词元经济研究 | 张闳肆 ：以有效词元构建词元经济的度量衡 ——关于词元经济计量、定价与治理的思考

编者按

词元经济正在打开经济学中长期被视为“黑箱”的技术进步过程，使知识参与价值创造的方式首次变得可观测、可计量。当前，围绕词元经济涌现的一系列新问题，呼唤理论研究的前瞻回应。自本报有关词元经济研究系列报道及征稿启事发布后，我们得到广大读者的积极回应，已经收到大量高质量来稿。稿件研究视角多元，反映出词元经济作为智能经济新形态的核心议题，已引起学术界与产业界的广泛关注。鉴于报纸版面容量有限，同时为增强研究成果发布的时效性，中国经济时报在微信公众号推出“词元经济研究”栏目，选登部分优秀来稿及后续系列文章，旨在汇聚各方智慧，为智能时代的产业实践与政策治理提供分析框架与决策参考。敬请关注！

征稿持续进行中，投稿邮箱：892720943@qq.com。期待您的真知灼见。

■张闳肆

词元经济正在成为人工智能产业商业化进程中的新命题。所谓词元，即Token，是大模型处理信息的最小信息单元。2024年初我国日均词元调用量为1000亿，到2025年底跃升至100万亿，2026年3月已突破140万亿，两年增长超过千倍。这意味着，人工智能产业正在从模型能力展示走向服务能力结算，从参数规模竞争走向调用效率、成本结构和价值产出的综合竞争。词元不再只是技术工程中的内部概念，而是正在成为人工智能服务可计量、可定价、可交易、可监管的重要单位，当下迫切要回答一个基础性的问题：如何用词元准确衡量人工智能服务的投入、产出、成本、效率和价值。推动词元成为词元经济的度量衡，不能仅看统计调用量，关键在于建立有效词元的计量体系。

一、现状及趋势

当前词元经济的兴起，首先来自大模型应用规模的快速扩大。无论是文本生成、代码开发、图像处理、智能客服、知识检索、办公协同，还是企业经营分析、工业设计辅助、金融风控、政务服务和科研辅助，都需要通过模型调用产生词元消耗。

这使词元具备了三重经济属性。第一，词元是人工智能服务的计量单位。互联网服务常以流量、点击、带宽、用户数等方式计量，大模型服务则不同，其成本直接体现为推理计算、上下文处理、输出生成和多轮调用。词元能够较好地刻画大模型服务的使用强度，成为衡量人工智能服务规模的基础单位。第二，词元是人工智能服务的成本单位。词元背后对应的是算力、芯片、服务器、电力、数据中心、算法优化、模型训练和推理调度等一系列成本。输入越长、上下文越复杂、推理步骤越多、多模态任务越重，词元消耗和算力成本就越高。词元经济不是无成本的信息复制，而是以算力和能源投入为支撑的服务经济。第三，词元是人工智能服务的结算单位。词元具有可计量、可定价、可交易的特征，围绕词元的调用、分发与结算，一套新的价值体系正在加速形成，正在从技术指标进入商业制度层面。

从发展趋势看，词元经济正在呈现三个转向。第一，从“模型收费”转向“词元收费”。过去，人工智能产品更多按软件订阅、接口套餐或企业项目收费。随着模型调用量快速增长，按输入词元、输出词元、上下文长度、模型等级、调用频次进行定价，正在成为更透明、更细颗粒度的商业模式。第二，未来词元经济的竞争重点，不应是单纯比谁消耗更多词元，而应是比谁能用更少词元完成更高质量任务，即单位词元产出效率。第三，从“单次调用”转向“任务链计量”。随着智能体、工作流工具和企业级应用发展，一个完整任务往往包含检索、推理、生成、验证、调用外部工具、结果反馈等多个环节。

二、发展词元经济面临的挑战

当前词元经济面临的突出问题，是计量体系先行，价值评价、价格机制、治理规则和收益分配仍相对滞后。

重调用量、轻有效性的问题。词元天然可计量，但可计量并不等于有价值。一个模型可以生成大量文本、图片或代码，但如果输出质量不高、事实错误较多、需要大量人工返工，那么这些词元就只是成本，而非价值。因此，词元经济不能把“消耗多少词元”直接等同于“创造多少价值”。如果只追求调用量增长，就可能出现“词元虚胖”：模型输出越冗长，调用量越高；任务过程越低效，消耗越多；无效生成越多，账面规模反而越大。这样的词元增长，不仅会误导市场判断，也可能推高企业使用成本和社会资源消耗。

按量计费容易、按值计费困难的问题。当前较常见的词元定价方式，是按照输入词元、输出词元、模型类型、上下文长度和调用次数收费。这种方式简单清晰，有利于快速推广。但在高价值场景中，词元数量与经济价值并不完全对应。例如，同样是一百万词元，用于普通文案润色、企业投研分析、工业缺陷识别、药物研发辅助、金融风险预警，其价值差异极大。如果只按词元数量计价，就难以体现不同场景的价值差别，也不利于高质量模型、高质量数据和高质量应用获得合理回报。

成本可见、能效不足的问题。词元的每一次调用都对应算力和能源消耗。模型上下文越长、推理链条越复杂、多模态生成越频繁，词元背后的算力成本就越高。特别是在企业级应用中，如果缺乏任务优化、模型路由、缓存复用、推理压缩和算力调度机制，词元消耗可能迅速放大，导致企业使用成本上升，也增加数据中心能源压力。词元经济不仅要看调用规模，还要看单位词元成本、单位任务成本和单位价值能耗。

技术结算先行、规则体系滞后的问题。当词元成为计费和结算单位后，一系列制度问题会随之出现：词元如何准确计量？输入词元和输出词元如何分别定价？长上下文、缓存调用、工具调用、多模型协同如何核算？模型输出错误时如何计费？用户数据参与模型优化后，是否应获得收益？平台是否应公开词元计量规则？企业客户是否拥有审计权？这些问题如果缺乏统一规范，词元经济就可能出现计量不透明、价格不可比、服务不可审计、责任不清晰等问题。

平台集中度提高、中小主体参与不足的风险。词元经济的基础设施包括大模型、算力平台、数据资源、分发渠道和应用生态，这些环节容易向大型平台集中。大型企业可以自建模型、采购算力、开发智能体系统，而中小企业往往缺乏技术能力、资金能力和数据治理能力。如果词元经济只由少数平台主导，就可能形成新的技术门槛和成本壁垒。

三、对策与建议

让词元成为词元经济的度量衡，必须避免两个误区：一是把词元简单当作流量，二是把词元过早概念化、金融化。词元经济的重点应当是产业化、标准化、价值化和规范化。建议从以下几个方面推进。

建立“有效词元”评价体系。词元经济的基础指标不能只是调用量，而应是有效词元量。所谓有效词元，是指在特定任务中能够产生真实价值、满足质量要求、符合安全合规标准的词元。有效词元评价可以包括六类指标：任务完成率、结果准确率、人工返工率、响应时延、单位任务成本、安全合规水平。不同行业应设置不同权重。办公场景可重点关注效率提升和用户满意度；代码场景可重点关注可运行率、缺陷率和维护成本；工业场景可重点关注质量改进、故障识别和流程优化；金融场景可重点关注风险识别、合规审查和责任追溯；政务场景可重点关注办事效率、公众体验和数据安全。

推动词元定价机制从“按量计费”走向“复合定价”。词元经济初期可以采用按输入词元、输出词元、模型等级、调用次数计费的方式，但成熟阶段应逐步形成复合定价机制。基础模型服务可按词元数量计费，体现成本透明；企业级应用可采用“词元费+服务费+任务费”的方式，体现系统集成和服务保障；高价值场景可探索按结果付费，如按节约工时、降低风险、提升准确率、减少故障率等方式结算。词元是结算基础，但不能成为唯一价格依据。词元经济真正成熟的标志，不是所有服务都按词元收费，而是能够把词元消耗与任务价值合理连接起来。

制定词元的可信计量标准和审计规则。词元经济要成为可信市场，必须解决计量透明问题。建议推动形成统一或相对统一的词元计量规范，包括分词规则、输入输出词元统计、上下文复用计量、缓存调用计量、工具调用计量、多模型协同计量、异常调用处理等。同时，应建立面向企业客户的词元账单透明机制。平台应向用户提供清晰账单，说明不同任务、不同模型、不同环节的词元消耗。对于大客户和重点行业，可提供第三方审计接口，允许用户核验计量准确性、价格合理性和服务稳定性。

推进词元经济基础设施降本增效。词元经济的发展，依赖高效、低成本、可扩展的基础设施。建议从模型侧、算力侧、数据侧和应用侧同时发力。模型侧，应鼓励小模型、专用模型、蒸馏模型和混合模型路由，避免所有任务都调用高成本大模型。算力侧，应加强推理优化、算力调度、缓存复用和绿色数据中心建设。数据侧，应提升高质量数据供给水平，减少低质量数据导致的无效推理和重复调用。应用侧，应优化提示词、任务流程和智能体链路，减少无意义调用和冗余生成。

建设面向中小企业的普惠词元服务体系。中小企业是产业生态的重要组成部分，但往往缺乏模型开发、数据治理和算力采购能力。建议依托产业园区、行业协会、龙头企业和公共服务平台，建设面向中小企业的词元服务平台，提供低门槛、低成本、可审计的模型调用和行业应用服务。可以探索“普惠词元额度”“行业词元券”等机制，支持中小企业在研发设计、客户服务、财务管理、法律合规、市场营销、质量检测等环节使用人工智能服务。

完善词元经济治理体系。词元经济涉及数据安全、内容安全、知识产权、用户隐私、价格透明、服务质量和责任划分等问题。治理重点是提高透明度和可追溯性。在一般应用场景中，应强化用户告知、内容标识和服务说明；在企业级应用中，应强化数据隔离、调用日志、权限管理和安全评估；在金融、医疗、教育、政务等重点领域，应建立更严格的模型评估、人工复核、责任追溯和风险分级机制。同时，要防止词元经济被过度金融化。词元首先是人工智能服务的计量和结算单位，不宜被简单包装成投机性资产。

探索词元经济的价值共享机制。词元经济的价值并非只由模型平台创造。高质量数据提供者、行业场景开放者、应用开发者、专业知识贡献者和终端用户反馈者，都参与了价值形成。尤其在行业应用中，场景数据和专业经验往往决定模型服务能否真正落地。因此，应探索更加合理的价值共享机制。对于高质量数据资源，可通过授权使用、收益分成、数据合作空间等方式释放价值；对于行业专家和应用开发者，可通过插件市场、智能体市场、任务市场等方式获得回报；对于企业用户，可通过数据不出域、模型私有化、收益共享等方式增强参与意愿。

（作者系中国工程院—清华大学联合博士后）

总 监 制丨王列军车海刚

监 制丨陈 波 王 彧 杨玉洋

主 编丨毛晶慧 编 辑丨陈姝含