聚集丨智能经济范式下的词元跃迁

来源：市场资讯

（来源：现代商业银行杂志）

文｜清华大学互联网产业研究主管 徐鹏 于晓燕

　　词元作为大模型处理信息的最小运算单元，正演变为兼具可计量性、可定价性与可交易性的统一标尺，成为智能经济的基础设施。智能体（Agent）的跃迁催生了智能体资源规划（ARP），推动企业组织结构向即插即用、按需聚合、自我进化方向变革，并催生“认知资产”新形态。在人机协同格局中，人类回归“定义者”与“责任者”本位，需构建目标定义、分工设计、质量校验与责任承担四项新能力。词元资产化带来算力基础设施与高质量词元平台两类新资产，对资产管理提出新的价值定价范式革命要求。词元革命既是技术范式的跃迁，也是生产关系适应性变革的历史契机。

▲2026世界人工智能大会暨人工智能全球治理高级别会议参展的有MiniMax大模型、阶跃Agent操作系统、全球首款AI智能体手机、多款人形机器人及AI灵巧手等。图为展示的TOKEN（词元）。

智能经济新形态的底层逻辑

　　“智能经济”作为新的经济形态，其底层是数据、算力、算法三者的深度融合，由此驱动认知的自动化和智能化处理——机器不再局限于按人类设定的流程执行，而是开始替代人类完成部分需要判断与决策的工作，例如审阅一份合同、制定一个排产计划、决定一笔贷款是否审批。过去的信息技术主要帮助人类处理信息，智能经济则要将人类“思考”这一环节也部分接管，由此深刻改变了人类思考作为认知劳动的价值基础。从人类文明演进的尺度看，农业经济以土地为要素，工业经济以机器为要素，塑造的主要是体力劳动的规模化；智能经济则以数据为关键要素，使认知劳动第一次具备可编程、可度量、可交易的属性。这一变化不仅是技术迭代，更是一次生产范式的跃迁——认知服务得以像工业产品一样被标准化供给，人类“思考”的价值计量方式由此被重新定义。　　　　

　　从理论定位看，词元已超越单纯的技术术语，兼具可计量性、可定价性与可交易性，能够统一反映数据价值、模型优劣与算力强度，是衡量人工智能产业成熟度的关键标尺。我国词元调用量已实现爆发式增长，标志着人工智能应用迎来质变；据相关研究测算，国产AI关键产业规模已经突破1.2万亿元，推理词元消耗量预计将急剧增长，高质量词元的价值尤为突出。

　　阐明词元的意义，最恰当的参照是电力。电力市场化之前，千瓦时只是发电厂内部核算成本的数字；市场形成之后，它变为跨主体、跨区域的结算标准，整个电力产业的定价、交易、投资逻辑随之改写。词元正在走类似的路：它为所有认知服务的定价与结算提供底层接口，让原本分散、难以计价的心智劳动，第一次能被统一度量。

　　另一方面，智能体（Agent）正从“会聊天”的生成式AI，走向“会干活”的行动式AI。二者的区别不小：生成式AI等待用户提问，行动式AI接收目标后自主想办法、自己动手，不再只是作答，而是把任务处理完，例如从写一封邮件到跑完整个报销流程。智能体能够自主理解任务、拆解步骤、多步执行并复盘，不再是“你问一句它答一句”的工具，而是能领任务、自己跑流程、交任务后还总结一遍的“数字员工”。排产、对账、填报表这类过去占用大量人力的工作，开始整段整段地交给智能体。

　　这种“数字员工”形态，使得智能体既是劳动者，也是劳动资料与劳动对象。因此，在智能经济中，智能体的出现，推动劳动者、劳动资料、劳动对象与生产关系全部需要重新定义，相应企业和产业的组织方式也将发生重构。

智能体资源规划（ARP）重构产业组织与生产关系

　　2025年常被称作“AI Agent元年”，到2026年，智能体进入规模化商用的转折期。在这一转变中，模型之间的军备竞赛已经降温，真正的比拼转向系统组织能力。有数据显示，很多企业用上AI编码工具后，组织层面的交付指标并未同步提升；与此同时，同一模型置于不同的协作框架，结果表现可相差二十多个百分点。可以说，企业使用智能体的瓶颈不在模型够不够聪明，而在能否让企业中的各种智能体有条理地协同上。

　　因此，随着智能体在企业和产业中广泛应用，智能体作为一种重要资源，其有效的管理与规划将成为重要议题。智能体资源规划（ARP，Agent Resource Planning）将是有效的解决路径。

　　智能体资源规划，是指在数智时代，运用智能体技术，在数据资源规划（DRP）的基础上，以产业生态为单位，实现客户驱动的人机协作和产业链协同，让企业与智能体一体化运转的管理支撑系统。

　　在企业层面，ARP不只是一个IT系统，而是一套重新安排“谁和谁协作、按什么规则运行”的业务操作系统。ARP的应用意味着每个智能体都携带自身的技能（Skill），通过MCP（Multinet Content Provider）这类标准协议跨平台互通，按任务需要自动组合，协同完成企业内外的任务和流程。

　　在产业层面，ARP以产业生态为单位调配数据、算力和模型，是生态内企业实现智能流通与知识传递的通用管理标准，也是支撑人机共生生产关系的基础设施。

　　智能体资源规划在企业中的应用，将对组织结构带来三个变化。

　　首先是即插即用。智能体依靠开放协议实现跨平台互操作，单一平台的数据孤岛与绑定效应被打破，技术供应链从“绑死一家”变为“自由组合”。

　　其次是按需聚合。基于词元计量的结果显示，资源自动流向效率最高的智能体组合，平台不再充当资源配置的中枢，分配权交还给市场化的技能竞争。

　　最后是自我进化。智能体依靠学习循环不断打磨自身技能，边干边长技能。这一点直接挑战了传统的人力资本估值逻辑：当经验能被提取、复制、拿去交易时，按学历和资历定价的老逻辑就难以为继。

　　智能体在企业中的应用，也会带来资产形态的变化。Agent Skills将人的专业经验与知识封装为可运行的模块。例如，一位从业二十年的税务老手，可将自己的判断逻辑封成一个“税务申报Skill”放到市场上交易。当“认知”变成能独立交易、质押、流转的资产时，金融服务中那些靠人身依附支撑的专业溢价，将被“可封装、可验证、可组合”的认知资产运营所取代。这也为金融机构打开了一个新细分领域——认知资产运营，其逻辑与专利池运营相近，只是标的从专利换成了可执行的认知资产。

　　因此，ARP将成为支撑人机共生生产关系的重要手段，也会带来产业层面的资源配置重构。在智能经济时代，这样的重构不仅发生在组织上，也影响到每一个个体。因为智能经济把“经验”从人身上剥离出来。

个体能力重定价与责任本位

　　智能体一旦具备自主理解、拆解任务、多步执行与复盘的能力，人在生产中的位置就发生了改变——人类不再只是工具的使用者，而成为人机协同中的主导者。

　　从技术层面看，智能体在完成大量标准化任务上已经比人快、比人稳，写代码、查文献、清洗数据都是例证。从组织层面看，事情该不该做、先做什么、风险如何权衡、价值如何判断，还是需要人类拿主意。智能体能将定目标函数优化到极致，却定不出目标函数本身；它能跑完一串复杂步骤，却判断不了这件事本身是否合理、边界何在。

　　这一分工重构的深层意义在于：智能经济并未消解人的价值，而是将人类从重复性认知执行中解放出来，使其回归“定义者”与“责任者”的本位。在文明演进的尺度上，这恰是智能时代对人的主体性的重申——技术承接可程序化的思考，人类守住不可让渡的判断与担责。

　　因此，作为人机协同的主导者，需要构建四项新能力。首先是定义目标：为AI划出任务边界与优先级，决定智能体处理哪些事项；确定目标，目标定错，智能体的工作就会白费，造成后续一系列资源的错配。其次是设计分工：分清哪些环节交给智能体自动执行，哪些必须由人类把关，这不能一概而论，必须看任务敏不敏感、复不复杂、能不能回退。再次是质量校验：人类要把关AI产出的对错与合规——同一句提示词，不同时候吐出的结果可能差很远，且错误常藏得深，自动检测未必兜得住。最后是承担责任：人类对最终结果做价值判断、负最终责任。在人机协同这条链上，人类是责任主体，智能体是客体；这一点在金融等高风险行当里格外要紧——一笔贷款批错，最后签字担责的是人，不是模型；监管与司法目前均未将智能体视为责任主体，这一规则在短期内不会改变。

　　当前，部分产业组织的实践已经验证了人机协同所带来的效能提升。例如，一家石化央企升级了常减压装置的异常诊断系统，将原来“人工巡检、凭经验排查、人工拍板”改为“实时监测、根因分析、操作审核、自动填报”，用工压缩到原来的五分之一，检修时间缩至十二分之一。风电设备运维用上AI自主驾驶，诊断时间从人工所需的数周，变为十几分钟。可以看到，这类实践有一个共同点——人类未退出决策，只是把重复、低价值的执行分配给智能体，自己守住需要判断与担责的几个关键环节。

　　智能体的广泛应用也将直接影响企业的人力资源与客户价值评估。例如银行放贷时对企业主经营经验的定性判断，财富管理中理财师投资经验的溢价逻辑，都会被智能体部分替代或被迫重新计价。经验值不值钱，不再看能否言传，而看它能否被封装、被验证、被组合。

词元资产形态与资产管理的新课题

　　词元和智能体应用的兴起，给资产管理出了新题。我们从资产形态、产品设计与估值方法三个角度展开探讨。

　　资产形态上，词元标准化可能催生两类新资产，一类是算力基础设施，收入模式从租机房转向按Token消耗计费，现金流模式与公共事业类似；一类是高质量词元平台，估值锚点从过去的GMV升级为词元流通量。这两类新资产与传统资产的相关性低，为资产配置增加了一个分散风险的维度。算力和词元资产的想象力在于，它把AI的“产能”变成可投资的现金流，类似早年投发电厂、投数据中心。

　　产品设计上，按词元计费、按效果付费的模式可能融入财富管理。挂钩词元流通量的指数化工具、以词元消耗为收益锚点的结构化产品，都还需要探索和实践。

　　估值方法上，词元资产面临三道坎：流动性不足、估值方法论缺位、监管框架滞后。传统的DCF难以简单地用于认知逻辑类资产，早期进场的机构须自行培养出估值与风控能力，没有可以借鉴的成熟模式。

　　其实，词元资产的出现带来最大的挑战在于价值理论体系上。现有经济学框架在统计核算、定价机制与治理规则上日益面临数智经济新模式和新场景的挑战，例如，传统按成本定价导致价值偏离，并催生“服务通缩假象”、灰色套利与反垄断风险等。

　　业界和学界普遍认为，智能经济时代必须实现从成本定价到价值定价的系统性理论突破，建立跨学科治理框架，以形成全球数字规则的新理论体系。这也意味着，词元资产的估值难题本质上是一次价值理论的范式革命，而非单纯的金融工具创新。

　　放眼全球竞争格局，美国与中国在词元应用的发展路径上呈现显著差异。美国侧重于前沿技术的集中突破，中国则致力于应用场景的规模化落地。这一分化决定了中国的词元应用更可能沿“产业端向资产端传导”的路径演进，而非重复硅谷“技术端向资本端冲击”的模式。

　　因此，立足中国式现代化战略目标，词元革命既是技术范式的跃迁，也是生产关系适应性变革的契机。把握这一历史机遇，以词元为抓手激活数据资源、释放智能红利，构建兼顾效率与安全的智能经济治理体系，关乎我国产业竞争力的提升，更关乎在全球数字规则体系中的主动地位。