调用量两年增长超千倍 词元经济重塑金融服务模式

当下，词元(Token)成为热词，其是人工智能大模型处理文本、代码、图像描述等信息的基本单元，如一个汉字、一个标点、一个词汇片段。2024年初我国日均词元调用量为1000亿，至2026年3月已超过140万亿，两年增长超千倍。词元带动词元经济发展，从本质上看，词元经济的意义不仅在于技术计量层面，更在于为人工智能服务的价值衡量、资源配置和规模化应用等层面显现出重要现实价值。在AI时代，词元经济对于我们生活将带来哪些改变？又将如何影响金融业？

词元火爆背后

如何理解词元？易观千帆金融行业咨询专家陈毛川表示，可以把词元理解成AI世界的“最小信息硬币”，人类阅读、说话的最小单元是汉字、字母、标点，但大模型不能直接读懂整段文字，必须把所有文本、图片说明、代码、语音转文字全部拆解成统一的标准化单元，这个单元就是词元，可以将其类比为智能时代的“水电度数”或“流量GB”。

“词元调用量两年增长超千倍表明，人工智能不再是实验室里的技术演示，而是全社会正在大规模使用的生产力工具。对普通人而言，最直观的改变是从‘寻找答案’到‘生成方案’。过去我们搜索关键词，现在AI用词元‘合成’出答案、方案甚至创意。未来，善于使用AI的人，工作速度可能是别人的几倍甚至几十倍。过去只有大企业才用得起的分析、设计、咨询，现在普通人按词元付费就能获得，一杯咖啡的钱就能调用顶级AI模型。”北京新创科技金融发展研究院执行院长甘玉涛在接受《中国银行保险报》记者采访时表示。

今年以来，词元火爆出圈，究其原因，工商银行数字金融部相关负责人认为，对普通人而言，词元调用爆发意味着看得见的生活改变：一是促进AI工具全民普及，词元规模化摊薄了单次AI运算成本，个人无须购买昂贵算力，按需调用即可，从而提高AI工具的普及度；二是释放个人的创造性，借助AI工具，人类不再消耗时间做信息搬运，重心转向决策、创意、情感沟通等高价值环节；三是可能引发一定程度技能贬值与岗位替代的个人焦虑，AI素养变成一种新的能力维度。

上述人士指出，对社会而言，词元调用量的爆发意味着AI逐渐进入规模化生产应用阶段，全社会的生产方式、服务模式、教育科研范式都在被重塑，促进数字经济向数智经济跃迁：首先，生产方式从人类执行、机器辅助向人机协同创造转变，例如一人公司(OPC)；其次，服务模式从被动响应、标准化供给、人力驱动到主动预见、千人千时千面、人机协同；最后，教育科研层面则重构知识生产、传播与验证全链条。

“互联网时代，我们看点击、流量、访问量；AI时代，我们会越来越多地看词元调用量。因为每一次用户提问、每一次智能分析、每一次金融服务方案生成，背后都是词元在被模型理解、推理和输出。词元调用量大幅增长，说明AI已经不再只是技术展示，而是进入了真实业务和真实生活。”蚂蚁数科金融事业部总经理曹刚表示，但词元增长本身不是终点，真正重要的是，词元能不能转化为有效价值。

重塑金融逻辑

在金融业领域，人工智能词元算力的落地应用，实现了金融服务的全面提速与精准升级，可以快速完成客户需求与金融产品的精准匹配，将原本需要人工耗时1小时完成的咨询、匹配、讲解工作，压缩到2至3分钟即可完成，极大优化了用户服务体验，提升了个人金融服务效率。

如工行在人工智能大模型的词元应用上实现了规模化突破：依托企业级千亿金融大模型技术体系“工银智涌”，已赋能20余个主要业务领域、200余个场景，累计调用量超10亿次。

甘玉涛认为，词元对于金融行业的真正质变体现在三个层面：一是从“被动响应”到“主动预见”。传统银行是客户来了才服务，现在AI通过分析海量词元——比如客户的聊天记录、消费习惯等可以提前预判客户的需求。二是长尾市场被彻底激活。过去为什么很多消费贷款、碎片化保险做不起来是因为人工成本太高。而在词元驱动下，边际成本几乎为零。这意味着，碎片化的金融服务现在可以规模化提供。三是风险定价的范式革命。传统风控看征信分、工资流水、抵押物，这些都是结构化的“硬数据”。但词元经济可以纳入非结构化“软信息”，这些词元经过大模型分析，能形成更立体、动态的“行为信用画像”。

甘玉涛介绍，具体来看，银行业智能客服不再是机械的问答，而是像资深客户经理一样理解复杂需求；信贷审批从“看报表”到“读经营故事”。保险业方面，理赔可以从“提交一堆材料”变为AI自动读取事故描述词元，秒级核赔；产品设计从“大而全”的标准化保单转向“动态微保险”——根据客户实时行为词元，按需生成相应的定制化保险。

在萨摩耶云董事长兼CEO林建明看来，词元带来的质变不在于多“快”，而在于其重构信任的底层逻辑。如果只看到“1小时压缩到3分钟”，词元经济只是加速器。真正的质变，是从“产品驱动”切换到“意图理解驱动”。

“金融行业不能只看调用规模，更要关注价值密度。我们内部正在建立‘单位词元价值’的衡量标准。同一笔词元消耗出去，是提升了风险识别精度，还是只产出了一段可有可无的文本，这种追问能力，才是行业从经验驱动走向智能驱动的底座。”林建明说。

陈毛川认为，对金融行业而言，词元不只是算力计量单位，更是金融智能化改造的底层核算与运行底座，从服务、风控、产品、运营等层面重塑金融业。

曹刚表示，金融行业是AI落地最有代表性的场景之一。因为金融服务既需要效率，也需要专业判断、风险控制和合规边界。词元经济给金融行业带来的变化，不只是“快一点”，而是从工具级提效走向岗位级重塑。曹刚介绍，蚂蚁数科发布的Agentar金融行业智能体专家团，面向银行、证券、保险等金融核心业务领域。以一名营销经理的工作为例，该角色需要根据市场行情与客户需求给出最佳产品营销策略并推动落地。这背后有两个关键机制：其一是任务统领机制。每个金融数字专家内置了该岗位的金融专业知识与判断逻辑，在接收任务后，能自主拆解执行路径，动态调度数据分析、合规审查、策略制定等专业AI助手。其二是经验沉淀机制。智能体支持长程记忆，从业者在使用中形成的有效判断路径，会自动积累为可复用的技能(Skills)，沉淀为该机构和岗位专属的知识资产。

调用量暴增与算力涨价博弈

目前，越来越多人用上AI工具，由此带动词元调用量的激增，同步增长的，还有对算力的消耗。云厂商密集提价，纷纷调高AI算力租赁价格。

陈毛川认为，算力涨价是短期供需错配、中长期产业倒逼升级的阶段性市场信号。短期涨价主要原因是云厂商集体提价，宣告了廉价算力时代的终结。从产业演进的角度看，涨价潮具有积极的意义，它促使行业告别粗放的内卷，迈向高门槛、高效率的深水区。同时，这也倒逼中小企业和个人用户重新审视AI投入的产出比，将资源聚焦于真正能创造价值的AI+场景。长远来看，当算力从普惠型资源变为稀缺战略物资，市场定价逻辑必然从规模降价转向供需定价与价值定价。

在工行数字金融相关部门负责人看来，即使算力单价短期上涨，如果AI能够创造更高业务价值，总体仍然具有经济可行性。因此，不能仅看算力价格，更要看每个词元创造的价值。未来竞争的核心不仅是“拥有多少算力”，更是“如何让算力创造更多价值”。

曹刚认为这是AI大规模应用过程中必然出现的阶段性现象。这也在提醒我们，AI发展不能只靠堆算力。企业真正要关注的是同样一份算力、同样一份词元，能不能产生更高业务价值。尤其对中小企业来说，如果AI成本不可控，就会出现“想用不敢用、想用用不起”的问题。未来AI产业竞争，一定会从“谁拥有更多算力”走向“谁能更高效地使用算力”。

信任问题或成为最大挑战

当然也要看到，词元经济作为一个仍在加快演进中的智能经济新形态，在发展过程中仍面临一些不容忽视的现实挑战。如何正确看待创新与挑战？

工行数字金融部门负责人表示，任何重大技术变革均伴随着机遇与挑战并存的局面。针对词元经济的发展，结合金融行业的特性，需关注数据安全与隐私保护、模型可靠性与风险治理、算力与能源约束、标准体系建设、人才结构转型。

“词元经济在金融行业落地，最大的挑战不是技术，而是责任。概率生成逻辑与规则问责逻辑之间天然存在底层冲突。当一次信贷评估涉及数百亿词元的复杂推理，怎么向监管、向消费者解释结论，大模型基于概率的涌现能力，恰恰是监管穿透的最大黑箱。”林建明表示，目前公司从两个方向上在思考并沉淀应对方案：第一是让价值可核算，建立“词元价值评估”体系，每一次词元消耗过三问。第二是架构的“白盒化”。在实际业务中采用“模型直觉+规则校验”的双引擎架构，AI负责意图理解和生成，但涉及合规、风控、消费者适当性管理的最后一道门，要让词元消耗有迹可循、有责可追。

“金融行业的特殊性决定了可信比聪明更重要。未来行业发展趋势在于能沉淀高价值密度的垂直词元流。”林建明补充说。

“创新和挑战不是对立关系。没有创新，金融服务无法完成下一轮效率跃迁；没有安全和治理，创新也无法进入核心业务。”曹刚说。

未来，人工智能将依托成熟的算力体系与词元计量体系，持续向千行百业深度渗透、全方位赋能，持续颠覆传统产业形态、重构经济发展模式，一场覆盖全社会、深层次、全方位的智能革命，已然全面开启。(来源：中国银行保险报 记者苏洁)