编者按词元（Token）正成为人为智能服务的主题计量、结算与统计单元。当前，词元经济出现发作式增长态势，各类利用场景层出不穷，但“有流量、无质量”“有亏损、难评价”等问题日益凸显：词元亏损量难以反映AI服务真实价值、定价机造混乱、高质量供给不足有效激励。
近日，国度数据局召开词元经济座谈会，明确将词元经济纳入工作系统，开释出推动行业从规模扩张转向高质量发展的强烈信号。中国经济时报社等机构的专家学者和部门驰名企业代表应邀参会讲话。本期《智荟月刊》以“让词元更有质量——推动词元经济高质量发展”为主题，出格约请四位与会专家，萦绕词元经济健康发展的主题议题发展深刻钻研，并从政策、技术、经济与治理等维度带来前沿思虑与求实建议，以飨读者。
词元正成为驱动智能经济的基础身分，AI发展经历了预训练、推理到智能体行动三阶段。出产函数的主题变量从本钱与劳动进化为词元与智能体。模型能力决定词元质量，推理服务平台实现大规模低成本出产，工具生态提升智能体出产力，智能体原生云提供价值开释场所。当词元创造的经济价值超过其成本时，词元经济进入不成逆的增长轨路。
词元亏损在成为智能经济的“温度计”。2026年3月，国度数据局颁布了一组新数据：中国日均词元（Token）挪用量突破140万亿，较上岁暮增长超过40%。往前追忆两年，2024岁首这个数字还是1000亿。
词元是大模型处置信息的最幼单元，也是当前AI服务计费的根基单元。日均挪用量的千倍增长，直观反映了越来越多的企业和幼我在把词元消费嵌入日常工作流程——从代码天生到数据分析，从内容创作到客户服务，从科研辅助到经营决策。
但这组数字真正值得关注的不是增速自身，而是背后的结构性变动。词元不再只是技术层面的计量单元，它在成为衔接数据、算力和贸易价值的经济枢纽。萦绕词元的出产、流通、定价和消费，一套新的经济逻辑在成型。
从前三年人为智能的发展能够综合为读万卷书、解万般难、行万里路三个阶段。每一次跃迁，都深刻扭转了词元的经济寓意。
读万卷书：预训练阶段。大模型通过大规模文本训练实现知识堆集，将人类数千年沉淀的文件、代码和科学成就压缩进模型参数。在2024年之前，算力重要亏损在预训练阶段，大模型就像一个博览群书的学者，知识丰硕，但还不能解决极度复杂的问题，高质量实现工作。
解万般难：推理阶段。2024年，以深度推理模型为代表，AI具备了面对复杂问题时的长链条思虑能力。词元不再只是“看过”信息，而是被用来“想透”问题——发展多步思虑链、验证如果、排除谬误蹊径。每一次深度推理都亏损大量词元，词元在这里起头具备显性的、可计价的价值交付。
行万里路：智能体的AI阶段。2025年至今，AI从对话走向行动。智能体不再只是回覆问题，而是自主规划蹊径、挪用工具、操作环境、迭代执行直至工作实现。词元的价值产出从一段文字回复跃升为一个实现的工作工作——代码写好了并通过了测试，数据分析跑完了并天生了汇报，系统优化规划执行了并验证了成效。
从智力到行动的跃迁指向一个清澈的产业趋向：AI在从对话工具进化为行动主体。同样100万个词元的价值密度在阶梯式攀升。推理阶段，它是一次深度分析的“电费”；行动阶段，它可能对应一次价值数千元的工程交付。词元不再只是API的计量单元，而是驱动智能经济运行的基础身分。
经济学最主题的公式之一是出产函数Q=f（K，L）。智能时期的出产函数将会产生沉要的扭转，主题变量将由本钱（K）和劳动（L）进化为词元和智能体。
词元是新的本钱身分。本钱的性质特点是可堆集、可定价、可流通，可能投入出产过程并带来增值回报。词元齐全切合这肯界说——数据经由算力与模型转化为词元，形成可计价、可交付的智力服务。通过API接口，词元能够在全球领域内瞬时交付。更沉要的是，词元不是同质化的商品：分歧模型产出的词元有分歧的智力密度，壮大模型产出的词元能解决更复杂的问题、驱动更高质量的行动，因而享有显著溢价。
智能体是新的劳动力身分。它能理解指标、自主规划、挪用工具并执行工作，可按需扩大、并行工作、全天候运行，不存在传统人力的培训周期和治理成本。词元是智能体的“燃料”——每一次感知、推理和行动都亏损词元，就像人力工作必要亏损薪酬一样。
在此之上，两股力量彼此咬合、循环放大：词元的单元成本随着模型架构和推理技术的迭代持续降落，使用门槛随之走低；而智能体用得越广，带回的反馈数据越多，数据飞轮让模型能力持续加强、产出更优——更强也更便宜的模型，反过来又压低门槛、扩大使用。因而，智能经济在特定阶段出现出经典身分经济中罕见的收益递增。
若是词元是本钱、智能体是劳动力，那么让这套新出产函数高效运行的基础设施，就是智能经济时期的工业系统。从产业实际看，这套系统由四个关键组件组成，每一组件都精确对应着出产函数中的关键环节——本钱的质量、本钱的数量、劳动的工具、劳动的场所。
在经典经济学中，同样数量的本钱投入，精密机床和通用设备的产出天壤之别——这就是资性质量的差距。词元也是如此：同样亏损100万个词元，一个在工具挪用、编码、长程工作上阐发顶尖的模型，和只能做单一对话的模型，产出的经济价值可能相差几个数量级。模型能力直接决定了词元的智力密度。
智能体时期对模型能力提出了几项新要求。一是工具挪用的精准度——模型能否通过MCP等尺度和谈与表部服务无缝合作，并凭据真实反馈动态调整决策。二是编码能力的纵深——从代码补全进化为覆盖整个软件开发周期的主题引擎，可能在终端交互、Web开发和多说话环境中独立工作。三是长程工作执行的耐力——这是智能体区别于谈天机械人的底子能力。以阿里云近期颁布的Qwen3.7-Max为例，它在没有任何先验知识的前提下，从空缺工作区起步，持续运行超过35幼时，实现上千次工具挪用和数百次规划评估，最终产出可直接投入使用的底层内核代码，加快比达到10倍。
从出产函数的视角看，提升模型能力就是在提升本钱的质量。当每一单元词元能承载更多的智力、驱动更复杂的行动时，整个出产函数的产出天堑就向表扩大了。
把模型造成能源源不休产出的产能，靠的是推理服务平台。这性质上是一个大规模出产词元的问题：若何把分歧规模、分歧专长的模型整合到一路，按工作难度动态调度，以最高的吞吐量、最低的单元成本，不变地把词元造出来。若是说训练决定了一个模型能有多聪明，推理平台就决定了这份智力能以多大的规模、多低的价值被挪用；词元的单元成本能否持续走低、产能能否随需要弹性扩张，都在这一层见分晓。推理服务平台必要具备四个能力。高机能——面对长链路和突发流量维持低延长和高吞吐。成本可控——通过高低文缓存复用、资源池化弹性调度、批量推理等工程伎俩，让词元亏损可预测、可优化。这相当于工厂中的精益出产——通过削减浪费来提升单元投入的有效产出。安全靠得住——从多租户隔离到机密推理，让主题业务敢进入智能体流程。安全不是效能的对抗面，而是效能可持续的前提——正如工厂安全规程看似降低了操作速度，现实上预防了停产变乱带来的巨大损失。成效持续优化——通过面向智能体的强化进建让模型在特定业务场景中不休进化，使幼模型也能在垂直领域达到大模型的成效。阿里云百炼正是这样一个推理平台，它整合千问与多多生态模型，提供高机能、高性价比的推理服务，把词元的出产成本一路压低。这一层决定的，是本钱的数量。
智能体的能力，一方面高度依赖模型的能力，另一方面也依赖工具链工程——萦绕模型搭建的工作规划、工具挪用循环、高低文治理、影象治理、谬误复原等一整套脚手架。模型再强，也要靠趁手的工具链能力把活干完、干稳。在经典出产里，工人的产出依赖于手中的机床、夹具和量具；在智能经济里，智能体的高效、高质量产出也依赖于它能挪用的工具生态。工具和技术生态越丰硕，智能体能干的活就越多、干得越好——工具的丰硕度，也影响到这一新型劳动力的能力上限。让工具生态繁华，必要面向智能体的专用工具与技术不休涌现，把领域最佳实际封装成可复用的技术模板，让通常智能体也能干出专家级的活。我们观察到，作为智能经济沉要基础设施的云服务也在面向智能体不休进化，让云服务被技术化、模型高低文和谈（MCP），封装成智能体能够直接挪用的状态。让从前为人设计的云能力，如今智能体也能一键取用，成为智能体产品。工具越丰硕、工具链越成熟，智能体这一新型劳动力的出产力就越强。
有了高质量的词元和高能力的智能体，还必要一座让它们高效结合的场所——这就是智能体原生云——词元通过智能体转化为行动的处所，它决定了本钱和劳动力能否高效结合。
智能体的工作负载与传统利用有很大区别，提出了六个全新挑战。一是工作的短性命周期——一个智能体工作可能只存活数秒到数分钟，用完即消，要求运行时足够轻量、可毫秒级拉起、即用即弃。二是无法规的突发负载——智能体何时提议、并发几多都无法预测，要求资源可能应对超大规模忽然的负载。三是动态的环境依赖——每个工作所需的工具、依赖和执行环境各不一样且实时变动，要求运行时能按需组装、动态注入。四是复杂的数据模态与存储大局——智能体对数据质量、语义、实时检索要求高，必要统一的数据平面支持多级影象存储、多模态数据摄取以及会话状态存储。五是大规模的动态编排——成千上万智能体并行协同，要求编排层自动拆解工作、动态路由，在长链路中维持状态不漂移、指令不迷失。六是工作级的安全管控——每个智能体的每个作为都要落到身份、权限和审计，要求运行时级此外隔离、数据�；ず突芡扑�，把治理与安全嵌进每一次挪用。阿里云已经全面升级云服务，为智能体负载提供坚实的基础设施。
这四大组件之间的关系，齐全映射了新型出产函数的结构。模型能力决定词元的智力密度，推理服务平台驱动词元的大规模低成本出产，面向智能体的工具与工具链工程提高了智能体的能力，智能体原生云提供价值开释的场所。四大组件共同组成了让新型出产函数Q=f（Token，Agent）从公式变为现实的出产系统。
这也是为什么全栈能力在成为头部企业的主题壁垒——不是由于一家企业必要做所有事，而是由于这套出产函数的关键组件必须端到端协同，能力充分开释词元和智能体的出产力。
建议沉新界说算力基建的规划逻辑。未来智能数据中心的主题职能是出产词元，衡量指标应从单纯的算力指标转向单元能耗下的有效词元产能。推理负载将成为重要工作状态，基建规划应萦绕弹性推理调度和异构芯片适配来设计。算力与电力的协同规划必要前置。
建议成立数据“善意获得”容错机造。对以推进AI利用为主张使用公共数据的行为，充分保险使用者权利、降低合规成本。在沉点行业率先发展高质量数据集利用试点。数据不流动，词元就是无源之水。
建议扩大需要侧的AI利用渗入率。词元经济的增长飞轮在需要侧。支持中幼企业通过公共云低门槛消费词元，支持大型企业构建企业级智能体。让“用词元”和“用智能体”像“用电”一样成为基础设施级能力。
建议推动词元质量评价尺度化。当前词元定价基于模型版本以及挪用量的单一模式。成立涵盖正确性、完整性、效能性和稳重性的多维度评价框架，将为词元从“按量计费”走向“按质定价”奠定基础，进而走向按产出付费的健康模式。
建议推动AI原生组织的建设。每一次通用技术革命的盈利兑现，都依赖组织状态的同步升级；技术铺得再快，组织跟不上，出产率就只能在统计数字里持续“隐没”。激励企业把组织刷新与技术投入放在一致地位，沉塑分工、流程与治理天堑，造就既懂业务又能驾驭智能体的复合型人才。
前人说，读万卷书，行万里路。AI用了不到三年功夫走完了这条路——从读（预训练堆集知识）到解（推理攻克难题）到行（智能体执行工作）。不休增长的词元价值是这条路上的里程碑，纪录着从知识到智力到出产力的每一步转化。
从蒸汽机到电力到互联网，每一次出产函数的沉写都催生了新的经济状态和社会分工。词元经济或许正是我们这一代人的“电力时刻”。区别在于，这一次电网里传输的不是能量，而是智力；发电厂造成了词元工厂；家用电器造成了智能体。
当词元的出产成本持续降落而其驱动的行动价值持续上升时，一个临界点已经越过：词元创造的经济价值大于词元自身的成本。在这个临界点之后，词元经济的增长拥有了内生的自我强化逻辑。它不是概想催生的叙事，而是技术成熟度和市场需要共同推动的、不成逆的出产方式刷新。
《快穿之女配上位(hp)》节目中，卡普德维拉开场表示，回到这里让他想起很多美好回忆，“我们在这里取得过很多成绩，也赢得过重要冠军。现在我和库库雷利亚在一起，他是目前我们国家队左路的头号人物。”医生仅在面对非常明确的情境性躯体焦虑时，才可能谨慎评估这一用法的必要性。表现形式为仅在考场等特定高压场景下出现：剧烈心慌、严重手抖影响写字、口述面试声音发颤等。《快穿之女配上位(hp)》《爸爸种子2》英文翻译SemiAnalysis写道：“我们缺少一套可用的语言，来描述服务和脑力劳动的单位。”没有“1吨文献综述”，也没有“1桶咨询服务”。服务业统计通常依赖收据、工资、工时和价格指数，再反推出“数量”。刘先明不止一次表示，只有能做基座模型的公司，才有可能真的做到L4，并进一步赋能机器人、飞行汽车等多种具身载体。而基座模型，本身就需要软-硬、端-云、AI研发-先进制造等全栈技术的托举。
20260606 ? 《快穿之女配上位(hp)》朗斯在官方社媒写道：“作为赛季后半段的关键球员，阿兰-圣马克西曼将自己的才华奉献给阿图瓦球队，为球队获得欧冠资格和赢得法国杯作出了重要贡献。祝你未来一切顺利，马克西！”《图书馆的女伴侣》在三周前，国际足联发布的世界杯场馆行为守则中曾明确规定：在北美夏季高温条件下，球迷可以携带一个空的透明塑料水瓶进入场馆，并在场内饮水点进行补充。
20260606 ? 《快穿之女配上位(hp)》总体来说，我要求每一名球员在世界杯期间把个人情绪放在一边，全身心投入球队。没有上场的球员必须支持自己位置上的竞争对手。他不能闹情绪，而必须在每次训练中全力以赴。一方面是让自己随时准备好，另一方面也是推动队友进步。如果每个人都这样做，整体球队水平就会提升。《三幼我的疯狂苏柔赵刚的幼说叫什么》在法国职业足球联盟（LFP）投票否决法国足球治理改革方案后，法国足球协会（FFF）主席菲利普·迪亚洛对此作出解释，希望缓和紧张局势。
京公网安备11010202000001号
