让词元更有质量
——推动词元经济高质量发展
编者按词元（Token）正成为人工智能服务的核心计量、结算与统计单位。当前，词元经济呈现爆发式增长态势，各类应用场景层出不穷，但“有流量、无质量”“有消耗、难评价”等问题日益凸显：词元消耗量难以反映AI服务真实价值、定价机制混乱、高质量供给缺乏有效激励。
近日，国家数据局召开词元经济座谈会，明确将词元经济纳入工作体系，释放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分知名企业代表应邀参会发言。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，特别邀请四位与会专家，围绕词元经济健康发展的核心议题展开深入研讨，并从政策、技术、经济与治理等维度带来前沿思考与务实建议，以飨读者。
阿里云研究院院长穆飞
核心观点
词元正成为驱动智能经济的基础要素，AI发展经历了预训练、推理到智能体行动三阶段。生产函数的核心变量从资本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生产，工具生态提升智能体生产力，智能体原生云提供价值释放场所。当词元创造的经济价值超过其成本时，词元经济进入不可逆的增长轨道。
■穆飞
词元消耗正在成为智能经济的“温度计”。2026年3月，国家数据局公布了一组新数据：中国日均词元（Token）调用量突破140万亿，较上年末增长超过40%。往前追溯两年，2024年初这个数字还是1000亿。
词元是大模型处理信息的最小单元，也是当前AI服务计费的基本单位。日均调用量的千倍增长，直观反映了越来越多的企业和个人正在把词元消费嵌入日常工作流程——从代码生成到数据分析，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本身，而是背后的结构性变化。词元不再只是技术层面的计量单位，它正在成为连接数据、算力和商业价值的经济枢纽。围绕词元的生产、流通、定价和消费，一套新的经济逻辑正在成型。
要理解这套逻辑，需要先看清过去三年AI经历了什么。
一、回望AI三年发展：读万卷书、解万般难、行万里路
过去三年人工智能的发展可以归纳为读万卷书、解万般难、行万里路三个阶段。每一次跃迁，都深刻改变了词元的经济含义。
读万卷书：预训练阶段。大模型通过大规模文本训练完成知识积累，将人类数千年沉淀的文献、代码和科学成果压缩进模型参数。在2024年之前，算力主要消耗在预训练阶段，大模型就像一个博览群书的学者，知识丰富，但还不能解决非常复杂的问题，高质量完成任务。
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考能力。词元不再只是“看过”信息，而是被用来“想透”问题——展开多步思考链、验证假设、排除错误路径。每一次深度推理都消耗大量词元，词元在这里开始具备显性的、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。智能体不再只是回答问题，而是自主规划路径、调用工具、操作环境、迭代执行直至任务完成。词元的价值产出从一段文字回复跃升为一个完成的工作任务——代码写好了并通过了测试，数据分析跑完了并生成了报告，系统优化方案执行了并验证了效果。
从智力到行动的跃迁指向一个清晰的产业趋势：AI正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的计量单位，而是驱动智能经济运转的基础要素。
二、生产函数的变量置换：从资本和劳动到词元和智能体
经济学最核心的公式之一是生产函数Q=f（K，L）。智能时代的生产函数将会发生重要的改变，核心变量将由资本（K）和劳动（L）进化为词元和智能体。
词元是新的资本要素。资本的本质特征是可积累、可定价、可流通，能够投入生产过程并带来增值回报。词元完全符合这一定义——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，词元可以在全球范围内瞬时交付。更重要的是，词元不是同质化的商品：不同模型产出的词元有不同的智力密度，强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，因此享有显著溢价。
智能体是新的劳动力要素。它能理解目标、自主规划、调用工具并执行任务，可按需扩展、并行工作、全天候运转，不存在传统人力的培训周期和管理成本。词元是智能体的“燃料”——每一次感知、推理和行动都消耗词元，就像人力工作需要消耗薪酬一样。
在此之上，两股力量彼此咬合、循环放大：词元的单位成本随着模型架构和推理技术的迭代持续下降，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增强、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。于是，智能经济在特定阶段呈现出经典要素经济中罕见的收益递增。
三、支撑词元和智能体良性运转的四大关键组件
如果词元是资本、智能体是劳动力，那么让这套新生产函数高效运转的基础设施，就是智能经济时代的工业体系。从产业实践看，这套体系由四个关键组件构成，每一组件都精确对应着生产函数中的关键环节——资本的质量、资本的数量、劳动的工具、劳动的场所。
模型能力——资本的质量
在经典经济学中，同样数量的资本投入，精密机床和通用设备的产出天差地别——这就是资本质量的差异。词元也是如此：同样消耗100万个词元，一个在工具调用、编码、长程任务上表现顶尖的模型，和只能做简单对话的模型，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。
智能体时代对模型能力提出了几项新要求。一是工具调用的精准度——模型能否通过MCP等标准协议与外部服务无缝协作，并根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核心引擎，能够在终端交互、Web开发和多语言环境中独立工作。三是长程任务执行的耐力——这是智能体区别于聊天机器人的根本能力。以阿里云近期发布的Qwen3.7-Max为例，它在没有任何先验知识的条件下，从空白工作区起步，持续运转超过35小时，完成上千次工具调用和数百次方案评估，最终产出可直接投入使用的底层内核代码，加速比达到10倍。
从生产函数的视角看，提升模型能力就是在提升资本的质量。当每一单位词元能承载更多的智力、驱动更复杂的行动时，整个生产函数的产出边界就向外扩展了。
推理服务平台——资本的数量
把模型变成能源源不断产出的产能，靠的是推理服务平台。这本质上是一个大规模生产词元的问题：如何把不同规模、不同专长的模型整合到一起，按任务难度动态调度，以最高的吞吐量、最低的单位成本，稳定地把词元造出来。如果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、多低的价格被调用；词元的单位成本能否持续走低、产能能否随需求弹性扩张，都在这一层见分晓。推理服务平台需要具备四个能力。高性能——面对长链路和突发流量保持低延迟和高吞吐。成本可控——通过上下文缓存复用、资源池化弹性调度、批量推理等工程手段，让词元消耗可预测、可优化。这相当于工厂中的精益生产——通过减少浪费来提升单位投入的有效产出。安全可靠——从多租户隔离到机密推理，让核心业务敢进入智能体流程。安全不是效率的对立面，而是效率可持续的前提——正如工厂安全规程看似降低了操作速度，实际上避免了停产事故带来的巨大损失。效果持续优化——通过面向智能体的强化学习让模型在特定业务场景中不断进化，使小模型也能在垂直领域达到大模型的效果。阿里云百炼正是这样一个推理平台，它整合千问与众多生态模型，提供高性能、高性价比的推理服务，把词元的生产成本一路压低。这一层决定的，是资本的数量。
面向智能体的工具生态——劳动的工具
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——围绕模型搭建的任务规划、工具调用循环、上下文管理、记忆管理、错误恢复等一整套脚手架。模型再强，也要靠趁手的工具链才能把活干完、干稳。在经典生产里，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调用的工具生态。工具和技能生态越丰富，智能体能干的活就越多、干得越好——工具的丰富度，也影响到这一新型劳动力的能力上限。让工具生态繁荣，需要面向智能体的专用工具与技能不断涌现，把领域最佳实践封装成可复用的技能模板，让普通智能体也能干出专家级的活。我们观察到，作为智能经济重要基础设施的云服务也正在面向智能体不断进化，让云服务被技能化、模型上下文协议（MCP），封装成智能体可以直接调用的形态。让过去为人设计的云能力，如今智能体也能一键取用，成为智能体产品。工具越丰富、工具链越成熟，智能体这一新型劳动力的生产力就越强。
智能体原生云——劳动的场所
有了高质量的词元和高能力的智能体，还需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地方，它决定了资本和劳动力能否高效结合。
智能体的工作负载与传统应用有很大区别，提出了六个全新挑战。一是任务的短生命周期——一个智能体任务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。二是无规律的突发负载——智能体何时发起、并发多少都无法预测，要求资源能够应对超大规模突然的负载。三是动态的环境依赖——每个任务所需的工具、依赖和执行环境各不相同且实时变化，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形式——智能体对数据质量、语义、实时检索要求高，需要统一的数据平面支持多级记忆存储、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任务、动态路由，在长链路中维持状态不漂移、指令不丢失。六是任务级的安全管控——每个智能体的每个动作都要落到身份、权限和审计，要求运行时级别的隔离、数据保护和机密计算，把治理与安全嵌进每一次调用。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，完整映射了新型生产函数的结构。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生产，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释放的场所。四大组件共同构成了让新型生产函数Q=f（Token，Agent）从公式变为现实的生产系统。
这也是为什么全栈能力正在成为头部企业的核心壁垒——不是因为一家企业需要做所有事，而是因为这套生产函数的关键组件必须端到端协同，才能充分释放词元和智能体的生产力。
四、推动词元经济健康可持续发展的五点倡议
词元经济正处于快速成长期。围绕如何推动其健康可持续发展，提出几点倡议：
倡议重新定义算力基建的规划逻辑。未来智能数据中心的核心功能是生产词元，衡量指标应从单纯的算力指标转向单位能耗下的有效词元产能。推理负载将成为主要工作形态，基建规划应围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需要前置。
倡议建立数据“善意取得”容错机制。对以促进AI应用为目的使用公共数据的行为，充分保障使用者权益、降低合规成本。在重点行业率先开展高质量数据集应用试点。数据不流动，词元就是无源之水。
倡议扩大需求侧的AI应用渗透率。词元经济的增长飞轮在需求侧。支持中小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。
倡议推动词元质量评价标准化。当前词元定价基于模型版本以及调用量的简单模式。建立涵盖准确性、完备性、效率性和稳健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。
倡议推动AI原生组织的建设。每一次通用技术革命的红利兑现，都依赖组织形态的同步升级；技术铺得再快，组织跟不上，生产率就只能在统计数字里继续“消失”。鼓励企业把组织变革与技术投入放在同等位置，重塑分工、流程与治理边界，培育既懂业务又能驾驭智能体的复合型人才。
结语
古人说，读万卷书，行万里路。AI用了不到三年时间走完了这条路——从读（预训练积累知识）到解（推理攻克难题）到行（智能体执行任务）。不断增长的词元价值是这条路上的里程碑，记录着从知识到智力到生产力的每一步转化。
从蒸汽机到电力到互联网，每一次生产函数的重写都催生了新的经济形态和社会分工。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；发电厂变成了词元工厂；家用电器变成了智能体。
当词元的生产成本持续下降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本身的成本。在这个临界点之后，词元经济的增长具有了内生的自我强化逻辑。它不是概念催生的叙事，而是技术成熟度和市场需求共同推动的、不可逆的生产方式变革。
（作者系阿里云研究院院长）
总 监 制丨王列军车海刚
监 制丨陈 波 王 彧 杨玉洋
主 编丨毛晶慧 编 辑丨陈姝含
热门跟贴