央视财经田丰专访：“词元经济”爆发，眼镜店老板手搓世界级爆款短片|央视财经|张萌|王鹏|田丰(演员)|眼镜店|词元经济|飞轮|黄仁勋

作者：快思慢想研究院院长田丰，央视财经李硕张萌

视频：来自四川的创作者栖光手搓的“云上天宫”短片在海外社交平台热播

开篇：眼镜店老板手搓云海，500万次围观

2026年8月的一个傍晚，成都一间眼镜店打烊后，老板陈爱军照例打开电脑。他的网名叫栖光，白天配镜片，晚上五六个小时泡在Midjourney、可灵和即梦里练手，这个习惯已经持续了近两年。这一次他做的是一条34秒的短片，没有一句台词，只有云海、仙鹤、斗拱飞檐。片子挂到海外社交平台，四天播放量冲过500万，外交部发言人毛宁转发之后，彻底火爆出圈。

同样的剧本今年在云南玉溪也上演过一次。29岁的刘梓瑜花3000元、不到10天，做出一部3分多钟的科幻短片《丧尸清道夫》，机器人牛仔、废土场景、黑色幽默，上线48小时国内播放量破千万，引来一位好莱坞制作人在社交平台公开寻人。

两件事貌似是互联网内容行业的偶然爆款，但背后指向一组“全民AI造物”的数据：截至2026年6月底，我国日均词元调用量已突破500万亿。快思慢想研究院院长田丰认为，这轮"手搓"热潮的主角不是某一条爆款视频，是大众词元消费本身——它重新定义了每一个人都有资格参与AI创新，也重新定义了一家公司应该有多大。

一、词元是什么？

田丰进一步说明：打开豆包、千问、WorkBuddy提一句问题，模型每生成一个字都在消耗词元(Tokens)，这就是最基础形态的词元消费。词元是大模型处理文字、图像、语音、视频、代码时切分出的最小计算单位，一个汉字大约折算1到2个词元，词元消费说的是调用大模型推理服务、按用量产生成本或计费的经济行为。多数人感觉不到自己在花钱，是因为这笔成本早被折算进了会员费和免费额度里，而这恰恰是当前词元经济规模最大的一块。

这其实是一次数据产业计量单位的更替。互联网时代谈数据看TB，强调的是后台静态存储量；人工智能时代谈词元，强调的是需求输入和AI生成内容的吞吐量。田丰打个比方，英伟达创始人黄仁勋所说的"AI工厂"——电力持续地输入AI工厂，工厂产出的是源源不断被生成出来的词元，即文档、PPT、图画、代码、音视频等智力产品。

计费方式先变了样。三大电信运营商今年推出"词元套餐"，中国银行广州分行试水了以词元消耗为授信依据的"Token贷"，词元从"用多少算多少"走向"预付打包、按需锁价"，这条路径和当年电力、通信流量的商品化历程几乎一样，只是这一次压缩到了两三年内。更值得留意的是消费主体本身：智能体自主调用其他模型和工具产生的词元消耗，背后往往没有人在逐句下达指令，这类机器对机器的调用占比正快速飙升——过去看一个产品活不活跃，看日活用户数，往后要看词元调用密度，因为发起调用的未必是人。文生图、文生视频、语音合成陆续并入同一套词元账本，企业和个人的AI支出，未来大概率会像水电煤气一样合成一张词元账单。

二、10天3000块，做出一部让好莱坞满世界找人的短片

刘梓瑜的《丧尸清道夫》是一座影视工业的里程碑，不只因为它火了，而是这部动画片撕开了一道成本口子。同等水准的动画短片，传统制作动辄数百万到数千万元、上百人、耗时数月，刘梓瑜把这几个数字压到了3000元、不到10天——3到4个数量级的成本断崖式下降，意味着全球影视内容行业“变天了”。

田丰提醒，这种断层式的成本下降过去只出现在半导体、光伏这类硬件工业里，遵循的是类似摩尔定律的规模效应：单位算力成本随规模扩张持续下降。这一次，规模效应头一回落到了创意内容生产领域。词元消费把大模型能力变成按需调用的资源，普通从业者不必吃透底层技术，结合行业经验就能搭出应用，创新主体因此大幅扩容，大量一线个体从业者带着传统研发体系容易忽视的细分需求涌入赛道。海量场景调用又反过来做大了词元市场，倒逼算力、工具链和服务体系加速迭代，AI产业不再是自上而下的单向模型产品输出，场景端开始反向驱动技术演进，用Tokens佣金反哺上游模型厂商、芯片厂商。

三、200次试错发现，审美比技术更值钱

陈爱军的另一层意义，在于他不是技术出身。自学AI两年，一条标清视频成本50元，4K版本100到300元。真正稀缺的能力，从专业技术转到了审美判断和迭代节奏——词元消费把执行门槛压到接近零之后，传统内容工业靠资金、渠道、专业团队筑起的护城河明显在让位，个人对文化、历史、审美的直觉反倒成了最难复制的部分，技术是这里面最不稀缺的一环。

最容易被忽略的一点，是试错成本的坍塌。陈爱军做到有感觉，前后攒了200多条视频，多数手搓创客一件作品要经过几十甚至上百次生成才敢定稿。这种"生成式试错"过去在实体行业不可能存在，因为每一次试错都对应真金白银的物料和人工；数字内容行业持续把边际试错成本逼近到零，这会反过来推高整个行业对成片质量的期待。

四、一人公司OPC崛起

1991年诺贝尔经济学奖得主罗纳德·科斯在《企业的性质》里给出过一个经典解释：企业之所以存在，是因为内部协调的成本低于市场上寻找、谈判、履约的外部交易成本。田丰认为，AI智能体把这套账本发扬光大了——原本需要设计、开发、测试、运营多个岗位协同完成的工作，一个人调度几个智能体并行处理就能跑通，调用一项专业能力的价格，从长期雇佣的固定工资，变成了按次结算的词元费用。企业规模的最小启动人数迅速下沉，这是成本结构变化倒逼出的必然逻辑，而不仅仅是创业者的个人偏好。

商业化路径已经出现分化。像陈爱军这样的内容与轻量工具型一人公司，天花板不高但现金流启动快，靠平台流量分成就能盈亏平衡；基于大模型做二次开发的技术嵌入型一人公司想象空间更大，却需要持续投入词元成本，一旦底层模型能力迭代把上层应用层功能覆盖掉，很容易被降维打击。真正的短板在议价权：一人公司高度依赖上游模型厂商的定价、限流策略，个体既没有议价能力，也缺乏多元收入结构做缓冲，而胜在快速学习、敏捷灵活、生存力顽强。田丰指出，这个群体实际上充当了模型厂商最敏感的价格测试群体，它们的存活率和续费率，反倒是检验大模型商业化是否真正落地的先行指标。

五、影视工业化的“手搓接力棒”

奥地利经济学家约瑟夫·熊彼特把技术革新对旧秩序的冲击称为"创造性破坏"，田丰认为，眼下这场“AI手搓”热潮更接近分工接力的新范式。超级创作者手搓解决的是长尾、个性化、小样本需求，内容工业化生产解决的是确定性、标准化、规模化需求，二者最终会形成"手搓验证需求、工业化承接放量"的关系：低成本试错筛出来的产品逻辑和交互方式，会被具备资金和团队优势的工业化力量迅速复制放大。

参照个人电脑和开源软件的产业史会看得更清楚。这两项“新技术”在早期都被当作极客的小众玩具，最终重塑了整个软件工业的开发范式，从瀑布式开发走向敏捷迭代。在近日举行的数博会上，一场300多名创客参与的72小时极限创新竞赛，把工业界最小可行产品的开发周期从数月压缩到数天，涵盖餐饮、旅游、文化、服务等多个领域。这种压缩正反向渗透进传统工业化流程，是手搓的方法论在改造工业化产业链。

两条赛道也不会走向同一个终点。注意力经济属性强的内容和社交类应用，个体的人格化风格难以标准化复制，会长期保留个人创作的空间；涉及安全边界、合规要求和规模效应的领域，比如医疗诊断辅助、金融基础设施，工业化仍然是唯一可行路径，手搓在这些领域更多扮演早期需求探测的角色。

六、词元经济，从140万亿到500万亿

我国日均词元调用量从今年3月的140万亿冲到6月底突破500万亿，几个月里增长超过三倍，这个规模对模型能力提升的边际贡献，比单纯堆参数更直接。这完全符合19世纪英国经济学家威廉·杰文斯提出的"杰文斯悖论"：技术进步让资源使用效率提高、单位成本下降，总消耗量反而会加速上升——词元价格越降，调用量涨得越猛。

数据飞轮先发生了质变。以前的预训练主要靠静态爬取的历史语料，调用量爆发之后，模型头一回能大规模拿到真实场景里的失败样本——用户中途放弃、反复重新生成、临时切换模型，这类负样本对模型迭代的边际价值往往比正确样本更高，训练重心也从"学习正确答案"转向"学习错在哪里"。调用规模摊薄了边际算力成本，给了模型厂商更大胆做推理优化的空间，混合专家架构、投机采样这类工程手段都需要规模化调用带来的现金流去支撑打磨，这是一条规模摊薄成本、成本反哺技术的正循环。用得越频繁，长尾边角案例出现的绝对次数越多，厂商也被市场倒逼从单纯追逐大模型榜单跑分，转向追求真实场景下的鲁棒性和高体验，真实用户反馈比第三方评测更具含金量。

七、芯片、模型厂商、开发者的三重博弈

词元作为统一计量单位，头一回把上游芯片的能效表现、中游模型的定价策略、下游应用的成本结构直接联动起来，任何一环的成本波动都会立刻沿链条传导。

上游算力芯片的机会在于需求变得可预测——词元调用量能被追踪，芯片厂就能照此规划产能；压力在于评价标准正从峰值算力转向推理能效比，也就是每焦耳电力能产出多少词元，这倒逼国产芯片的设计逻辑从训练优先转向推理优先，是架构层面的重新排序。

中游大模型厂商的机会是调用量正成为新的估值锚点，逻辑上接近SaaS行业看年度经常性收入；压力是词元价格战正把毛利率压向云计算基础设施的水平，厂商必须靠差异化的智能体编排能力和垂类精调能力开辟第二增长曲线，单纯拼基础模型能力的窗口期正快速关闭。

下游应用开发者的机会是词元成本下降，让此前高频调用、低客单价、算不过账的场景头一次具备商业可行性；压力是应用层普遍缺乏技术壁垒，容易陷入"词元套壳"的同质化竞争，护城河已经从"调用高智价比模型"转移到了"设计出让用户愿意持续付费的交互和工作流"。

八、老师傅的经验，变成可调用的词元

苏商银行特约研究员武泽伟观察到，词元消费正跳出C端应用，向制造业、服务业等实体经济渗透。以往实体行业做AI数智化改造，普遍要组建专属AI技术团队、大投入训练定制化模型，中小企业往往迈不过这个门槛；依托词元消费模式，企业不必自建底层大模型，按需采购词元资源就能调用模型能力，AI技术向产业链中下游下沉的速度大大加快。

田丰把这个过程概括为一次隐性经验的转译：制造业老师傅的判断经验、服务业门店老板的经营直觉，被大模型转化成了可以反复调用的推理服务。制造业目前的渗透集中在设备预测性维护的异常描述生成、工艺参数的自然语言调优这两个环节，把工程师需要多年积累的经验判断转化成可反复调用的服务，投资回报周期短、见效快，是实体产业渗透词元消费最快的切口。词元对服务业的帮助不止在内容领域，像陈爱军这样的个体商户正用词元消费把营销物料生产、客户咨询应答这些原本要外包给广告公司或咨询机构的职能内部化，尤其利好过去预算有限、议价能力弱的长尾中小商户。真正的瓶颈在数据资产化程度——传统制造业和服务业的经验数据大多没被结构化记录过，下一阶段实体产业数智化转型的投入重点，会从买算力转向整理数据、沉淀场景经验。

九、让词元变成信用，新型资产负债表涌现

继土地、资本、技术、数据之后，词元开始被金融体系正式定价。中国银行广州分行试水的广东"Token贷"，以词元消耗和回款进度作为授信依据，试单授信资金已到2800万元，词元由此具备了生产要素应有的完整属性：可计量、可交易、可抵押、可预期现金流。

以前AI创业公司尤其是应用层轻资产企业很难拿到银行授信，因为没有固定资产可抵押；词元消耗数据作为经营流水的替代指标，让轻资产、高频调用的应用型创业公司头一次进入了传统金融的风控视野，这是普惠金融面向AI创业群体的一次结构性扩容。新工具也带来新的系统性风险——田丰提醒，词元消耗一旦成为授信依据，理论上就可能催生"刷调用量"式的财务造假，跟早期共享单车刷骑行数据、跨境电商刷单套现是同一类信用风险问题，风控模型必须建立反刷量的异常检测机制，否则会重蹈互联网金融依赖单一数据流水授信的覆辙。往长远看，词元套餐、词元期货这类衍生品真正的价值，是把日常波动的AI使用量变成可以提前锁定价格的标准化商品，让创业企业头一次能对冲未来的AI使用成本波动，这是初创企业财务规划从烧钱式粗放增长走向精细化成本对冲的一个分水岭。

十、从民间狂欢到国家部署

在日前举行的2026中国国际大数据产业博览会上，国家数据发展研究院发布的《中国数据产业发展报告（2026）》显示，智能体应用正带动词元服务加速发展，2025年我国智能体专利授权量超过3400件，增速是上一年的两倍以上。8月31日，工业和信息化部发布《关于开展人工智能应用服务商培育专项行动的通知》，提出探索通过首购首用、风险补偿等模式，加大大模型、智能体、Token等服务采购力度，提升行业用模用智质效。北京市社会科学院管理研究所副研究员王鹏分析，这一部署会进一步释放不同行业对词元消费的海量需求，推动词元服务向千行百业下沉。

从眼镜店老板的一条云海短片，到工信部一纸产业文件，词元经济走过这段路只用了不到一年。

结语：技术门槛消失之后，稀缺的是判断力

科斯留给经济学的启示，是企业的边界由成本决定；这一轮词元消费留给这个时代的启示，是创新的边界正由调用密度重新划定。500万亿次日均调用背后，真正稀缺的从来不是算力，是知道该问模型什么问题、给AI定商业目标的人。手搓浪潮撼动不了工业化生产的地基，却在悄悄改写开发节奏；一人公司撑不起所有商业想象，却证明了超级个体也能掌控和团队量级相当的生产工具。词元账户里的余额，正成为这个时代最朴素、也最公平的一张入场券。