)據(jù)類型已經(jīng)形成了完整的技術(shù)棧與生態(tài)體系。體系底層是Transformer等神經(jīng)網(wǎng)絡(luò)架構(gòu)，中層是GPT、Deep?Seek、文心一言等大模型，上層則是基于應(yīng)用程序接口（API）調(diào)用的各類應(yīng)用。這種分層架構(gòu)使得詞元的生產(chǎn)（模型訓(xùn)練）與消費(fèi)（API調(diào)用）實(shí)現(xiàn)了專業(yè)化分工，訓(xùn)練階段投入的巨額固定成本（如GPT-4訓(xùn)練成本超1億美元）通過海量調(diào)用被攤薄，最終實(shí)現(xiàn)邊際成本趨近于零（生成百萬詞元成本不足1美元）。正是這種獨(dú)特的數(shù)據(jù)生產(chǎn)消費(fèi)模式，使得詞元經(jīng)濟(jì)具有“高固定成本、趨零邊際成本”的特殊結(jié)構(gòu)性特征。

（二）詞元具有數(shù)據(jù)這種非傳統(tǒng)生產(chǎn)要素所有的特點(diǎn)

當(dāng)我們將視角從“數(shù)據(jù)類型”提升到“生產(chǎn)要素”時(shí)，數(shù)據(jù)（包括其具體形態(tài)“詞元”）展現(xiàn)出了與傳統(tǒng)生產(chǎn)要素（土地、勞動(dòng)、資本）根本性的經(jīng)濟(jì)學(xué)差異。這些差異構(gòu)成了理解詞元經(jīng)濟(jì)的理論基石。

一是數(shù)據(jù)這種生產(chǎn)要素具有非競(jìng)爭(zhēng)性與無限復(fù)用性。傳統(tǒng)生產(chǎn)要素具有競(jìng)爭(zhēng)性，一人使用則他人無法同時(shí)使用。而數(shù)據(jù)要素具有非競(jìng)爭(zhēng)性，即一人使用不影響他人使用。在詞元經(jīng)濟(jì)中，同一個(gè)訓(xùn)練好的大模型可以同時(shí)服務(wù)數(shù)百萬用戶，每個(gè)用戶獲得的詞元序列都是模型根據(jù)其具體查詢“實(shí)時(shí)生成”的專屬輸出，但模型的知識(shí)與能力并未被消耗。這種非競(jìng)爭(zhēng)性使得數(shù)據(jù)要素的邊際成本在達(dá)到一定規(guī)模后可以無限趨近于零，徹底顛覆了基于稀缺性的傳統(tǒng)價(jià)值理論。這就解釋了為何頭部大模型廠商能持續(xù)實(shí)施大幅降價(jià)策略，其本質(zhì)是通過極致的規(guī)模效應(yīng)，將天價(jià)的固定訓(xùn)練成本（數(shù)億至數(shù)十億美元）攤薄至海量的調(diào)用中。

二是數(shù)據(jù)這種生產(chǎn)要素具有正外部性與強(qiáng)化型網(wǎng)絡(luò)效應(yīng)。傳統(tǒng)生產(chǎn)要素的投入產(chǎn)出關(guān)系通常遵循邊際報(bào)酬遞減規(guī)律。而數(shù)據(jù)要素具有強(qiáng)烈的正外部性，其價(jià)值隨使用規(guī)模和應(yīng)用場(chǎng)景的擴(kuò)大呈指數(shù)級(jí)增長(zhǎng)，形成“數(shù)據(jù)飛輪效應(yīng)”。在詞元經(jīng)濟(jì)中，這一特性表現(xiàn)為：更多用戶調(diào)用-產(chǎn)生更多高質(zhì)量交互數(shù)據(jù)-用于優(yōu)化模型-模型性能提升吸引更多用戶，這是一個(gè)不斷強(qiáng)化的循環(huán)過程，是一種自我強(qiáng)化的正反饋機(jī)制。這使得市場(chǎng)難以收斂于靜態(tài)均衡，而更容易形成“贏家通吃”或寡頭壟斷的動(dòng)態(tài)非均衡結(jié)構(gòu)。

三是數(shù)據(jù)這種生產(chǎn)要素價(jià)值實(shí)現(xiàn)具有強(qiáng)場(chǎng)景依賴性與非標(biāo)準(zhǔn)化特點(diǎn)。土地、資本的價(jià)值相對(duì)穩(wěn)定，勞動(dòng)的價(jià)值也主要由市場(chǎng)工資率決定。而數(shù)據(jù)要素的價(jià)值高度依賴于具體應(yīng)用場(chǎng)景，同一組數(shù)據(jù)在不同場(chǎng)景下可能產(chǎn)生數(shù)量級(jí)差異的經(jīng)濟(jì)價(jià)值。對(duì)于詞元經(jīng)濟(jì)，這意味著完全相同的百萬詞元的輸出，若用于娛樂閑聊、輔助編程或醫(yī)療診斷，其創(chuàng)造的經(jīng)濟(jì)價(jià)值和社會(huì)效用天差地別。這種價(jià)值的極端不確定性，使得傳統(tǒng)基于“生產(chǎn)成本”的定價(jià)理論完全失效。因此，我們看到詞元市場(chǎng)的定價(jià)普遍拋棄了邊際成本定價(jià)法，轉(zhuǎn)而采用“價(jià)值定價(jià)”（基于產(chǎn)出的效用）、二部定價(jià)（訂閱費(fèi)+使用費(fèi)）等策略。

四是數(shù)據(jù)這種生產(chǎn)要素具有投入產(chǎn)出的非線性與閾值效應(yīng)。傳統(tǒng)生產(chǎn)要素的投入與產(chǎn)出通常呈連續(xù)、平滑的變化關(guān)系。而數(shù)據(jù)要素，特別是用于訓(xùn)練大模型的數(shù)據(jù)，其投入與產(chǎn)出之間存在顯著的非線性關(guān)系和閾值效應(yīng)。在模型訓(xùn)練中，數(shù)據(jù)量、算法復(fù)雜度與算力投入需要同時(shí)達(dá)到某個(gè)臨界點(diǎn)，模型能力才會(huì)發(fā)生質(zhì)的飛躍（如從GPT-3到GPT-4的躍遷）。這種“涌現(xiàn)”能力無法用簡(jiǎn)單的邊際增量來解釋。這給宏觀經(jīng)濟(jì)分析帶來挑戰(zhàn)，傳統(tǒng)生產(chǎn)函數(shù)（如柯布-道格拉斯函數(shù)）無法刻畫“智能資本”的獨(dú)立貢獻(xiàn)，如果在生產(chǎn)函數(shù)中引入“智能資本”這種要素，則要考慮和處理其中的非線性動(dòng)力學(xué)特征。

（三）詞元作為一種獨(dú)特的數(shù)據(jù)要素在數(shù)據(jù)普遍性中還有其特殊性

詞元是數(shù)據(jù)要素中一種具有主導(dǎo)性、標(biāo)準(zhǔn)化的計(jì)價(jià)數(shù)據(jù)類型。其在具備數(shù)據(jù)要素普遍屬性的同時(shí)，更表現(xiàn)出諸多極端化、顯性化的特殊經(jīng)濟(jì)屬性。正是這些特殊性，使得詞元經(jīng)濟(jì)對(duì)現(xiàn)實(shí)市場(chǎng)和傳統(tǒng)理論構(gòu)成了最為直接的沖擊。

一是詞元成本結(jié)構(gòu)極端“L型”化，具有規(guī)模經(jīng)濟(jì)的終極形態(tài)特點(diǎn)。數(shù)據(jù)要素的非競(jìng)爭(zhēng)性，在詞元經(jīng)濟(jì)中具象化為極度夸張的“L型”成本曲線。這是對(duì)傳統(tǒng)“U型”成本曲線的根本性顛覆。模型訓(xùn)練階段是一次性的、天文數(shù)字級(jí)的固定成本投入（涵蓋算力租賃、數(shù)據(jù)采購、算法研發(fā)）。然而，一旦模型訓(xùn)練完成，進(jìn)入推理服務(wù)階段，生成每一個(gè)額外詞元的邊際成本（主要為電力和設(shè)備折舊）極低且基本恒定。這導(dǎo)致了人類經(jīng)濟(jì)史上可能最極致的規(guī)模經(jīng)濟(jì)，即用戶和調(diào)用量越大，單位詞元分?jǐn)偟木揞~固定成本就越低，平均成本曲線持續(xù)下行，且看不到傳統(tǒng)制造業(yè)中因管理復(fù)雜度上升而帶來的規(guī)模不經(jīng)濟(jì)拐點(diǎn)。這完美解釋了2024年-2026年間主流模型API價(jià)格暴跌60%-80%而市場(chǎng)總收入?yún)s翻倍增長(zhǎng)的現(xiàn)象--本質(zhì)是規(guī)模擴(kuò)張攤薄固定成本后的必然降價(jià)與市場(chǎng)擴(kuò)容。

二是詞元市場(chǎng)是動(dòng)態(tài)非均衡的，具有“贏家通吃”的鎖定效應(yīng)。數(shù)據(jù)的網(wǎng)絡(luò)效應(yīng)，在詞元經(jīng)濟(jì)中表現(xiàn)為強(qiáng)大的市場(chǎng)鎖定效應(yīng)和路徑依賴。由于數(shù)據(jù)飛輪（更多使用到更好模型）和開發(fā)生態(tài)依賴（更多應(yīng)用基于某API構(gòu)建），市場(chǎng)一旦形成領(lǐng)先者，其優(yōu)勢(shì)就可能不斷自我強(qiáng)化，難以收斂于靜態(tài)競(jìng)爭(zhēng)均衡，而是處于動(dòng)態(tài)非均衡狀態(tài)。當(dāng)前，基礎(chǔ)模型層已形成極高的算力、數(shù)據(jù)、人才壁壘，全球核心玩家不足10家，呈現(xiàn)寡頭格局；而應(yīng)用層則得益于開源模型和微調(diào)技術(shù)，呈現(xiàn)充分競(jìng)爭(zhēng)的長(zhǎng)尾市場(chǎng)。競(jìng)爭(zhēng)范式已從價(jià)格戰(zhàn)徹底轉(zhuǎn)向“智能性價(jià)比”之戰(zhàn)。用戶決策函數(shù)改變，愿意為性能提升支付溢價(jià)，這迫使廠商競(jìng)爭(zhēng)焦點(diǎn)從成本控制轉(zhuǎn)向持續(xù)的技術(shù)“軍備競(jìng)賽”?？刂频讓幽Ｐ虯PI的巨頭，實(shí)質(zhì)上把持了智能經(jīng)濟(jì)的“入口”，其盈利模式從出售產(chǎn)品變?yōu)槭杖【哂幸鐑r(jià)權(quán)的“智能稅”。

三是詞元價(jià)值實(shí)現(xiàn)產(chǎn)生“通縮-通脹”分裂，導(dǎo)致宏觀經(jīng)濟(jì)政策困境。數(shù)據(jù)的場(chǎng)景依賴性，在宏觀層面外化為一種史無前例的價(jià)格水平結(jié)構(gòu)性分裂，即“成本通縮-資源通脹”二元悖論。一方面是服務(wù)端通縮。AI（通過詞元調(diào)用）極大地降低了知識(shí)密集型服務(wù)的生產(chǎn)成本。機(jī)器翻譯、代碼生成、文案撰寫等價(jià)格斷崖式下降，為全社會(huì)帶來巨大的“技術(shù)紅利”和隱性消費(fèi)者福利提升。一方面是資源端通脹。支撐AI運(yùn)行的物理基礎(chǔ)資源--高端圖像處理器GPU（如H100）、高帶寬存儲(chǔ)器HBM、數(shù)據(jù)中心電力--需求爆發(fā)式增長(zhǎng)，驅(qū)動(dòng)其價(jià)格持續(xù)上漲。2025年，我國(guó)AI算力需求增速（約150%）遠(yuǎn)超高端GPU供給增速（約40%），供需缺口推動(dòng)成本上升。這種分裂使得傳統(tǒng)通脹指標(biāo)（如CPI）可能嚴(yán)重“失真”，難以反映真實(shí)經(jīng)濟(jì)成本結(jié)構(gòu)。貨幣政策因此陷入兩難，如果為抑制資源通脹而收緊貨幣，可能阻礙或遲滯正在蓬勃發(fā)展的AI服務(wù)創(chuàng)新與通縮紅利；若放任不管，算力成本壓力在一段時(shí)間內(nèi)可能傳導(dǎo)至整個(gè)經(jīng)濟(jì)體系。

四是詞元這種要素在核算與統(tǒng)計(jì)上存在“三重失靈”問題。首先是核算失靈。企業(yè)購買API服務(wù)（形成“智能資本”）在財(cái)務(wù)報(bào)表中常被記為費(fèi)用而非資產(chǎn)，導(dǎo)致企業(yè)真實(shí)價(jià)值和宏觀投資數(shù)據(jù)被扭曲。其次是統(tǒng)計(jì)失靈。大量零邊際成本的AI服務(wù)（如免費(fèi)API額度、開源模型）創(chuàng)造的巨大消費(fèi)者剩余，因無法定價(jià)而完全未被計(jì)入GDP，導(dǎo)致數(shù)字時(shí)代真實(shí)社會(huì)福利被系統(tǒng)性低估。再次是監(jiān)管失靈。傳統(tǒng)反壟斷工具，如基于市場(chǎng)份額和價(jià)格歧視，難以應(yīng)對(duì)“算法權(quán)力”壟斷，如控制關(guān)鍵API接口和生態(tài)鎖定。另外，基于實(shí)體商品成本加成邏輯的監(jiān)管，在邊際成本趨零的數(shù)字服務(wù)市場(chǎng)幾乎失效。

三、詞元獨(dú)特經(jīng)濟(jì)屬性帶來的挑戰(zhàn)及建議

詞元獨(dú)特的經(jīng)濟(jì)屬性對(duì)現(xiàn)有經(jīng)濟(jì)治理體系構(gòu)成了系統(tǒng)性挑戰(zhàn)，亟須在統(tǒng)計(jì)監(jiān)測(cè)、競(jìng)爭(zhēng)政策與理論范式三個(gè)維度進(jìn)行創(chuàng)新，建立更適應(yīng)發(fā)展需要的治理體系。

一是完善統(tǒng)計(jì)監(jiān)測(cè)體系?，F(xiàn)行國(guó)民經(jīng)濟(jì)核算體系（SNA）難以捕捉詞元經(jīng)濟(jì)的真實(shí)價(jià)值。企業(yè)API調(diào)用被記為中間消耗而非資本形成，導(dǎo)致“智能資本”投資被低估；大量零價(jià)格AI服務(wù)創(chuàng)造的巨大消費(fèi)者剩余完全游離于GDP統(tǒng)計(jì)之外，造成數(shù)字經(jīng)濟(jì)時(shí)代真實(shí)福利被系統(tǒng)性低估。詞元調(diào)用量月均兩位數(shù)的增長(zhǎng)速度，現(xiàn)有統(tǒng)計(jì)體系無法準(zhǔn)確反映這一增長(zhǎng)的經(jīng)濟(jì)意義。應(yīng)該構(gòu)建與之相適應(yīng)的統(tǒng)計(jì)制度，涵蓋詞元調(diào)用量、算力利用率、模型性能價(jià)格比等核心指標(biāo)的月度統(tǒng)計(jì)發(fā)布制度。

二是健全相關(guān)競(jìng)爭(zhēng)政策。傳統(tǒng)反壟斷理論關(guān)注市場(chǎng)份額與價(jià)格歧視，而詞元經(jīng)濟(jì)的壟斷可能表現(xiàn)為對(duì)關(guān)鍵模型API接口的排他性控制；基于實(shí)體商品“成本-利潤(rùn)”邏輯的監(jiān)管工具，也不適用于邊際成本趨近于零、具有強(qiáng)網(wǎng)絡(luò)效應(yīng)的數(shù)字服務(wù)市場(chǎng)。監(jiān)管重點(diǎn)需從分拆企業(yè)的“結(jié)構(gòu)救濟(jì)”，轉(zhuǎn)向保障公平接入、要求算法透明與可解釋的“行為救濟(jì)”與“算法治理”，建立與詞元經(jīng)濟(jì)和智能經(jīng)濟(jì)相適應(yīng)的競(jìng)爭(zhēng)政策范式。

三是創(chuàng)新經(jīng)濟(jì)學(xué)理論研究。詞元經(jīng)濟(jì)暴露了經(jīng)典經(jīng)濟(jì)學(xué)范式的多重局限，例如：生產(chǎn)函數(shù)無法刻畫智能資本的貢獻(xiàn)；均衡理論難以解釋動(dòng)態(tài)非均衡狀態(tài)；邊際成本定價(jià)法在邊際成本趨零時(shí)失效；科斯的企業(yè)邊界理論受到智能體降低交易成本的挑戰(zhàn)。理論是服務(wù)于實(shí)踐的，經(jīng)濟(jì)學(xué)要建立能夠處理非競(jìng)爭(zhēng)性商品（模型）、競(jìng)爭(zhēng)性資源（算力）、正外部性（數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)）和動(dòng)態(tài)規(guī)模報(bào)酬遞增的新分析框架。

詞元經(jīng)濟(jì)是新事物，我們應(yīng)以科學(xué)統(tǒng)計(jì)準(zhǔn)確觀測(cè)真實(shí)經(jīng)濟(jì)運(yùn)行狀況，彌補(bǔ)傳統(tǒng)核算盲區(qū)；應(yīng)由國(guó)家統(tǒng)籌布局夯實(shí)算力基礎(chǔ)設(shè)施底座，防止關(guān)鍵資源壟斷抑制創(chuàng)新；應(yīng)建立適應(yīng)性監(jiān)管框架駕馭新型風(fēng)險(xiǎn)，更好平衡規(guī)范與發(fā)展；要鼓勵(lì)基礎(chǔ)理論創(chuàng)新，并積極參與國(guó)際規(guī)則塑造，爭(zhēng)奪智能經(jīng)濟(jì)時(shí)代的國(guó)際話語權(quán)。唯有通過系統(tǒng)性、前瞻性的制度創(chuàng)新，才能將我國(guó)超大規(guī)模市場(chǎng)、豐富應(yīng)用場(chǎng)景與海量數(shù)據(jù)資源的優(yōu)勢(shì)，切實(shí)轉(zhuǎn)化為在人工智能時(shí)代的技術(shù)優(yōu)勢(shì)、產(chǎn)業(yè)優(yōu)勢(shì)與規(guī)則優(yōu)勢(shì)。

（作者單位：中國(guó)經(jīng)濟(jì)時(shí)報(bào)社，騰訊旗下AI助手）

總 監(jiān) 制丨王列軍車海剛

監(jiān) 制丨陳 波 王 彧 楊玉洋

主 編丨毛晶慧 編 輯丨蔣 帥