看懂詞元經(jīng)濟(jì)

如果將大模型定位為數(shù)字時(shí)代的新型基礎(chǔ)設(shè)施，那么模型智能密度的高低，將直接決定一國在未來全球競爭中的戰(zhàn)略地位與產(chǎn)業(yè)主動(dòng)權(quán)。

文｜林江浩

ID | BMR2004

2026年3月，中國國家數(shù)據(jù)局公布，中國日均詞元（Token）調(diào)用量突破140萬億，兩年增長了1400倍。詞元是AI處理和生成信息的基本單位，一個(gè)詞元大約對應(yīng)1—2個(gè)漢字。詞元讓AI變成了一種可以計(jì)量、定價(jià)和交易的資源，圍繞這個(gè)單位，目前正在形成一套全新的經(jīng)濟(jì)邏輯。

01

詞元經(jīng)濟(jì)是什么

詞元為看不見、摸不著的智能提供了可計(jì)量、可結(jié)算的標(biāo)準(zhǔn)化單元，是智能價(jià)值的量化載體。

詞元是大模型處理信息的最小單元，是AI理解、生成、運(yùn)算內(nèi)容的“原子級”載體。而詞元經(jīng)濟(jì)，本質(zhì)是圍繞大模型詞元運(yùn)算、算力消耗與價(jià)值轉(zhuǎn)化形成的新型經(jīng)濟(jì)形態(tài)，其特點(diǎn)是通過電力、芯片、算法支撐詞元的生成、運(yùn)算與應(yīng)用，讓詞元成為連接大模型技術(shù)與產(chǎn)業(yè)落地的核心載體，最終實(shí)現(xiàn)技術(shù)價(jià)值向經(jīng)濟(jì)價(jià)值的規(guī)模化轉(zhuǎn)化。

詞元并非數(shù)據(jù)、信息、知識的簡單加總，這些本質(zhì)上都是智能的外在表現(xiàn)形式；而詞元是對智能的量化計(jì)量工具。簡言之，詞元為看不見、摸不著的智能提供了可計(jì)量、可結(jié)算的標(biāo)準(zhǔn)化單元，是智能價(jià)值的量化載體。

英偉達(dá)創(chuàng)始人黃仁勛將詞元定義為AI時(shí)代的新大宗商品。傳統(tǒng)產(chǎn)業(yè)賣商品、賣服務(wù)，而AI產(chǎn)業(yè)核心是“售賣智能”，詞元就是智能的計(jì)量單位。

稱詞元為“通貨”在于三點(diǎn)：第一，可計(jì)量。如同電力用“度”、流量用“GB”，詞元提供了AI智能服務(wù)的統(tǒng)一量化單元。傳統(tǒng)AI服務(wù)按項(xiàng)目、席位打包，無標(biāo)準(zhǔn)度量，詞元?jiǎng)t讓每一次問答、每一段代碼、每一次推理都能精準(zhǔn)計(jì)數(shù)。第二，可定價(jià)。詞元直接錨定算力、電力、算法成本，形成“按量計(jì)費(fèi)”的清晰商業(yè)模式——OpenAI、Anthropic、國內(nèi)主流模型均采用“輸入或輸出詞元單價(jià)×總量”結(jié)算，徹底打破AI“高投入、模糊回報(bào)”的困局。第三，可交易。詞元作為虛擬智能商品，無物理介質(zhì)、可全球流通，天然具備全球化交易屬性，成為智能服務(wù)跨境供給的“通用結(jié)算單位”。

詞元經(jīng)濟(jì)構(gòu)建了一個(gè)怎樣的產(chǎn)業(yè)鏈？由下至上，分別為：基礎(chǔ)層原材料→能源與電力層→芯片硬件層，包括GPU、光刻機(jī)、晶圓制造等核心硬件底座→CUDA生態(tài)與軟件棧，作為支撐上層應(yīng)用的關(guān)鍵基礎(chǔ)設(shè)施，獨(dú)立構(gòu)成重要一層→大語言模型，大模型已不再是單純算法產(chǎn)品，而成為AI時(shí)代的操作系統(tǒng)（OS），承擔(dān)通用智能大腦的角色→應(yīng)用層，基于大模型搭建的應(yīng)用體系（Harness）設(shè)施與智能體服務(wù)，直接觸達(dá)終端用戶。

02

詞元價(jià)值取決于智能密度

智能密度越高，越能吸附高價(jià)值真實(shí)任務(wù)數(shù)據(jù)，形成越強(qiáng)的技術(shù)壁壘與迭代優(yōu)勢。

詞元的本質(zhì)是智能的載體，其價(jià)值絕非產(chǎn)出數(shù)量，而是智能密度——單位詞元所承載的解決復(fù)雜問題、輸出高質(zhì)量結(jié)果的能力。智能密度由三大核心要素共同決定，三者的優(yōu)化空間直接決定詞元價(jià)值。

電力要素：決定算力基礎(chǔ)的投入成本。AI是“電老虎”，數(shù)據(jù)中心電力成本占總運(yùn)營成本30%—50%，低電價(jià)區(qū)域（如西部清潔能源基地）能顯著降低詞元“制造成本”。

芯片要素：決定算力轉(zhuǎn)化與電力利用效率。英偉達(dá)GPU、華為昇騰等不同芯片，在單位電力下的詞元生成能力、推理速度差異可達(dá)100倍——“每瓦詞元數(shù)”是詞元工廠的核心競爭力指標(biāo)。

算法要素：決定智能密度的核心。大模型架構(gòu)、訓(xùn)練邏輯、推理效率，決定詞元能否解決高難度任務(wù)。同樣100萬詞元，GPT 5.4、Claude Opus 4.6能完成復(fù)雜法律分析、工業(yè)建模、深度研發(fā)，而普通模型可能只能完成簡單問答，價(jià)值天差地別。

當(dāng)前行業(yè)誤區(qū)是“拼詞元調(diào)用量”，雖然中國日均詞元調(diào)用量已超140萬億，但要區(qū)分其中有多少是低智能密度的簡單任務(wù)。真正的競爭，是單個(gè)詞元的智能密度與價(jià)值能力，這和傳統(tǒng)制造業(yè)“拼產(chǎn)品質(zhì)量”邏輯完全一致。

如果將大模型定位為數(shù)字時(shí)代的新型基礎(chǔ)設(shè)施，那么模型智能密度的高低，將直接決定一國在未來全球競爭中的戰(zhàn)略地位與產(chǎn)業(yè)主動(dòng)權(quán)。這一判斷可以從兩個(gè)維度進(jìn)一步延展：

第一，詞元經(jīng)濟(jì)是一種前所未有的、純虛擬且可近乎“無痛全球化”的商業(yè)模式。傳統(tǒng)商品跨境流通需要承擔(dān)供應(yīng)鏈、關(guān)稅、物流、貿(mào)易壁壘等多重成本，而詞元作為虛擬產(chǎn)品，可實(shí)現(xiàn)無物理介質(zhì)的全球流通。當(dāng)前國際上尚未形成針對詞元這類虛擬智能產(chǎn)品的關(guān)稅體系與統(tǒng)一監(jiān)管規(guī)則，即便存在地緣政治限制，相關(guān)技術(shù)與服務(wù)仍可通過各類中轉(zhuǎn)方式實(shí)現(xiàn)跨境供給。因此，詞元經(jīng)濟(jì)天然具備全球化擴(kuò)張屬性，商業(yè)模式輕盈且毛利空間可觀。

第二，智能密度直接決定模型能否形成高質(zhì)量數(shù)據(jù)飛輪。當(dāng)前主流大模型企業(yè)并非典型意義上的平臺(tái)經(jīng)濟(jì)，其商業(yè)模式更接近云算力服務(wù)商或智能產(chǎn)品制造商。OpenAI作為全球最大的C端大模型產(chǎn)品，擁有龐大日活與海量對話交互數(shù)據(jù)，但其C端用戶產(chǎn)生的多為平庸數(shù)據(jù)，難以有效反哺模型、提升智能上限，因此并未形成傳統(tǒng)互聯(lián)網(wǎng)式的“用戶越多—數(shù)據(jù)越多—算法越優(yōu)—黏性更強(qiáng)”的數(shù)據(jù)飛輪。

C端用戶并非當(dāng)前詞元消耗主體。普通消費(fèi)者購買的并非詞元本身，而是基于詞元構(gòu)建的智能體服務(wù)。用戶并不關(guān)心詞元數(shù)量與模型原理，只在意服務(wù)是否好用、能否解決實(shí)際問題。這本質(zhì)上回歸到面向服務(wù)付費(fèi)的模式，只是底層由詞元支撐，使得服務(wù)更智能、成本更低、經(jīng)濟(jì)效益更高。對C端用戶而言，核心價(jià)值不在于詞元的智能密度，而在于廠商搭建的Harness能否創(chuàng)造切實(shí)的增量價(jià)值，這也是企業(yè)實(shí)現(xiàn)盈利的關(guān)鍵。

真正推動(dòng)詞元經(jīng)濟(jì)形成規(guī)模、引發(fā)行業(yè)廣泛討論的動(dòng)力，是大量B端企業(yè)的付費(fèi)使用。企業(yè)愿意為詞元付費(fèi)，將其轉(zhuǎn)化為內(nèi)部生產(chǎn)效率與商業(yè)智能。數(shù)據(jù)顯示，今年一季度，Anthropic的年度經(jīng)常性收入（ARR）已實(shí)現(xiàn)對OpenAI的超越，增長態(tài)勢極為迅猛。

此外，二八原則在AI市場不僅成立，而且在B端表現(xiàn)得更為極致：80%的標(biāo)準(zhǔn)化、低難度任務(wù)，會(huì)由性價(jià)比更高、智能水平達(dá)到頭部模型90%—95%、價(jià)格僅為其幾分之一的國產(chǎn)模型承接；而剩余20%的高難度、高價(jià)值核心任務(wù)，仍會(huì)依賴能力更強(qiáng)的頂級模型。隨著頭部模型與追趕型模型的能力同步提升，二八劃分的邊界會(huì)持續(xù)動(dòng)態(tài)調(diào)整。

國內(nèi)絕大多數(shù)大模型，采取的是低成本跟隨策略，不對標(biāo)頭部模型的完整能力，僅通過蒸餾逼近頭部模型90%—95%水平，以“低價(jià)同質(zhì)”參與競爭。國內(nèi)的一個(gè)模型早期定價(jià)僅為Anthropic的1/10，調(diào)價(jià)后約1/5，但這種策略在高難度產(chǎn)業(yè)場景存在致命局限。因?yàn)橹悄苊芏炔蛔悖瑢?dǎo)致任務(wù)效率下降。在復(fù)雜任務(wù)處理中，如果頭部模型需100萬詞元，弱模型可能需500萬—1000萬詞元，因?yàn)樾枰啻沃卦嚥拍芙七_(dá)標(biāo)。因此，從算總賬的角度來看，總成本未降反升，效率損耗抵消了低價(jià)優(yōu)勢。更關(guān)鍵的是，模型蒸餾的方式只提取答案，不掌握高價(jià)值問題。

因此，只有在工業(yè)、制造、能源、政務(wù)等B端硬核場景中實(shí)現(xiàn)可用、好用、管用，國產(chǎn)模型才能真正積累高質(zhì)量數(shù)據(jù)，完成智能密度的持續(xù)迭代與追趕。

03

詞元經(jīng)濟(jì)會(huì)重構(gòu)平臺(tái)經(jīng)濟(jì)嗎？

大模型公司、智能體公司、原生平臺(tái)公司，都在謹(jǐn)慎試探邊界，這一邊界直接關(guān)系到企業(yè)生死。

關(guān)于詞元經(jīng)濟(jì)是否會(huì)重構(gòu)平臺(tái)經(jīng)濟(jì)，這是一個(gè)極具探討價(jià)值的話題。事實(shí)上，幾乎所有大模型公司都有“平臺(tái)夢”，但實(shí)現(xiàn)難度極大，核心瓶頸集中在兩點(diǎn)：

第一，用戶信任的不可突破。用戶使用大模型的前提是對結(jié)果與過程的絕對信任，若在對話過程中植入廣告或商業(yè)引導(dǎo)，會(huì)直接引發(fā)用戶對結(jié)果的質(zhì)疑，進(jìn)而蔓延為對整個(gè)模型過程的不信任，最終導(dǎo)致用戶流失，這是大模型向平臺(tái)轉(zhuǎn)型的核心障礙。

第二，流量入口的激烈爭奪。大模型的出現(xiàn)并未催生新的智能設(shè)備或新的娛樂消費(fèi)方式，其向平臺(tái)轉(zhuǎn)型的過程，本質(zhì)上是搶奪現(xiàn)有平臺(tái)公司的流量入口與市場份額。例如，大模型接入外賣功能，本質(zhì)是爭奪美團(tuán)的核心業(yè)務(wù)；接入購物功能，則是與阿里、京東等電商平臺(tái)直接競爭。而大模型公司本身并不具備這些領(lǐng)域的核心資源，它們既沒有美團(tuán)數(shù)百萬商家與菜品數(shù)據(jù)，也沒有阿里的海量商品信息，只能通過模擬用戶操作的方式，從原生平臺(tái)拉取數(shù)據(jù)再展示給用戶，這無疑會(huì)嚴(yán)重?fù)p害原生平臺(tái)的利益，打破其既有的平臺(tái)邏輯。

原生平臺(tái)的盈利邏輯是“流量分配權(quán)”，以美團(tuán)為例，其廣告收入依賴于對用戶可見內(nèi)容的排序權(quán)，用戶往往傾向于選擇排序靠前的商家，這是平臺(tái)經(jīng)濟(jì)的邏輯。若由智能體或大模型主導(dǎo)用戶的選擇與決策，原生平臺(tái)將失去流量分配權(quán)，廣告價(jià)值大幅縮水，收入直接受損，因此二者必然會(huì)產(chǎn)生激烈競爭。

這一競爭邏輯，與搜索引擎時(shí)代的SEO（搜索引擎優(yōu)化）有著異曲同工之妙。搜索引擎時(shí)代，商家通過優(yōu)化網(wǎng)站，爭取在搜索結(jié)果中獲得更高排名；如今信息入口轉(zhuǎn)向大模型，商家自然會(huì)嘗試通過各種方式，讓大模型優(yōu)先呈現(xiàn)自身信息，這一過程本質(zhì)上是對新信息入口的優(yōu)化，但并未改變大模型與原生平臺(tái)的競爭本質(zhì)。

2025年12月，搭載豆包手機(jī)助手的努比亞M153技術(shù)預(yù)覽機(jī)在接入第三方應(yīng)用時(shí)，出現(xiàn)了明顯阻力：部分用戶反饋微信登錄異常或被強(qiáng)制下線，豆包隨后下線了“操作微信”的能力；也有銀行類App對其發(fā)出風(fēng)險(xiǎn)提示，要求關(guān)閉助手后再繼續(xù)使用。需要注意的是，微信方面并未公開承認(rèn)“針對豆包采取特別封禁”，而是表示更可能是既有安全風(fēng)控被觸發(fā)。當(dāng)AI助手試圖通過系統(tǒng)級權(quán)限跨App接管用戶操作時(shí)，原生應(yīng)用會(huì)以風(fēng)控、隱私和權(quán)限合規(guī)為理由提高限制，而這種限制在客觀效果上也維護(hù)了平臺(tái)對流量入口、數(shù)據(jù)邊界和用戶關(guān)系鏈的控制。

當(dāng)前行業(yè)仍處于混戰(zhàn)博弈的階段，尚未形成明確的勝負(fù)格局。此前OpenClaw（小龍蝦）推出時(shí)，市場狂歡，如今其熱度消退且安全問題逐漸凸顯。事實(shí)上，OpenClaw能實(shí)現(xiàn)的功能，Claude Code等工具同樣可以實(shí)現(xiàn)，二者差異在于交互形式，前者采用更易用的界面，降低了C端用戶的使用門檻，而Claude Code基于命令行界面，僅適用于程序員、研究人員等專業(yè)群體，因此未在C端爆發(fā)，但功能層面并無本質(zhì)區(qū)別。

從終局來看，當(dāng)前所有相關(guān)主體——大模型公司、智能體公司、原生平臺(tái)公司，都在謹(jǐn)慎試探邊界，這一邊界直接關(guān)系到企業(yè)生死。各方表面保持友好，行為上卻極為克制。行業(yè)博弈的核心是利益交換，而非零和博弈。

04

詞元經(jīng)濟(jì)的未來模式

在詞元經(jīng)濟(jì)框架下，資本、勞動(dòng)與數(shù)據(jù)要素已深度融合。企業(yè)核心競爭力，不再是單一要素的投入，而是基于大模型與詞元搭建出多層的增量價(jià)值體系。

相比平臺(tái)經(jīng)濟(jì)，詞元經(jīng)濟(jì)的形態(tài)會(huì)更貼合兩種行業(yè)邏輯：

一是類似于云計(jì)算產(chǎn)業(yè)，呈現(xiàn)高壁壘、寡頭競爭格局。這一觀點(diǎn)來自Anthropic CEO達(dá)里奧·阿莫迪（Dario Amodei），其邏輯是，詞元經(jīng)濟(jì)的發(fā)展路徑將高度貼合云計(jì)算行業(yè)，未來會(huì)進(jìn)入“高壁壘、高資本投入、高組織復(fù)雜度”的成熟階段。當(dāng)前訓(xùn)練一代大模型的成本已達(dá)10億美元以上，且仍在持續(xù)攀升，極高的入場門檻會(huì)淘汰絕大多數(shù)參與者。

未來行業(yè)不會(huì)出現(xiàn)一家獨(dú)大（如社交領(lǐng)域的騰訊），也不會(huì)有數(shù)十家頭部企業(yè)競爭，而是形成3—4家主導(dǎo)廠商的寡頭格局，彼此之間形成競爭與博弈，同時(shí)具備一定的功能差異性。這一格局與當(dāng)前云計(jì)算行業(yè)高度一致，美國市場由亞馬遜云、微軟Azure云、谷歌云主導(dǎo)，國內(nèi)市場則由阿里云、華為云等占據(jù)主要份額。

這種格局的驅(qū)動(dòng)力并非網(wǎng)絡(luò)效應(yīng)，而是極高的資本與技術(shù)壁壘。由于入場成本過高，使得存活下來的3—4家廠商能夠占據(jù)穩(wěn)定的市場份額，獲得較高毛利。隨著行業(yè)成熟，模型智能上限逐漸觸達(dá)瓶頸，研發(fā)投入占比會(huì)逐步降低，而推理階段本身具備的高毛利優(yōu)勢將進(jìn)一步凸顯，廠商盈利能力會(huì)持續(xù)提升。

二是會(huì)類似造車行業(yè)，呈現(xiàn)重資產(chǎn)押注、爆款依賴的情況。首先，一代大模型相當(dāng)于一款新車，研發(fā)投入巨大，需賭其能力提升能夠獲得市場認(rèn)可；其次，造車企業(yè)需建設(shè)生產(chǎn)線，生產(chǎn)線的規(guī)模取決于對車型銷量的預(yù)判。同樣，大模型公司則需預(yù)判未來1—2年的算力需求，決定算力采購量、數(shù)據(jù)中心擴(kuò)建規(guī)模，這本質(zhì)上是一輪巨大的重資產(chǎn)押注。預(yù)判精準(zhǔn)與否直接決定企業(yè)生存狀態(tài)。算力采購不足會(huì)擠壓研發(fā)算力，導(dǎo)致模型迭代滯后；采購過量則會(huì)造成閑置，增加資金占用與折舊壓力，二者都會(huì)讓企業(yè)陷入經(jīng)營困境。

此外，在地緣政治與數(shù)據(jù)安全雙重約束下，中國市場未來大概率會(huì)出現(xiàn)私有化部署的大模型與詞元服務(wù)體系，類似當(dāng)前的私有云架構(gòu)。目前不少國企已采購國產(chǎn)化模型一體機(jī)，但多數(shù)項(xiàng)目帶有一定政策導(dǎo)向，一些國產(chǎn)模型搭配國產(chǎn)芯片落地后，智能密度有限，難以真正支撐業(yè)務(wù)價(jià)值，實(shí)際使用率偏低。

未來要形成有效的私有化部署與可落地的詞元經(jīng)濟(jì)，前提是私有化模型的智能水平必須觸及足夠高的邊界。但這里存在一個(gè)明顯卡點(diǎn)：如果國內(nèi)模型完全私有化本地部署，大模型廠商無法獲取真實(shí)場景數(shù)據(jù)，模型智能難以持續(xù)迭代；而模型能力不足，又無法滿足企業(yè)核心需求，形成雙向制約。

這一卡點(diǎn)在技術(shù)層面存在破解空間。可以將大模型類比為高度智能的大腦：其通識理解能力、邏輯推理能力、長文本處理與上下文建模能力，可以通過廠商持續(xù)技術(shù)迭代不斷升級；在完成私有化部署后，即便模型這一高度智能的大腦從未接觸過如中石油這類高度垂直、專屬的業(yè)務(wù)場景，只要通過完善的腳手架搭建，依然能夠充分理解業(yè)務(wù)邏輯并執(zhí)行相應(yīng)任務(wù)。

因此，未來智能體服務(wù)能力的提升將沿著兩條路徑并行發(fā)展：

一是模型通用能力升級。模型能力與具體業(yè)務(wù)場景解綁，不再需要深度理解某一行業(yè)、某一企業(yè)的細(xì)分業(yè)務(wù)細(xì)節(jié)，而是專注提升通用推理能力、理解能力與長上下文建模能力。

二是外部場景化腳手架搭建。通過腳手架將真實(shí)業(yè)務(wù)流程、規(guī)則、約束與數(shù)據(jù)接口外部化，依托模型足夠強(qiáng)的通用智能去理解并解決問題，而不是讓模型預(yù)先學(xué)習(xí)所有行業(yè)知識。腳手架的構(gòu)建主要由兩類主體完成：一類是傳統(tǒng)SaaS公司向AI應(yīng)用服務(wù)商轉(zhuǎn)型，面向行業(yè)提供標(biāo)準(zhǔn)化腳手架；另一類是大型企業(yè)內(nèi)部技術(shù)部門，自研適配自身業(yè)務(wù)的私有腳手架。大模型廠商一般不會(huì)深度介入定制化腳手架開發(fā)，最多提供代碼生成等通用型腳手架工具。

簡言之，未來的模式就是：大模型廠商提供一個(gè)通用強(qiáng)智能大腦，企業(yè)與服務(wù)商為其裝配適配自身場景的四肢與工具。

在詞元經(jīng)濟(jì)框架下，資本、勞動(dòng)與數(shù)據(jù)要素已深度融合。企業(yè)核心競爭力，不再是單一要素的投入，而是基于大模型與詞元搭建出多層的增量價(jià)值體系。

對企業(yè)而言，使用詞元與智能體的價(jià)值核算，一是成本節(jié)約，即通過AI替代人力、縮短時(shí)效省下的開支；二是價(jià)值增益，即業(yè)務(wù)增長、效率提升帶來的新增產(chǎn)值。在計(jì)算成本時(shí)，則要扣除詞元的直接采購成本，如果詞元的消耗成本高于原有人工成本，方案便不具備經(jīng)濟(jì)性。除此之外，還有一項(xiàng)更關(guān)鍵的隱性負(fù)荷與治理成本，即智能體依托概率模型運(yùn)行，即便使用頂尖模型，在復(fù)雜系統(tǒng)中仍可能出現(xiàn)事實(shí)錯(cuò)誤與幻覺，企業(yè)必須為此建立兜底機(jī)制。行業(yè)越高精尖、業(yè)務(wù)越機(jī)密，兜底與治理成本就越高。

（本文作者為上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院數(shù)據(jù)與商務(wù)智能系助理教授林江浩，本刊記者錢麗娜采訪整理。）

來源 | 《商學(xué)院》雜志5月刊