Token经济如何改写AI“度量衡”的商业规则丨ToB产业观察

来源：市场资讯

（来源：钛媒体APP）

编程不再需要敲代码，而是通过对话的方式交给AI，甚至是对着话筒说一句“给我做个某某功能”就能实现。这个想法放在五年是“天方夜谭”，但在今天似乎已经成为了程序员的“基本操作”。

这只是当前众多AI应用的“冰山一角”，AI产业正站在一个十字路口。 一边是技术供给端的狂欢，英伟达股价翻倍再翻倍，大模型层出不穷，算力规模以指数级扩张；另一边却是需求端的迷茫，企业砸了钱买了算力，却算不清这笔账究竟值不值。而作为价值连接器的Token正在成为AI能否兑现价值的关键。

Token成为AI时代的“度量衡”

2024年初，中国日均Token调用量大约是1000亿。到了2025年底，这个数字跃升至100万亿。2026年3月，国家数据局公布的数据显示，日均调用量已突破140万，两年增长超过千倍。

这是什么概念？中国人民大学教授魏哲巍用电类比了Token，如果把Token比作“智能时代的电”，那我们现在正处于“电灯刚刚被发明出来的阶段”。他表示：“今天也还仅仅是个序幕。我们还没有真正见识到它在全部角落里释放。”

IDC数据显示，2026年中国模型即服务（MaaS）市场的Token调用量预计将达到40000万亿次，营收约186亿元。与此同时，IDC预测，全球年度Token消耗量将从2025年的0.0005 Peta Token升至2030年的15万Peta Token，年复合增长率高达3418%。到2031年，全球活跃智能体数量将达到3.5亿个。

Token的爆发式增长，让一个根本性问题浮出水面：Token到底值多少钱？谁来定价？

对此，中国信通院信息化与工业化融合研究所副所长黄伟给出了他心中的框架性答案。黄伟将Token的价值拆解为五个维度：生产成本、生产效率、准确性、生态价值和安全合规。生产成本涵盖芯片折旧、电力消耗、模型优化、系统调度，“你每问AI一个问题，背后可能涉及从GPU到存储、从软件栈到互联网络的整条链路。”黄伟如是说。

但理想很丰满，现实很骨感，现实中Token的定价在不同行业，不同场景下，也千差万别。中泰证券报告显示，Token的跨场景价值差可达十万倍。药物研发领域的Token，均价能达到1000美元/百万Token；而闲聊类的Token，可能只要0.01美元/百万Token。同样是100万个Token，在制药公司手里能筛选出一个潜在药物分子，在社交应用里可能只是几句闲聊。

联想集团副总裁、中国首席战略官阿不力克木（以下简称“阿木”）表示，“我写的一千字和作家写的一千字，稿费是不一样的。”Token统一了计量单位，但Token背后产生的“智力水平”，才是决定价值上限的关键。

而在黄伟看来，只有“有效Token”才是真正对行业，对企业有价值的，中国信通院人工智能研究所所长魏凯也曾公开表示，“Token的经济价值不能只看单价，行业亟须一套衡量‘高质量Token’的标尺。”他甚至直言：“低质量Token只是算力的噪声，而高质量Token才是智能的信用。”

“三大定律”，Token经济学的第一次理论尝试

就在学界和产业界对Token的"价值标尺"争论不休时，阿木与笔者分享了联想集团在Token经济学中思考得出的“三大定律”。谈及为何会有如此思考之时，阿木表示，日常最重要的工作之一就是帮企业和客户算“AI账”。而过去半年，几乎每一家找他聊AI的企业家，脸上都挂着同样的表情：焦虑。

Token单价确实在降，降得很快。但打开自家后台一看，AI总支出却翻了十倍。这笔账怎么算？AI到底该不该投？什么时候才能开始赚？......这些问题困扰着绝大部分想应用AI却又不知如何下手的企业。

而正是基于这些AI应用的问题，阿木提出了一套被他称为“实验性思想”的框架：Token经济的“三大定律”。这可能是业界第一次有人试图用定律的形式，来概括Token经济的运行规律。

第一是惯性定律，单位Token成本持续下降。阿木认为，单位Token成本会持续、稳定地下降，就像摩尔定律一样，但这一定律有三层“惯性”。

第一级惯性是芯片、能源和模型本身的技术创新。芯片算力更高了，模型在同样参数下达到更高的智能水平了，能耗更低了。这些都在推动单位Token成本下降；

第二级惯性是调优。阿木表示，将“模、算、电”三者一体化地拼搭和优化，最高还能再降50%的成本，“从超节点到标准集群，再到完整的Token工厂，每一个层级的优化都在压低成本。”阿木强调；

第三级惯性是运行时调度。在实际使用中，通过智能调度实现“哪个意图分发给哪个模型、用哪个GPU、怎么计算”，进一步降低成本。联想推出的Token Hub，做的就是多模型、多平台统一接入的算力调度和模型路由服务。

阿木以联想为例分析了三级惯性的布局：第一级，联想跟国内外的芯片厂商联合研发，让下一代GPU的设计更贴近实际应用场景；第二级，把服务器、集群、液冷散热这些“后台工程”打磨到极致，同等算力下Token产出效率提升20%以上；第三级，通过一个叫Token Hub的调度系统，把公有云、私有部署、边缘设备上的算力统一管理起来，让每一个Token任务跑到最合适的地方去。三层叠加，成本还能再往下压。

第二定律是加速定律，单位Token价值加速释放。如果说第一定律讲的是“成本”，第二定律讲的就是“价值”。在阿木看来，单位Token产出的价值会因三个因素而加速增长。

第一，AI嵌入流程的深度。如果只是让员工拿AI当问答工具，那Token的价值和一个高级搜索引擎差不多。但如果把AI嵌入业务流程，让它承担某个节点的实际工作，比如分子筛选、代码生成、招投标文件自动评审......不同的场景中，Token的价值能差出10倍。

第二，工程化的深度。阿木讲了一个细节：现在很多企业买了AI工具，员工也用起来了，但效果一般。原因不是AI不行，是周边的“工程”没跟上，比如数据没准备好、流程没改造、智能体没打磨。他打了个比方：信息化时代，企业需要ERP实施顾问驻场几个月，才能把系统跑起来。AI时代也一样，需要一种新角色——他管这个叫“前线交付工程师”，深入一线，把智能体做出来、嵌进去、迭代好。这个过程，大部分企业才刚刚开始。

第三，配套的到位程度。阿木拆了四个维度：有没有AI原生的人才和组织？有没有Token工厂这样的基础设施？有没有一套治理体系来审计AI的ROI、管理知识资产、保障安全？有没有一套投资模型来算智能体的“损益表”？

第三个定律是奇点定律。如果将企业AI应用的成本与价值化作两条曲线，放在了同一象限里。在某个“奇点”之前，成本曲线跑在价值曲线上面，企业投入AI，账是亏的。过了那个“起点”，价值曲线反超成本曲线，进入正循环。“奇点之前，AI帮你省的是存量成本。比如三个人月薪三万，现在用Token八千，省了两万二，”阿木进一步指出，“奇点之后，AI产出的叫增量价值，是能帮你做到以前根本做不到的事。”

什么是增量价值？是一天生成100万个短视频脚本，是一年发现一个有效药物分子，也是让一个没学过编程的人做出一个App，“这些都是创新的规模化。”阿木如是说。工业革命实现了工业品的规模化生产，信息革命实现了数据的规模化生产，智能革命实现的是创新的规模化生产。

阿木甚至把视野拉到了更远的地方。“如果你把AI跟个人比，它确实比你聪明。但这没意义。一个人的智能怎么跟一百万人、一千万人前赴后继的智力网络比？艾滋病研究了上百年，全球科学家接力——这才是人类解决重大问题的真正方式。而AI的终极价值，应该对标这种‘人类级别的命题’。”

企业如何从焦虑走向正循环

理论探讨归理论探讨，现实中的Token账单不会等人。2026年，一个让所有企业措手不及的问题浮出水面。据英国《金融时报》报道，美国网约车巨头Uber在2026年4月就烧光了全年的AI预算，管理层不得不把每位员工每月的AI编程工具使用费卡在1500美元。Meta内部测算显示，若维持当前员工调用增速，2026年仅内部AI使用一项就将耗资数十亿美元。亚马逊的高管甚至公开告诫员工“不要为了使用AI而使用AI”。

这不是个别现象。FinOps基金会的数据显示，2026年AI推理成本在企业AI总预算中的占比已超过八成。字节跳动旗下火山引擎总裁谭待在公开场合算了一笔账：如果一个企业有1000名员工、每人每天调用模型100次，按当时的市场均价，一年Token费用可能高达数千万人民币。“很多企业根本没算过这笔账，以为AI就是买个会员。”

问题出在哪？首先是Token的“质量折扣”。黄伟在沙龙上提到的“暗中降精度”现象，并非孤例。Token市场的报价五花八门：有的是固定月费但设了隐形上限，超出部分按Token计费；有的是按输入+输出总量计费，但有最小计费单元——哪怕你只输入了10个Token、输出了20个Token，也可能按100个Token收费。用户很难横向比价，预算规划形同虚设。

其次是智能体带来的“Token通胀”。Gartner今年3月的分析显示，智能体场景下的Token耗用量是普通对话的5到30倍。一个智能体完成一项任务，可能要触发10到20次模型调用，每一次调用又要“思考”大量思维链。你问AI“帮我规划一次去云南的旅行”，它可能要先规划行程、查机票、查酒店、查景点......每一步都是一串Token。

“我们很多客户来找我，说AI太贵了。”阿木说，“我问他你用了什么场景，他说我的员工天天用它写周报。”写周报这种事就是相对Token价值比较低的一件事。这个例子有点极端，但它点出了一个核心问题：Token本身没有好坏，关键在于用在哪里。用在写周报上，百万Token的价值可能不到1美元；用在药物靶点发现上，百万Token的价值可以是1000美元，跨场景Token价值差可达十万倍。

针对此，信通院正在推动一套“高质量Token服务标准体系”，从服务质量、运营能力、生产能力、安全能力四个维度构建标准框架。黄伟提出一个关键主张：用户要有“知情权”，服务商必须披露后台用的是什么样的算力、什么版本的模型、什么级别的精度。“好的算力可以贵一点，前两代的产品可以便宜一点。但用户得知道自己买的是什么。”

产业端的探索更加务实。联想推出了Token Factory（Token工厂），把Token生产从“手工作坊”变成“标准化车间”，让企业可以按需调用、按Token计费。三大运营商陆续推出Token套餐，像卖流量一样卖AI算力。支付巨头Stripe斥资约10亿美元收购了一家专为OpenAI、Anthropic等大模型公司提供Token用量计量的创业公司Metronome，资本市场已经在押注“Token计量”这个赛道。

“现在大家说Token贵，是拿它跟发电厂的电费比。但发电厂建好了，电来了，冰箱、电视、空调才跟着出来。真正的价值在冰箱电视上，不在电费单里。”阿木进一步指出。

Token有了价格，有了账单，有了定律，甚至有了哲学追问。但谁能跑过那个“奇点”，取决于谁能让每一“口”AI呼吸都产生真实的价值。

“AI的尽头不是裁员，AI是为了让创新本身规模化。”这个目标，现在听起来还像个口号。但想想一百年前的人听“家家户户都有电”时的心情，可能和我们今天听这句话的心情差不多。

（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨杨林）