​人大重阳丁壮：日均调用量超140万亿，“词元”为何如此重要？

编者按：日均词元调用量超过140万亿，这是一个什么样的概念？大家为何如此重视新生的词元概念？近日，中国人民大学重阳金融研究院副研究员丁壮接受央视财经《财经态度》节目的连线访谈，就AI“词元经济”及其下一步发展进行解读。现将采访全文发布如下：（全文约3500字，预计阅读时间9分钟）

主持人：词元调用量的井喷意味着什么？丁壮先生你好。首先请给大家来简单介绍一下，日均词元调用量超过140万亿，这是一个什么样的概念？以及大家为何如此重视新生的词元概念？

丁壮：所谓词元，其实就是我们AI大模型处理信息的最小的单元，如同家里用电要用“度”来计算一样，现在AI处理信息就要计算词元。因此我们每次向AI提问，让它生成图片或者平时写代码，背后都是在调用这些词元。日均140万亿词元调用量，我可以打一个比方，例如每个汉字背后对应1.5到2个词元，这140万亿的词元相当于我们每天通过AI处理和生成的文字总量，可以比人类有史以来所有印刷书籍的文字总和多出好几个数量级。从我们目前140万亿数量级的日均调用量来看，可以说AI已经真正走进生产生活，成为类似电力网络的基础设施。

所以大家重视词元这个概念，其核心在于词元能够让AI更可量化，让AI能够可计量。过去我们谈论人工智能时，更多是关注算法的先进性和算力的强大，这些内容过于技术化，与商业相距甚远。然而词元的出现使AI变得像电一样，电的计量单位是度，水的计量单位是升，这样的计量标准。有了词元，AI就可以像水电一样被定价、交易和管理。目前我们围绕词元展开调用、分发和结算，词元经济也在逐步形成。因此AI产业真正可变现、可规模化的路径正在变得清晰。

主持人：词元作为大模型处理信息的最小单元，正在从专业术语走向大众日常，普通用户应该如何理解词元与AI服务定价的关系？这会如何影响使用习惯？

丁壮：词元计费其实就是用多少就付多少，也就是一种商业逻辑的变革。我们可以这么理解，过去上网都是按照流量付费，例如用了多少GB，我们使用网络服务可能包月包年，无论用多用少都是价格。但是未来我们使用AI的话，很可能就是用词元来付费，例如一个复杂问题，AI回答可能消耗1万个词元，在一些简单的初级查询中可能只消耗几百个，按量计费。因此，正如我刚才提到的，AI服务会像水电一样可计量、可管理。

对于普通用户来说，这种使用习惯可能有三个明显特征，第一个是词元效率，即如何用更少的资源问题来提出更精准的问题。例如我们在编辑短信或者发微信时会精炼语言。第二，可能会出现词元套餐，例如我们目前使用的流量和电力服务商，套餐包含多少资源以及如何计费等。第三，最重要的是普通用户更愿意为高质量低词元消耗的智能体买单。从产业角度分析，词元使用习惯和定价机制会倒逼企业模型优化。因此架构创新对整个行业都是好事。

主持人：各种智能体现在快速发展带动词元消耗激增，围绕词元调用分发和结算，有哪些主体参与其中？

丁壮：其实这也是当前我们AI智能体产业链的一个核心。词元调用分发与结算实际上是一个完整的词元经济生态圈。主要参与者有以下几类：

第一类是算力基础设施供应商，主要提供GPU、服务器、超节点等硬基座。第二类是大模型厂商，例如Deepseek、智谱、月之暗面等，他们提供训练模型的基础能力，通过AI服务收费。第三类是算力服务商，例如我们现在的三大运营商，他们提供底层的计算和网络，进行词元的分发和结算。第四类是我们接触最多的应用开发商和智能体开发者。例如最近热门的龙虾智能体，在执行任务时需要频繁调用大模型，资源消耗是普通模型的上百倍甚至数百倍，但它带来的价值也更大。

主持人：那么您对相关变迁路径有何观察？可以通过哪些指标监测应用深化的节奏和方向？

丁壮：在变现路径上，我认为最值得关注的是词元经济中的词元经营服务。例如我们现在的三大运营商，他们已经为企业量身定制开发了许多智能体，带动年消耗数万亿词元。这表明未来我们销售的不仅仅是算力，而是词元解决方案，能够帮助企业将AI能力嵌入到自身的整个业务体和流程中，按照实际调用词元进行收费。

关于监测AI应用深化的指标，我建议以下几点为主。首先我们可以关注行业词元的密度，即每个行业单位产值所消耗的词元量。通过这些数据我们可以看出AI在各行各业中的渗透深度。第二个是智能体的渗透率，即目前企业中使用智能体岗位的比例。第三个是词元的复用率，即高质量词元在不同商业场景中被重复使用的次数。我希望通过这三类数据，可以清晰地反映AI技术从技术走向产业的节奏以及未来的发展前景。

主持人：词元已经成为可计量、可定价、可交易的结算单位，您认为相关的交易机制交易平台的设计要抓好哪些重点？

丁壮：交易机制与平台设计确实关系到词元经济健康起步的发展。我认为重点要抓好三个方面，第一个是所有权问题，也就是确权问题，即数据究竟归谁所售卖。国家数据局已经明确提出要推动加快建立全国统一的数据产权登记制度，明确数据的持有权、使用权和经营权可以分开配置。只有这样，数据持有者才敢把数据拿出来流通，无需担心卖亏或者权益受损。

第二个重点问题是定价，即词元如何定价才合理。我认为未来需要建立更加市场化的定价机制，让供需关系决定价格。第三个重点是建立透明可审计的词元计量标准，如同我们之前提到的电表需要遵循国家标准，词元未来的定义计量方式必须统一，避免各平台自说自话。我认为这可能需要未来国家数据局牵头，并联合产业界制定相关规范。

主持人：随着词元调用量的增加，对算力算法和电力提出了更高要求。有观点认为算力产业的核心创新将围绕有效词元成本下降展开，未来可能要围绕哪些重点进行协同优化？

丁壮：我认为协同优化需要关注三个重点。首先从整个产业链来看，在算力端，我们需要从过去的拼硬件转向整个算力系统性的协同优化。过去大家都是拼GPU，现在可能要比谁的单位算力产出的词元多，因此不能只关注单颗芯片的性能。我们现在所开发的一些超节点的技术，能够将几十甚至上百颗GPU整合成一个计算单元，实现系统优化。

第二点是在算法方面，我认为我们的模型在压缩、量化和蒸馏等方面的技术需要跟进。同样一个任务能否用更少的词元完成，需要算法创新。

第三点是在电力领域，绿色算力是我们发展的必然选择。虽然词元消耗本质上是电力消耗，但是我们可以推动数据中心更多地使用绿电探索电力协同调度，例如在风光资源丰富时，调度更多推理任务，使用绿电直供、三电协同等，这些都是重点方向。

主持人：从政策层面我们应该如何去具体引导，又会给相关的哪些产业带来逻辑上的改变？

丁壮：一方面可以推动我们已经在进行的东数西算工程进一步深化。例如，我们可以将算力中心建立在风光电富集的区域，实现绿电直供就地消纳，新疆、青海、甘肃、内蒙等三北地区具有得天独厚的电力优势。

第二，我认为可以建立算力与电力协同的机制。例如数据中心可以参与电力需求侧管理，在用电低谷时多计算，高峰时少计算，这样既节省资金又减少碳排放。

最后一个方面，我认为可以在政策上结合我们现在做得较好的算力券或者资源补贴等创新政策，降低中小企业使用词元应用AI的门槛。这样可以从政策上引导形成算力高质量供给，推出高效词元产出，同时在企业产业应用方面产出高价值应用，构成良性循环。