一组让人愣住的数字
2026年3月，国家数据局局长刘烈宏在中国发展高层论坛上抛出了一组数字：
1000 亿 → 100万亿 → 140万亿
我国日均词元调用量，两年多增长超过千倍
更夸张的是，有的模型企业20天收入就超过了去年全年
说实话，第一次看到这个数字的时候，我愣了几秒
不是因为增长有多惊人
互联网时代我们见过太多指数级增长的故事
而是因为词元这个词突然从技术圈的黑话，变成了可以拿到高层论坛上讲的经济指标。
当一个技术术语开始出现在局长的发言稿里，它就不再只是技术问题，而是经济问题了。
这让我想起2010年前后，“流量”还只是运营商和互联网公司内部的技术术语，普通人根本不关心自己每天消耗多少MB。但几年后，流量焦虑成了全民话题，流量包、流量卡、流量经济随之而来。
现在，历史似乎在重演，只是主角换成了词元。
词元到底是个什么东西？
技术人员会告诉你：
词元（Token）是大模型处理信息的最小单位，通过分词算法把文本切分成模型能理解的离散片段。一个汉字可能是一个词元，一个英文单词可能被切成两三个，一张图片的描述可能消耗几百个。
但这个解释对大多数人来说毫无意义。
换个说法：你每次和 ChatGPT 对话、让 AI 写代码、生成一张图，甚至让智能体帮你订机票、整理邮件，背后都在消耗词元。模型厂商几乎都按词元计费
你输入一句话消耗多少，AI回复消耗多少，清清楚楚。
举个具体例子
用 GPT-4 写一篇 3000 字的文章
→ 消耗约5000个词元
→ 成本约 0.15 美元
让智能体完成订机票+写邮件+更新日历
→ 词元消耗轻松破万
→ 成本翻 10 倍以上
这就像打电话：以前按分钟计费，现在AI按思考次数计费。只不过这个思考被量化成了词元。
问题是，你知道自己每个月消耗了多少词元吗？
就像2010年的人不知道自己用了多少流量一样。
国家数据局把Token正式定名为词元，不只是翻译问题，更是对其经济属性的认可。它被定义为智能时代的价值锚点和结算单位。说白了，就是给AI的劳动定价找到了一个可量化的标准。
从烧钱黑洞到印钞机
某头部模型厂商20天收入超去年全年
过去几年，AI公司烧钱的故事听得耳朵起茧
训练一个大模型动辄几千万美元，买GPU像买白菜，电费账单能让CFO失眠
那时候，词元更多被视为成本：训练消耗多少词元，推理消耗多少词元，怎么优化才能少花点钱。
但现在情况变了
AI进入大规模应用阶段后，每一次用户对话、每一次智能体执行任务，都在持续消耗词元。消耗越多，厂商卖得越多
词元从“成本”变成了可以批量生产、分级定价、规模化交易的“商品”。
黄仁勋的词元工厂
英伟达CEO黄仁勋在2026年GTC大会上直接提出了“词元经济”的概念
他把数据中心重新定义为“词元工厂”：
听起来很美好，对吧？但这里有个问题：这不就是把AI公司变成了“电力转换器”吗？你消耗电力生产词元，我消耗电力生产词元，最后比的是谁的转换效率更高。这和传统制造业的逻辑有什么本质区别？
杰文斯悖论：效率提升≠成本下降
更关键的是，这套逻辑背后隐藏着一个经典的经济学陷阱——杰文斯悖论。
19世纪，英国工程师杰文斯发现，蒸汽机效率提升后，煤炭消耗不降反升，因为更便宜的能源刺激了更多使用。现在，AI推理成本大幅下降，反而刺激了更多调用，总消耗和总支出持续上涨。
所以，当模型厂商欢呼“词元调用量暴涨”的时候，我总会想：
这到底是技术进步带来的效率红利，还是一场新的消耗主义狂欢？
产业链的新游戏规则
中国性价比 vs 美国高端化，谁会赢？
词元经济正在拉出一条清晰的产业链，每个环节都在重新洗牌。但更有意思的是，中美两国走的是完全不同的路线。
生产端：谁的电费更便宜？
结果就是：美国模型质量可能更好，但中国模型的“性价比”碾压对手。
这就像手机行业：苹果卖高端，但小米、OPPO靠性价比占领了全球大部分市场。
优化端：软件能省多少钱？
这是我觉得最被低估的一层。不用新增硬件，仅靠软件优化就能把词元产出提升3-5倍。
案例：模型路由技术
再比如，推理加速算法（量化、剪枝、蒸馏）可以让同一个模型的推理速度提升 2-3倍，相当于同样的电力能生产出更多词元。
这就是为什么，未来的AI竞争可能不在模型本身，而在“调度系统”和“成本优化能力”上。
流通端：词元出海，本质是什么？
中国模型凭借成本优势，正在通过API实现“词元出海”。这个说法听起来挺科幻，但本质上就是：
➢ 美国企业调用中国API，每百万词元成本是OpenAI的1/3
➢ 东南亚、拉美、非洲的开发者，直接用中国模型搭建本地应用
➢ 不需要报关，不需要物流，甚至不需要实体存在
这是一种新型的“数字出口”：我们不是在卖商品，而是在卖智能本身
但问题也来了：美国会不会像限制芯片一样，限制词元流通？会不会出现“词元禁运”？这个问题值得持续关注。
应用端：谁在消耗最多词元？
目前词元消耗最大的三个场景：
① 客服智能体
一个 AI 客服每天处理1000次对话，平均每次消耗5000词元，一天就是500万词元。一家中型电商公司，一个月词元消耗可能破亿。
② 代码生成
一个程序员用Copilot写代码，每天消耗10-20万词元。一家100人的技术公司，一个月词元消耗可能达到 5亿。
③ 内容生成
一个自媒体用AI生成文章、视频脚本、图片描述，每天消耗20-30万词元。
未来每家SaaS公司的财报里，可能都会有一项“词元成本”，就像今天的云服务成本一样。
智能体的“词元黑洞”
智能体尤其值得注意。我认识一个创业团队，做了一个AI行政助理，帮企业处理日常杂事。听起来很美好，但上线第一个月他们就傻眼了：
一个真实案例的成本拆解
任务： 帮老板订下周去上海的机票+酒店+打车+会议室
步骤 1：查询航班信息
→ 调用模型 3 次，消耗8000词元
步骤 2：比较价格和时间
→ 调用模型 2 次，消耗5000词元
步骤 3：预订并确认
→ 调用模型 2 次，消耗6000词元
步骤 4：生成行程表并发邮件
→ 调用模型 1 次，消耗3000词元
总计：22000词元，成本约0.5美元
如果一个企业有 100个员工，每人每天5个这样的任务：
这个团队最后不得不把80% 的功能砍掉，只保留最核心的场景，才把成本控制在可接受范围内。
创始人跟我说了一句话：
“这哪是做产品，这就是个恰饭的生意啊。智能体的天花板不是技术，而是词元价格。”
这就是智能体的悖论：越强大，越烧钱；越烧钱，越难普及。所以，智能体的未来可能不取决于技术有多先进，而取决于词元价格能降到多低。
从某种程度上说，词元价格战才刚刚开始
所以，游戏规则变了
对企业来说 ➢ ROI测算变得更精准了
以前评估AI项目，很难量化收益和成本
现在，你可以清楚地算出：替代一个客服需要多少词元，处理一份合同需要多少词元，生成一份报告需要多少词元
成本结构在改变：部分人力被自动化替代，非核心劳动加速机器化。财报中，词元处理量可能成为新的关键指标。
对行业来说 ➢ AI 从“炫技阶段”真正进入“基础设施阶段”
智能不再是黑箱里的神秘能力，而是像电、水、流量一样可计量、可交易、可优化的日常资源。
对宏观经济而言 ➢ 词元作为新型生产要素，正在重塑生产函数
它连接了能源、算力、数据和应用，催生出新的价值体系
中国在绿电、算力成本和应用场景上的优势，让词元出海成为可能
本质上是把电力和算力以数字智能的形式出口。
但我总觉得，这里面有些东西不太对劲。
四个不太舒服的问题
词元经济的“灰犀牛”
第一，词元经济会不会变成新的“流量陷阱”？
互联网时代，我们见证了流量经济的兴起和异化
一开始，流量是用户注意力的量化，后来变成了可以刷、可以买、可以造假的数字游戏
词元会不会也走上同样的路？当词元成为核心指标，会不会有人为了冲量而制造无效调用？会不会出现“词元刷单”产业链？监管/国际标准/数据主权，这些配套能跟上吗？
第二，高质量数据的供给能跟上吗？
词元的价值不只取决于数量，更取决于质量。但高质量数据是有限的
当所有人都在疯狂生产词元的时候，数据来源会不会越来越同质化？AI会不会陷入“自我训练”的循环
用AI生成的内容训练AI，最后输出越来越平庸的结果？
第三，能耗压力怎么解决？
词元经济的本质是把电力转化为智能。但电力不是无限的，尤其是清洁电力
当词元消耗量以千倍速度增长，能源供给能跟上吗？会不会出现词元产能过剩和电力短缺的矛盾？
第四，定价权在谁手里？
现在，词元定价主要由几家头部模型厂商决定。但当词元成为基础设施，定价权的集中会不会带来新的垄断？
会不会出现“词元寡头”？小公司和个人开发者会不会被挤出市场？
这些问题，现在还没有答案。但我觉得，在欢呼“词元经济元年”之前，至少应该把这些问题摆出来讨论。
写在最后
从工业时代的煤炭、石油，到信息时代的流量和数据，再到智能时代的词元，人类经济始终围绕着“核心能量与计量单位”演进。这个逻辑没错。
但每一次演进，都伴随着新的不平等、新的浪费、新的异化：
➤ 煤炭带来了工业革命，也带来了环境污染
➤ 石油带来了现代文明，也带来了资源战争
➤ 流量带来了信息爆炸，也带来了注意力剥削
词元会带来什么？现在下结论还太早。
我只是隐约觉得，当“思考”和“创造”被量化为可交易的商品，
当AI的每一次输出都被精确计费，我们可能正在失去某种更重要的东西
那种不计成本的探索、那种无法量化的灵感、那种超越效率的价值。
或许，真正值得警惕的不是词元经济本身，而是我们对可量化的迷恋
不是所有有价值的东西都能被计量，也不是所有能被计量的东西都有价值。
最后问你一个问题：
你的公司开始为词元消耗做预算了吗？当智能体像流水一样消耗词元的时候，你会不会偶尔停下来想一想：这些词元，到底在为我们创造什么？