■陳波 元寶

2026年3月23日，國家數(shù)據(jù)局局長劉烈宏在中國發(fā)展高層論壇2026年年會上公布，Token的中文譯名為“詞元”?！霸~元”這一中文定名的公布，標志著以Token為價值載體的智能經(jīng)濟，已從技術領域進入國家視野。這背后的原因是Token調(diào)用量的驚人增長，其在不到1年的時間里特別是近幾個月以來爆發(fā)式增長，體現(xiàn)了“人工智能+”行動正在快速全面落地，智能體正在快速規(guī)?；瘧?。這里面蘊含著生產(chǎn)要素的深刻變革，也蘊含著價值創(chuàng)造邏輯的根本性重構，由此催生了詞元經(jīng)濟這一新的經(jīng)濟形態(tài)。對詞元獨特經(jīng)濟屬性的剖析，不僅關乎對當前增長動能的解讀，更關系到對智能時代經(jīng)濟規(guī)律的前瞻性把握。系統(tǒng)研究詞元經(jīng)濟，探索其帶來的理論挑戰(zhàn)與治理新命題，對于我國搶占智能經(jīng)濟發(fā)展制高點、引領新質(zhì)生產(chǎn)力躍遷，具有至關重要的戰(zhàn)略意義。

一、詞元調(diào)用量真實反映人工智能應用程度

Token（詞元）之所以受關注，是因為其調(diào)用量以超快速度增長。據(jù)國家數(shù)據(jù)局的監(jiān)測，我國日均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個月的時間增長1400倍；相比2025年底的100萬億，短短三個月又增長了40%以上。在世界范圍內(nèi)看，中國是Token調(diào)用量最大的國家，調(diào)用量是排名第二的美國的近2倍。全球最大AI模型API（應用程序接口）聚合平臺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AI大模型的調(diào)用量為7.359萬億Token，占全球的36%，連續(xù)三周超過美國的3.536萬億Token調(diào)用量。摩根大通甚至預測，2025年至2030年，中國Token消耗量年復合增長率將高達330%，5年增長400倍。中國的AI推理Token消耗量預計將從2025年的約10千萬億增長至2030年的約3900千萬億。

Token的重要性更體現(xiàn)在它是數(shù)智服務的產(chǎn)出單元和計價基準。過去信息服務的產(chǎn)出單元和計價基準是字節(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的產(chǎn)出單元，隨之發(fā)展成為計價基準。詞元調(diào)用量的快速增長是智能體快速發(fā)展的結果。2026年被產(chǎn)業(yè)界普遍視為“智能體（AI Agent）規(guī)?；瘧迷辍薄Ｒ虼笳Z言模型（LLM）的技術突破，智能體實現(xiàn)了深度語言理解、知識推理與代碼生成的能力躍升，由此帶來在各種應用場景中的規(guī)?；涞?，創(chuàng)造出了顯著經(jīng)濟價值，甚至還發(fā)展出具備自主規(guī)劃、工具調(diào)用與持續(xù)學習能力的“數(shù)字員工”。智能體技術的快速發(fā)展使得各種智能體產(chǎn)品如雨后春筍一般冒出，并且在短短的幾個月時間內(nèi)就呈現(xiàn)百家爭鳴局面。有結論認為，智能體已經(jīng)從一個前沿技術概念，迅速演變?yōu)榻Y構清晰、生態(tài)活躍的千億級新興產(chǎn)業(yè)。

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

詞元的超快速增長是一種特殊的經(jīng)濟現(xiàn)象，其快速增長突顯了對詞元經(jīng)濟進行深入研究的必要性和迫切性。

二、詞元具有獨特的經(jīng)濟屬性

詞元具有與傳統(tǒng)經(jīng)濟要素不一樣的經(jīng)濟屬性。詞元本質(zhì)上是一種數(shù)據(jù)類型，數(shù)據(jù)相對于勞動力、資本、管理、技術等生產(chǎn)要素，已經(jīng)是一種獨特的生產(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，同時又有自身的獨特性。深入研究分析詞元的特殊經(jīng)濟屬性，就是探求智能經(jīng)濟與眾不同之處，可能意味著對經(jīng)典經(jīng)濟理論的范式革命。了解和掌握詞元的特殊經(jīng)濟屬性，政策制定者將能夠更加準確地判斷形勢并做出決策。

圖片來源/新華社

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

詞元在技術上原本是一種標準化的數(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、結構化的基本單位。這種技術定義看似簡單，卻蘊含著深刻的經(jīng)濟學意義。在傳統(tǒng)信息處理中，數(shù)據(jù)多以非結構化形式存在，需要經(jīng)過復雜的人工處理與解讀轉(zhuǎn)化為結構化數(shù)據(jù)，才能夠產(chǎn)生和實現(xiàn)經(jīng)濟價值。詞元的產(chǎn)生也經(jīng)歷了這樣一個過程，各種非結構化的語言通過處理轉(zhuǎn)化為可計量、可交換的標準化單元，實現(xiàn)了信息價值的可度量性與可交易性，這是數(shù)據(jù)要素市場化的關鍵前提。

詞元這種數(shù)據(jù)類型的經(jīng)濟屬性體現(xiàn)在三個維度上。首先，詞元實現(xiàn)了信息的標準化封裝。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具備了可比性與可替代性。其次，詞元建立了精確的計量體系。國家數(shù)據(jù)局之所以能夠監(jiān)測我國日均詞元調(diào)用量，就是各個大模型平臺已經(jīng)將詞元作為標準計量單位進行了統(tǒng)計，不僅給用戶顯示大模型使用量，還是向使用者收費的準確依據(jù)。最后，基于詞元形成了透明的定價機制。目前，主流大模型對調(diào)用量普遍采用“每百萬詞元”方式計價，這種價格透明化是傳統(tǒng)數(shù)據(jù)交易難以實現(xiàn)的。

詞元這種數(shù)據(jù)類型的經(jīng)濟屬性體現(xiàn)在它的產(chǎn)品屬性和商品屬性是同時產(chǎn)生的。與傳統(tǒng)數(shù)據(jù)產(chǎn)品需要先生產(chǎn)后消費不同，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)濟具有極致的需求響應能力與資源利用效率。當用戶提出問題時，模型并非從預存答案庫中檢索，而是動態(tài)生成符合語境的詞元序列。這意味著詞元的價值不僅取決于其包含的信息內(nèi)容，更取決于生成時的具體場景與用戶需求，呈現(xiàn)出高度的情境依賴性與價值不確定性。

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

（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

當我們將視角從“數(shù)據(jù)類型”提升到“生產(chǎn)要素”時，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、資本）根本性的經(jīng)濟學差異。這些差異構成了理解詞元經(jīng)濟的理論基石。

一是數(shù)據(jù)這種生產(chǎn)要素具有非競爭性與無限復用性。傳統(tǒng)生產(chǎn)要素具有競爭性，一人使用則他人無法同時使用。而數(shù)據(jù)要素具有非競爭性，即一人使用不影響他人使用。在詞元經(jīng)濟中，同一個訓練好的大模型可以同時服務數(shù)百萬用戶，每個用戶獲得的詞元序列都是模型根據(jù)其具體查詢“實時生成”的專屬輸出，但模型的知識與能力并未被消耗。這種非競爭性使得數(shù)據(jù)要素的邊際成本在達到一定規(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)價值理論。這就解釋了為何頭部大模型廠商能持續(xù)實施大幅降價策略，其本質(zhì)是通過極致的規(guī)模效應，將天價的固定訓練成本（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化型網(wǎng)絡效應。傳統(tǒng)生產(chǎn)要素的投入產(chǎn)出關系通常遵循邊際報酬遞減規(guī)律。而數(shù)據(jù)要素具有強烈的正外部性，其價值隨使用規(guī)模和應用場景的擴大呈指數(shù)級增長，形成“數(shù)據(jù)飛輪效應”。在詞元經(jīng)濟中，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，這是一個不斷強化的循環(huán)過程，是一種自我強化的正反饋機制。這使得市場難以收斂于靜態(tài)均衡，而更容易形成“贏家通吃”或寡頭壟斷的動態(tài)非均衡結構。

三是數(shù)據(jù)這種生產(chǎn)要素價值實現(xiàn)具有強場景依賴性與非標準化特點。土地、資本的價值相對穩(wěn)定，勞動的價值也主要由市場工資率決定。而數(shù)據(jù)要素的價值高度依賴于具體應用場景，同一組數(shù)據(jù)在不同場景下可能產(chǎn)生數(shù)量級差異的經(jīng)濟價值。對于詞元經(jīng)濟，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)濟價值和社會效用天差地別。這種價值的極端不確定性，使得傳統(tǒng)基于“生產(chǎn)成本”的定價理論完全失效。因此，我們看到詞元市場的定價普遍拋棄了邊際成本定價法，轉(zhuǎn)而采用“價值定價”（基于產(chǎn)出的效用）、二部定價（訂閱費+使用費）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。傳統(tǒng)生產(chǎn)要素的投入與產(chǎn)出通常呈連續(xù)、平滑的變化關系。而數(shù)據(jù)要素，特別是用于訓練大模型的數(shù)據(jù)，其投入與產(chǎn)出之間存在顯著的非線性關系和閾值效應。在模型訓練中，數(shù)據(jù)量、算法復雜度與算力投入需要同時達到某個臨界點，模型能力才會發(fā)生質(zhì)的飛躍（如從GPT-3到GPT-4的躍遷）。這種“涌現(xiàn)”能力無法用簡單的邊際增量來解釋。這給宏觀經(jīng)濟分析帶來挑戰(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”的獨立貢獻，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力學特征。

（三）詞元作為一種獨特的數(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性、標準化的計價數(shù)據(jù)類型。其在具備數(shù)據(jù)要素普遍屬性的同時，更表現(xiàn)出諸多極端化、顯性化的特殊經(jīng)濟屬性。正是這些特殊性，使得詞元經(jīng)濟對現(xiàn)實市場和傳統(tǒng)理論構成了最為直接的沖擊。

一是詞元成本結構極端“L型”化，具有規(guī)模經(jīng)濟的終極形態(tài)特點。數(shù)據(jù)要素的非競爭性，在詞元經(jīng)濟中具象化為極度夸張的“L型”成本曲線。這是對傳統(tǒng)“U型”成本曲線的根本性顛覆。模型訓練階段是一次性的、天文數(shù)字級的固定成本投入（涵蓋算力租賃、數(shù)據(jù)采購、算法研發(fā)）。然而，一旦模型訓練完成，進入推理服務階段，生成每一個額外詞元的邊際成本（主要為電力和設備折舊）極低且基本恒定。這導致了人類經(jīng)濟史上可能最極致的規(guī)模經(jīng)濟，即用戶和調(diào)用量越大，單位詞元分攤的巨額固定成本就越低，平均成本曲線持續(xù)下行，且看不到傳統(tǒng)制造業(yè)中因管理復雜度上升而帶來的規(guī)模不經(jīng)濟拐點。這完美解釋了2024年-2026年間主流模型API價格暴跌60%-80%而市場總收入?yún)s翻倍增長的現(xiàn)象--本質(zhì)是規(guī)模擴張攤薄固定成本后的必然降價與市場擴容。

二是詞元市場是動態(tài)非均衡的，具有“贏家通吃”的鎖定效應。數(shù)據(jù)的網(wǎng)絡效應，在詞元經(jīng)濟中表現(xiàn)為強大的市場鎖定效應和路徑依賴。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（更多應用基于某API構建），市場一旦形成領先者，其優(yōu)勢就可能不斷自我強化，難以收斂于靜態(tài)競爭均衡，而是處于動態(tài)非均衡狀態(tài)。當前，基礎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；而應用層則得益于開源模型和微調(diào)技術，呈現(xiàn)充分競爭的長尾市場。競爭范式已從價格戰(zhàn)徹底轉(zhuǎn)向“智能性價比”之戰(zhàn)。用戶決策函數(shù)改變，愿意為性能提升支付溢價，這迫使廠商競爭焦點從成本控制轉(zhuǎn)向持續(xù)的技術“軍備競賽”?？刂频讓幽Ｐ虯PI的巨頭，實質(zhì)上把持了智能經(jīng)濟的“入口”，其盈利模式從出售產(chǎn)品變?yōu)槭杖【哂幸鐑r權的“智能稅”。

三是詞元價值實現(xiàn)產(chǎn)生“通縮-通脹”分裂，導致宏觀經(jīng)濟政策困境。數(shù)據(jù)的場景依賴性，在宏觀層面外化為一種史無前例的價格水平結構性分裂，即“成本通縮-資源通脹”二元悖論。一方面是服務端通縮。AI（通過詞元調(diào)用）極大地降低了知識密集型服務的生產(chǎn)成本。機器翻譯、代碼生成、文案撰寫等價格斷崖式下降，為全社會帶來巨大的“技術紅利”和隱性消費者福利提升。一方面是資源端通脹。支撐AI運行的物理基礎資源--高端圖像處理器GPU（如H100）、高帶寬存儲器HBM、數(shù)據(jù)中心電力--需求爆發(fā)式增長，驅(qū)動其價格持續(xù)上漲。2025年，我國AI算力需求增速（約150%）遠超高端GPU供給增速（約40%），供需缺口推動成本上升。這種分裂使得傳統(tǒng)通脹指標（如CPI）可能嚴重“失真”，難以反映真實經(jīng)濟成本結構。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服務創(chuàng)新與通縮紅利；若放任不管，算力成本壓力在一段時間內(nèi)可能傳導至整個經(jīng)濟體系。

四是詞元這種要素在核算與統(tǒng)計上存在“三重失靈”問題。首先是核算失靈。企業(yè)購買API服務（形成“智能資本”）在財務報表中常被記為費用而非資產(chǎn)，導致企業(yè)真實價值和宏觀投資數(shù)據(jù)被扭曲。其次是統(tǒng)計失靈。大量零邊際成本的AI服務（如免費API額度、開源模型）創(chuàng)造的巨大消費者剩余，因無法定價而完全未被計入GDP，導致數(shù)字時代真實社會福利被系統(tǒng)性低估。再次是監(jiān)管失靈。傳統(tǒng)反壟斷工具，如基于市場份額和價格歧視，難以應對“算法權力”壟斷，如控制關鍵API接口和生態(tài)鎖定。另外，基于實體商品成本加成邏輯的監(jiān)管，在邊際成本趨零的數(shù)字服務市場幾乎失效。

三、詞元獨特經(jīng)濟屬性帶來的挑戰(zhàn)及建議

詞元獨特的經(jīng)濟屬性對現(xiàn)有經(jīng)濟治理體系構成了系統(tǒng)性挑戰(zhàn)，亟須在統(tǒng)計監(jiān)測、競爭政策與理論范式三個維度進行創(chuàng)新，建立更適應發(fā)展需要的治理體系。

一是完善統(tǒng)計監(jiān)測體系?，F(xiàn)行國民經(jīng)濟核算體系（SNA）難以捕捉詞元經(jīng)濟的真實價值。企業(yè)API調(diào)用被記為中間消耗而非資本形成，導致“智能資本”投資被低估；大量零價格AI服務創(chuàng)造的巨大消費者剩余完全游離于GDP統(tǒng)計之外，造成數(shù)字經(jīng)濟時代真實福利被系統(tǒng)性低估。詞元調(diào)用量月均兩位數(shù)的增長速度，現(xiàn)有統(tǒng)計體系無法準確反映這一增長的經(jīng)濟意義。應該構建與之相適應的統(tǒng)計制度，涵蓋詞元調(diào)用量、算力利用率、模型性能價格比等核心指標的月度統(tǒng)計發(fā)布制度。

二是健全相關競爭政策。傳統(tǒng)反壟斷理論關注市場份額與價格歧視，而詞元經(jīng)濟的壟斷可能表現(xiàn)為對關鍵模型API接口的排他性控制；基于實體商品“成本-利潤”邏輯的監(jiān)管工具，也不適用于邊際成本趨近于零、具有強網(wǎng)絡效應的數(shù)字服務市場。監(jiān)管重點需從分拆企業(yè)的“結構救濟”，轉(zhuǎn)向保障公平接入、要求算法透明與可解釋的“行為救濟”與“算法治理”，建立與詞元經(jīng)濟和智能經(jīng)濟相適應的競爭政策范式。

三是創(chuàng)新經(jīng)濟學理論研究。詞元經(jīng)濟暴露了經(jīng)典經(jīng)濟學范式的多重局限，例如：生產(chǎn)函數(shù)無法刻畫智能資本的貢獻；均衡理論難以解釋動態(tài)非均衡狀態(tài)；邊際成本定價法在邊際成本趨零時失效；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)。理論是服務于實踐的，經(jīng)濟學要建立能夠處理非競爭性商品（模型）、競爭性資源（算力）、正外部性（數(shù)據(jù)網(wǎng)絡效應）和動態(tài)規(guī)模報酬遞增的新分析框架。

詞元經(jīng)濟是新事物，我們應以科學統(tǒng)計準確觀測真實經(jīng)濟運行狀況，彌補傳統(tǒng)核算盲區(qū)；應由國家統(tǒng)籌布局夯實算力基礎設施底座，防止關鍵資源壟斷抑制創(chuàng)新；應建立適應性監(jiān)管框架駕馭新型風險，更好平衡規(guī)范與發(fā)展；要鼓勵基礎理論創(chuàng)新，并積極參與國際規(guī)則塑造，爭奪智能經(jīng)濟時代的國際話語權。唯有通過系統(tǒng)性、前瞻性的制度創(chuàng)新，才能將我國超大規(guī)模市場、豐富應用場景與海量數(shù)據(jù)資源的優(yōu)勢，切實轉(zhuǎn)化為在人工智能時代的技術優(yōu)勢、產(chǎn)業(yè)優(yōu)勢與規(guī)則優(yōu)勢。

（作者單位：中國經(jīng)濟時報社，騰訊旗下AI助手）