智庫要論丨詞元經濟的崛起、挑戰與治理策略

■陳波 元寶

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

一、詞元調用量真實反映人工智能應用程度

Token（詞元）之所以受關注，是因為其調用量以超快速度增長。據國家數據局的監測，我國日均Token調用量從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。在世界范圍內看，中國是Token調用量最大的國家，調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數據顯示，2026年3月16日至22日，全球AI大模型總調用量為20.4萬億Token，其中中國AI大模型的調用量為7.359萬億Token，占全球的36%，連續三周超過美國的3.536萬億Token調用量。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的重要性更體現在它是數智服務的產出單元和計價基準。過去信息服務的產出單元和計價基準是字節，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出單元，隨之發展成為計價基準。詞元調用量的快速增長是智能體快速發展的結果。2026年被產業界普遍視為“智能體（AI Agent）規模化應用元年”。因大語言模型（LLM）的技術突破，智能體實現了深度語言理解、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模化落地，創造出了顯著經濟價值，甚至還發展出具備自主規劃、工具調用與持續學習能力的“數字員工”。智能體技術的快速發展使得各種智能體產品如雨后春筍一般冒出，并且在短短的幾個月時間內就呈現百家爭鳴局面。有結論認為，智能體已經從一個前沿技術概念，迅速演變為結構清晰、生態活躍的千億級新興產業。

詞元的調用量可以用來體現人工智能應用程度，對落實“十五五”規劃具有重要作用。智能化和人工智能技術的發展和應用在國家“十五五”規劃綱要中得到了高度重視。在綱要第二篇“建設現代化產業體系，鞏固壯大實體經濟根基”中，開篇即提出“堅持把發展經濟的著力點放在實體經濟上，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，引領發展新質生產力”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“深入推進數字中國建設，提升數智化發展水平”，深刻表明數智化在整個規劃綱要中的基礎性重要作用。其中明確提出，加快數智技術創新，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新、產業發展、文化建設、民生保障、社會治理相結合，搶占人工智能產業應用制高點，全方位賦能千行百業。

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

二、詞元具有獨特的經濟屬性

詞元具有與傳統經濟要素不一樣的經濟屬性。詞元本質上是一種數據類型，數據相對于勞動力、資本、管理、技術等生產要素，已經是一種獨特的生產要素。詞元作為一種數據類型具有數據生產要素的固有屬性，同時又有自身的獨特性。深入研究分析詞元的特殊經濟屬性，就是探求智能經濟與眾不同之處，可能意味著對經典經濟理論的范式革命。了解和掌握詞元的特殊經濟屬性，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）詞元經歷了從技術參數到經濟基本單元的發展過程

詞元在技術上原本是一種標準化的數據類型，是自然語言處理（NLP）過程中將連續文本離散化、結構化的基本單位。這種技術定義看似簡單，卻蘊含著深刻的經濟學意義。在傳統信息處理中，數據多以非結構化形式存在，需要經過復雜的人工處理與解讀轉化為結構化數據，才能夠產生和實現經濟價值。詞元的產生也經歷了這樣一個過程，各種非結構化的語言通過處理轉化為可計量、可交換的標準化單元，實現了信息價值的可度量性與可交易性，這是數據要素市場化的關鍵前提。

詞元這種數據類型的經濟屬性體現在三個維度上。首先，詞元實現了信息的標準化封裝。無論是文本、代碼還是多模態信息，最終都被轉化為統一的詞元序列，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。國家數據局之所以能夠監測我國日均詞元調用量，就是各個大模型平臺已經將詞元作為標準計量單位進行了統計，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。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數據交易難以實現的。

詞元這種數據類型的經濟屬性體現在它的產品屬性和商品屬性是同時產生的。與傳統數據產品需要先生產后消費不同，詞元是在用戶調用模型的瞬間“生產”出來的，是典型的“按需生成”數據。這種特性使得詞元經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容，更取決于生成時的具體場景與用戶需求，呈現出高度的情境依賴性與價值不確定性。

從產業實踐看，詞元這種數據類型已經形成了完整的技術棧與生態體系。體系底層是Transformer等神經網絡架構，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）調用的各類應用。這種分層架構使得詞元的生產（模型訓練）與消費（API調用）實現了專業化分工，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）通過海量調用被攤薄，最終實現邊際成本趨近于零（生成百萬詞元成本不足1美元）。正是這種獨特的數據生產消費模式，使得詞元經濟具有“高固定成本、趨零邊際成本”的特殊結構性特征。

（二）詞元具有數據這種非傳統生產要素所有的特點

當我們將視角從“數據類型”提升到“生產要素”時，數據（包括其具體形態“詞元”）展現出了與傳統生產要素（土地、勞動、資本）根本性的經濟學差異。這些差異構成了理解詞元經濟的理論基石。

一是數據這種生產要素具有非競爭性與無限復用性。傳統生產要素具有競爭性，一人使用則他人無法同時使用。而數據要素具有非競爭性，即一人使用不影響他人使用。在詞元經濟中，同一個訓練好的大模型可以同時服務數百萬用戶，每個用戶獲得的詞元序列都是模型根據其具體查詢“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據要素的邊際成本在達到一定規模后可以無限趨近于零，徹底顛覆了基于稀缺性的傳統價值理論。這就解釋了為何頭部大模型廠商能持續實施大幅降價策略，其本質是通過極致的規模效應，將天價的固定訓練成本（數億至數十億美元）攤薄至海量的調用中。

二是數據這種生產要素具有正外部性與強化型網絡效應。傳統生產要素的投入產出關系通常遵循邊際報酬遞減規律。而數據要素具有強烈的正外部性，其價值隨使用規模和應用場景的擴大呈指數級增長，形成“數據飛輪效應”。在詞元經濟中，這一特性表現為：更多用戶調用-產生更多高質量交互數據-用于優化模型-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均衡，而更容易形成“贏家通吃”或寡頭壟斷的動態非均衡結構。

三是數據這種生產要素價值實現具有強場景依賴性與非標準化特點。土地、資本的價值相對穩定，勞動的價值也主要由市場工資率決定。而數據要素的價值高度依賴于具體應用場景，同一組數據在不同場景下可能產生數量級差異的經濟價值。對于詞元經濟，這意味著完全相同的百萬詞元的輸出，若用于娛樂閑聊、輔助編程或醫療診斷，其創造的經濟價值和社會效用天差地別。這種價值的極端不確定性，使得傳統基于“生產成本”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，轉而采用“價值定價”（基于產出的效用）、二部定價（訂閱費+使用費）等策略。

四是數據這種生產要素具有投入產出的非線性與閾值效應。傳統生產要素的投入與產出通常呈連續、平滑的變化關系。而數據要素，特別是用于訓練大模型的數據，其投入與產出之間存在顯著的非線性關系和閾值效應。在模型訓練中，數據量、算法復雜度與算力投入需要同時達到某個臨界點，模型能力才會發生質的飛躍（如從GPT-3到GPT-4的躍遷）。這種“涌現”能力無法用簡單的邊際增量來解釋。這給宏觀經濟分析帶來挑戰，傳統生產函數（如柯布-道格拉斯函數）無法刻畫“智能資本”的獨立貢獻，如果在生產函數中引入“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據要素在數據普遍性中還有其特殊性

詞元是數據要素中一種具有主導性、標準化的計價數據類型。其在具備數據要素普遍屬性的同時，更表現出諸多極端化、顯性化的特殊經濟屬性。正是這些特殊性，使得詞元經濟對現實市場和傳統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，具有規模經濟的終極形態特點。數據要素的非競爭性，在詞元經濟中具象化為極度夸張的“L型”成本曲線。這是對傳統“U型”成本曲線的根本性顛覆。模型訓練階段是一次性的、天文數字級的固定成本投入（涵蓋算力租賃、數據采購、算法研發）。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。這導致了人類經濟史上可能最極致的規模經濟，即用戶和調用量越大，單位詞元分攤的巨額固定成本就越低，平均成本曲線持續下行，且看不到傳統制造業中因管理復雜度上升而帶來的規模不經濟拐點。這完美解釋了2024年-2026年間主流模型API價格暴跌60%-80%而市場總收入卻翻倍增長的現象--本質是規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非均衡的，具有“贏家通吃”的鎖定效應。數據的網絡效應，在詞元經濟中表現為強大的市場鎖定效應和路徑依賴。由于數據飛輪（更多使用到更好模型）和開發生態依賴（更多應用基于某API構建），市場一旦形成領先者，其優勢就可能不斷自我強化，難以收斂于靜態競爭均衡，而是處于動態非均衡狀態。當前，基礎模型層已形成極高的算力、數據、人才壁壘，全球核心玩家不足10家，呈現寡頭格局；而應用層則得益于開源模型和微調技術，呈現充分競爭的長尾市場。競爭范式已從價格戰徹底轉向“智能性價比”之戰。用戶決策函數改變，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向持續的技術“軍備競賽”。控制底層模型API的巨頭，實質上把持了智能經濟的“入口”，其盈利模式從出售產品變為收取具有溢價權的“智能稅”。

三是詞元價值實現產生“通縮-通脹”分裂，導致宏觀經濟政策困境。數據的場景依賴性，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（通過詞元調用）極大地降低了知識密集型服務的生產成本。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、數據中心電力--需求爆發式增長，驅動其價格持續上漲。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。這種分裂使得傳統通脹指標（如CPI）可能嚴重“失真”，難以反映真實經濟成本結構。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展的AI服務創新與通縮紅利；若放任不管，算力成本壓力在一段時間內可能傳導至整個經濟體系。

四是詞元這種要素在核算與統計上存在“三重失靈”問題。首先是核算失靈。企業購買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，導致企業真實價值和宏觀投資數據被扭曲。其次是統計失靈。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，導致數字時代真實社會福利被系統性低估。再次是監管失靈。傳統反壟斷工具，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接口和生態鎖定。另外，基于實體商品成本加成邏輯的監管，在邊際成本趨零的數字服務市場幾乎失效。

三、詞元獨特經濟屬性帶來的挑戰及建議

詞元獨特的經濟屬性對現有經濟治理體系構成了系統性挑戰，亟須在統計監測、競爭政策與理論范式三個維度進行創新，建立更適應發展需要的治理體系。

一是完善統計監測體系。現行國民經濟核算體系（SNA）難以捕捉詞元經濟的真實價值。企業API調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服務創造的巨大消費者剩余完全游離于GDP統計之外，造成數字經濟時代真實福利被系統性低估。詞元調用量月均兩位數的增長速度，現有統計體系無法準確反映這一增長的經濟意義。應該構建與之相適應的統計制度，涵蓋詞元調用量、算力利用率、模型性能價格比等核心指標的月度統計發布制度。

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

三是創新經濟學理論研究。詞元經濟暴露了經典經濟學范式的多重局限，例如：生產函數無法刻畫智能資本的貢獻；均衡理論難以解釋動態非均衡狀態；邊際成本定價法在邊際成本趨零時失效；科斯的企業邊界理論受到智能體降低交易成本的挑戰。理論是服務于實踐的，經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（數據網絡效應）和動態規模報酬遞增的新分析框架。

詞元經濟是新事物，我們應以科學統計準確觀測真實經濟運行狀況，彌補傳統核算盲區；應由國家統籌布局夯實算力基礎設施底座，防止關鍵資源壟斷抑制創新；應建立適應性監管框架駕馭新型風險，更好平衡規范與發展；要鼓勵基礎理論創新，并積極參與國際規則塑造，爭奪智能經濟時代的國際話語權。唯有通過系統性、前瞻性的制度創新，才能將我國超大規模市場、豐富應用場景與海量數據資源的優勢，切實轉化為在人工智能時代的技術優勢、產業優勢與規則優勢。

（作者單位：中國經濟時報社，騰訊旗下AI助手）