隨著人工智能深度賦能千行百業(yè)，作為大模型算力調(diào)用、智能應(yīng)用落地核心計(jì)量單位的Token（詞元），已從技術(shù)專業(yè)概念升級(jí)為智能經(jīng)濟(jì)發(fā)展的核心標(biāo)尺，催生了全新的Token經(jīng)濟(jì)形態(tài)，成為決定數(shù)字產(chǎn)業(yè)競爭格局的關(guān)鍵底座。數(shù)據(jù)顯示，2024年初我國日均Token調(diào)用量為1000億，2025年底則躍升至100萬億，2026年3月已突破140萬億，但Token經(jīng)濟(jì)發(fā)展仍面臨認(rèn)知偏差、計(jì)量標(biāo)準(zhǔn)滯后、產(chǎn)業(yè)生態(tài)不完善、核心技術(shù)自主可控不足等短板。立足新階段，精準(zhǔn)把握Token經(jīng)濟(jì)核心內(nèi)涵，補(bǔ)齊發(fā)展短板、健全制度體系、強(qiáng)化技術(shù)創(chuàng)新，成為推動(dòng)我國人工智能產(chǎn)業(yè)健康有序發(fā)展，構(gòu)筑數(shù)字經(jīng)濟(jì)競爭新優(yōu)勢(shì)的關(guān)鍵所在。

精準(zhǔn)把握Token經(jīng)濟(jì)的內(nèi)涵

大模型每一次理解問題、生成回答、調(diào)用工具、完成任務(wù)，都要把輸入和輸出轉(zhuǎn)化為Token序列。用戶感知到的是內(nèi)容和效率，系統(tǒng)背后消耗的則是數(shù)據(jù)、算力、模型能力和工程調(diào)度能力。Token消耗量雖然不是唯一指標(biāo)，卻能為觀察人工智能應(yīng)用活躍度和產(chǎn)業(yè)轉(zhuǎn)化水平提供一個(gè)重要窗口，成為牽引芯片、服務(wù)器、網(wǎng)絡(luò)、存儲(chǔ)、推理框架和模型平臺(tái)協(xié)同演進(jìn)的“牛鼻子”。發(fā)展Token經(jīng)濟(jì)，實(shí)質(zhì)上是在為智能經(jīng)濟(jì)夯實(shí)一套新的基礎(chǔ)設(shè)施和制度框架。

從產(chǎn)業(yè)運(yùn)行看，Token經(jīng)濟(jì)呈現(xiàn)“生產(chǎn)—流通—消耗”的循環(huán)：供給端依托芯片、算力中心、推理框架和基礎(chǔ)模型形成智能能力；流通端通過云服務(wù)、模型接口、智能體平臺(tái)分發(fā)智能能力；需求端在研發(fā)設(shè)計(jì)、生產(chǎn)調(diào)度、知識(shí)服務(wù)等場景中持續(xù)調(diào)用智能能力，并通過Token消耗將其轉(zhuǎn)化為現(xiàn)實(shí)生產(chǎn)力。當(dāng)調(diào)用規(guī)模不斷擴(kuò)大、單位Token成本不斷下降、AI應(yīng)用場景不斷增多，技術(shù)進(jìn)步與市場需求之間就可能產(chǎn)生良性互促的飛輪效應(yīng)。

認(rèn)清Token經(jīng)濟(jì)發(fā)展突出問題

我國發(fā)展Token經(jīng)濟(jì)具備較好的現(xiàn)實(shí)基礎(chǔ)，但問題同樣突出，主要體現(xiàn)在以下幾個(gè)方面。

一是認(rèn)知偏差。由于Token一詞在區(qū)塊鏈領(lǐng)域長期被譯為“代幣”，部分地方政府、投資機(jī)構(gòu)甚至個(gè)別企業(yè)對(duì)Token經(jīng)濟(jì)與虛擬貨幣、加密資產(chǎn)通證經(jīng)濟(jì)存在概念混淆。這種認(rèn)知偏差易導(dǎo)致對(duì)真正的Token計(jì)量、計(jì)費(fèi)和產(chǎn)業(yè)體系建設(shè)重視不足，甚至給偽項(xiàng)目披上“AI+區(qū)塊鏈”外衣圈錢套利留下空間，擾亂市場秩序。

二是計(jì)量標(biāo)準(zhǔn)滯后。目前業(yè)界大模型公司采用的分詞器算法不同，同一段中文文本在不同大模型下可能被切分為相差數(shù)倍的Token數(shù)量；圖文音多模態(tài)輸入的Token折算方法更是各行其是，缺乏公認(rèn)的等效換算基準(zhǔn)。缺乏統(tǒng)一的Token調(diào)用量核算口徑、質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)及計(jì)費(fèi)公示規(guī)則，使得宏觀層面無法準(zhǔn)確監(jiān)測AI應(yīng)用滲透率，微觀層面企業(yè)也難以橫向比價(jià)選型和核算智能化改造投入產(chǎn)出。

三是產(chǎn)業(yè)生態(tài)不健全。在供給端，國產(chǎn)AI芯片與主流推理框架適配深度有待提升，制約低成本Token的大規(guī)模穩(wěn)定供給。在需求端，工業(yè)、能源、交通等行業(yè)的大型企業(yè)多將大模型用于客服問答、文檔檢索等外圍場景，較少嵌入生產(chǎn)過程控制、供應(yīng)鏈動(dòng)態(tài)優(yōu)化等核心業(yè)務(wù)流，Token消耗呈現(xiàn)“雖高頻但低價(jià)值”特征。中小企業(yè)則面臨模型調(diào)用費(fèi)用偏高、缺乏懂提示工程和Agent編排的專業(yè)人才等困境，制約形成旺盛且可持續(xù)的Token消費(fèi)需求。

四是核心技術(shù)自主可控存在短板。高端訓(xùn)練與推理AI芯片、集群無損組網(wǎng)技術(shù)、高吞吐低延遲推理加速框架等仍較大程度依賴國外產(chǎn)品與生態(tài)。國產(chǎn)算力產(chǎn)品在算子庫完備性、分布式并行策略、顯存優(yōu)化等方面與英偉達(dá)CUDA生態(tài)尚有差距，導(dǎo)致同等功耗下單位Token的生成成本偏高、有效算力轉(zhuǎn)化率偏低。此外，長上下文注意力機(jī)制、多模態(tài)詞元高效壓縮編碼、中文語境下的分詞器優(yōu)化等算法技術(shù)層也需發(fā)力。

推動(dòng)Token經(jīng)濟(jì)健康發(fā)展

推動(dòng)Token經(jīng)濟(jì)健康發(fā)展，需要把技術(shù)創(chuàng)新、產(chǎn)業(yè)培育和制度供給放在一起考慮，核心是做好以下四個(gè)方面的工作。

一是加強(qiáng)頂層設(shè)計(jì)與輿論引導(dǎo)。將Token經(jīng)濟(jì)作為智能經(jīng)濟(jì)的重要組成部分，納入國家數(shù)字產(chǎn)業(yè)發(fā)展、人工智能發(fā)展規(guī)劃等統(tǒng)籌布局，加快構(gòu)建覆蓋計(jì)量、監(jiān)管、評(píng)價(jià)的制度框架，明確Token作為智能服務(wù)計(jì)量單位的政策定位，厘清其與區(qū)塊鏈通證、虛擬貨幣的監(jiān)管邊界。與此同時(shí)，完善科普宣傳機(jī)制，建立從業(yè)人員專業(yè)培訓(xùn)長效機(jī)制，引導(dǎo)“產(chǎn)學(xué)研用”全鏈條從單純攀比模型參數(shù)量、榜單排名、消耗量，轉(zhuǎn)向考核實(shí)際應(yīng)用滲透率、單位任務(wù)Token成本、有效輸出占比和業(yè)務(wù)價(jià)值貢獻(xiàn)，樹立健康的產(chǎn)業(yè)發(fā)展導(dǎo)向。

二是統(tǒng)籌供需兩側(cè)構(gòu)建產(chǎn)業(yè)生態(tài)。供給端實(shí)施全國一體化智算布局優(yōu)化，推進(jìn)“東數(shù)西算”與算電協(xié)同，支持在清潔能源富集地區(qū)建設(shè)綠色低碳Token生產(chǎn)基地；重點(diǎn)推動(dòng)國產(chǎn)AI芯片廠商與推理框架團(tuán)隊(duì)開展聯(lián)合調(diào)優(yōu)，完善算子庫、編譯器和分布式推理支持。需求端實(shí)施重點(diǎn)行業(yè)Token賦能工程，在高端制造、智慧能源、智慧交通、現(xiàn)代醫(yī)療、教育科研等領(lǐng)域遴選標(biāo)桿場景，持續(xù)推動(dòng)大模型從輔助問答下沉至核心決策與控制流程，提升高價(jià)值Token占比。

三是完善基礎(chǔ)標(biāo)準(zhǔn)與制度規(guī)則體系。加快研制Token國家標(biāo)準(zhǔn)，明確Token基礎(chǔ)定義、中文分詞參考基準(zhǔn)（含行業(yè)術(shù)語庫適配）、文本/代碼/圖像/語音多模態(tài)Token等效折算系數(shù)、有效詞元率（非重復(fù)/非填充Token占比）測評(píng)方法，以及單位Token能耗核算規(guī)范。選取重點(diǎn)行業(yè)和領(lǐng)域試點(diǎn)Token消耗數(shù)據(jù)采集與抽樣核驗(yàn)制度，構(gòu)建國家級(jí)Token經(jīng)濟(jì)景氣指數(shù)，定期發(fā)布Token調(diào)用規(guī)模、結(jié)構(gòu)分布與價(jià)值密度分析報(bào)告。推動(dòng)模型服務(wù)商公開分詞規(guī)則、計(jì)費(fèi)明細(xì)和SLA承諾，建立第三方Token審計(jì)與爭議仲裁機(jī)制，為企業(yè)選型、成本核算和政策評(píng)估提供可信依據(jù)。

四是強(qiáng)化核心技術(shù)自主創(chuàng)新能力建設(shè)。硬件層面，重點(diǎn)突破智能芯片微架構(gòu)、片間高速互聯(lián)、智算云操作系統(tǒng)與集群容錯(cuò)調(diào)度技術(shù)。軟件與算法層面，支持科研機(jī)構(gòu)和科技領(lǐng)軍企業(yè)聯(lián)合攻關(guān)稀疏注意力、分組查詢注意力、推測解碼、動(dòng)態(tài)批處理等推理加速技術(shù)，開展中文領(lǐng)域?qū)Ｓ梅衷~器與領(lǐng)域自適應(yīng)詞表構(gòu)建，壓縮冗余詞元、提升語義密度。安全治理層面，細(xì)化高頻Token調(diào)用場景下的大模型安全評(píng)估基線、內(nèi)容標(biāo)識(shí)溯源要求和智能體行為邊界規(guī)范，建立異常調(diào)用實(shí)時(shí)阻斷與事件上報(bào)機(jī)制。同時(shí)，鼓勵(lì)科研機(jī)構(gòu)和科技領(lǐng)軍企業(yè)深度參與國際人工智能標(biāo)準(zhǔn)組織及全球AI治理對(duì)話，爭取規(guī)則制定話語權(quán)。

（作者甘繼磊系中國電信黨校研究員，張斌系北京郵電大學(xué)經(jīng)濟(jì)管理學(xué)院副教授）