机遇与痛点并行：Token经营众生相(73企一览)

Token将真正成为智能时代通用价值计量单位。

从国家数据局在政策文件中明确提出“探索词元交易等新型交易模式”，到英伟达创始人黄仁勋在GTC2026年度开发者大会上断言：“词元是新的大宗商品。”两条看似平行的线索，在“词元”这一交汇点上发生了共振。数据显示，2024年初我国日均词元调用量仅为1000亿，2025年底跃升至100万亿，2026年3月已突破140万亿，两年增长超千倍。

当词元从实验室里的技术概念，演变为可计量、可定价、可交易的新型生产要素，一条横跨芯片、算力、电力、模型、应用、流通的完整产业链已然浮出水面。在这条链上，有人建“工厂”，有人当“批发商”，有人做“搬运工”，也有人试图在灰色地带里淘金。词元经济的众生相，正在深刻改写中国数字经济的底层逻辑。

《通信产业报》2026年第25期

从“电力进”到“词元出”

如果把词元经济比作一座现代化的工业体系，那么它的运转逻辑与制造业工厂并无二致：原材料(数据与电力)从一端输入，经过复杂的生产流程，最终输出产品(词元)。只不过，这座“工厂”的物理形态是数据中心，它的“机床”是GPU集群，它的“工人”是大模型。

词元生产的最底层，是算力基础设施。中信建投研报显示，国内大型云厂商日均消耗达60万亿词元时将面临明显算力缺口，预计在达到30万亿词元时就会感受到算力紧张。这意味着，上游算力基建是当前机构共识度最高的投资方向之一。

在这个环节，浪潮信息在国内AI服务器市场占有率居首，是字节跳动、百度、阿里巴巴的重要供应商；中科曙光则凭借自主可控的算力，为国产词元生产提供支撑。在芯片层面，海光信息、寒武纪、摩尔线程等国产厂商正在加速追赶，但正如求是网专栏文章所指出的，“高端训练与推理AI芯片、集群无损组网技术、高吞吐低延迟推理加速框架等仍较大程度依赖国外产品与生态”。

比芯片更底层的，是电力。黄仁勋那句“收入=每瓦词元数×可用千兆瓦数”的公式，道破了词元经济的能源本质。国际能源署2026年4月发布的报告显示，全球数据中心用电量预计将从2025年的约485太瓦时攀升至2030年的约950太瓦时。如此庞大的能耗，让“算电协同”从概念变成了国家战略—2026年首次被写入政府工作报告。西南水电、西北风电光伏，正在成为吸引算力落地的核心竞争力。储能则被视为这条产业链的逻辑闭环，市场正在形成一种共识：储能的度电成本，正在成为词元定价的“汇率基准”。

数据中心建成之后，总功率便是固定的。在硬件不变的前提下，提升收入的核心手段是让每一瓦电产出更多可计费的词元。

中游是连接上游算力与下游需求的核心枢纽，承担Token标准化、交易撮合、跨域调度、计费结算职能，包含三大类经营主体：头部云厂商、三大电信运营商、垂直算力分销平台，也是商业模式创新最密集、行业竞争最激烈的环节之一。

在模型层，互联网大厂占据通用模型底座：阿里巴巴的通义千问定位为“词元经济的最大批发商”；腾讯混元大模型在社交、游戏、云场景高频调用;字节跳动的豆包大模型拥有超过1.5亿日活用户，是国内日均词元消耗量最高的平台之一。大模型独角兽则各有侧重：智谱AI周调用达1.03万亿词元，海外收入占比超50%;MINIMAX在词元出海领域领先，OpenRouter全球调用量排名第一，每周调用3.07万亿词元，市场份额22%;DeepSeek则通过算法优化将推理成本降至行业十分之一以下，被称为“极致降本者”。

通信运营商手握全国骨干网络、分布式算力节点、海量政企客户资源，将Token作为继语音、流量后的第三大战略价值载体，走出特色经营路径。

中国电信落地174亿元Token工厂算力服务集采项目，推出“连接+Token+安全”一体化套餐，覆盖个人创作者、开发者、工业企业；中国移动提出“百亿Token、千亿算力、万亿产值”长期目标，分层设置个人小额Token包、企业年度算力Token框架协议；中国联通上线“联通星罗”调度平台，依托算网底座实现跨区域Token智能路由分发。

运营商核心优势是政企渠道壁垒深厚，政务、交通、能源行业数字化项目优先选用运营商Token服务；短板在于AI技术积累薄弱，分词优化、模型推理能力弱于互联网大厂，高价值复杂场景Token供给竞争力不足，现阶段以标准化通用Token批发为主，增值服务拓展缓慢。

词元经济的下游，是产业链中最热闹的环节之一。这里既有“词元工厂”的直接运营者，也有将词元包装成产品卖给终端用户的“零售商”。

更值得关注的是词元流通环节中的“灰色地带”——Token中转站。这些平台聚合了国内外数十个大模型的API接口，用户只需一个账号，就能以低于官方的价格调用ChatGPT、Claude、Gemini等模型。

从“按度计费”到“按效定价”

词元经济的商业模式，正在经历从简单到复杂、从粗放到精细的演进。

最基础的商业模式之一，是将词元作为AI服务的“度”来售卖。大模型厂商的API按词元收费，云服务商的算力按词元定价。OpenAICEO萨姆·奥尔特曼在今年初的一次演讲中说：“从根本上说，我们的业务，以及每一家AI模型提供商的业务，本质上都将变成出售词元。”

这种模式下，词元消耗量直接决定收入。字节跳动的词元消耗约每三个月翻一倍，部分模型企业甚至出现“一个月天收入超越2025年全年”的爆发业绩爆发。2026年以来，多家上市公司宣布探索“Token工厂”业务，行业商业模式从按GPU时长租赁升级为按词元交付计费的TaaS(Token-as-a-Service)模式。英伟达2026年7月全新的AI基础设施合作模式，将通过收入分成和信用支持机制，与AI云服务商共同建设大规模AI工厂，创造与算力使用量挂钩的持续性收入。

如果说大模型厂商是“发电厂”，那么Token中转站就是“售电公司”。它们的商业逻辑很简单：以更低的价格从上游批量获取词元，再以略低于官方API的价格转售给终端用户，赚取差价。

中国大模型正在凭借显著的推理成本优势，通过海外API平台大规模输出词元。据申万宏源计算机团队测算，国产AI模型综合推理成本仅为海外的六分之一至十分之一。长城证券认为，词元出海的实质是中国本土AI模型通过API接口向全球提供推理服务，按处理量计费，实现算力与电力的“数字化出口”。昆仑万维是这一模式的典型代表：其天工大模型全球API每天处理词元超过200亿，海外收入占比70%以上，2025年API收入达32亿元，同比增长210%。

2026年的AI商业模式正在经历从“API经济”到“Agent经济”的范式转移。在API经济时代，用户为生成的文本付费；在Agent经济时代，用户为完成的任务付费。AgentA可以委托AgentB完成子任务并支付词元，Agent可以出售积累的技能给其他Agent，形成Agent间的词元流通市场。这意味着，计费单位正从“词元”转向“任务/效果”。正如部分业内人士指出的，企业不应只问“每百万词元多少钱”，更应追问“解决一个合格问题多少钱”。

从“野蛮生长”到“有序发展”

词元经济在狂飙突进的同时，也暴露出一系列深层次的结构性问题。目前，业界大模型公司采用的分词器算法不同，同一段中文文本在不同大模型下可能被切分为相差数倍的词元数量；图文音多模态输入的词元折算方法更是各行其是。缺乏统一的词元调用量核算口径、质量评价标准及计费公示规则，使得宏观层面无法准确监测AI应用渗透率，微观层面企业也难以横向比价选型和核算智能化改造投入产出。

当前，市场叙事仍容易停留在“买了多少芯片、训练了多大模型、消耗了多少词元”，甚至将模型接入数和接口调用量直接等同于应用成效。基础问答、文本整理等低价值任务反复运行，或者为了增加词元消耗量而人为拉长提示词、增加无效轮次，构成了“词元虚耗”。国际能源署的数据揭示了一个深刻事实：尽管单次AI任务的能耗年均下降超过一个数量级，但推理、智能体等复杂任务的单次能耗可达简单文本生成的数百乃至数千倍。技术效率的提升并不会自动带来资源节约。

当前，国内Token调用量高速增长，但大量消耗集中在文档检索、基础问答、简单内容生成等低附加值场景，制造、能源、医疗、科研等核心生产流程Token渗透率偏低，产业呈现“有量无价”困境。

大型企业缺少Token精细化成本管理体系，无效填充、重复计算带来大量Token虚耗，推高企业使用成本，付费意愿进一步收缩；中小企业、个体开发者仅能承担基础通用Token采购，无力付费垂直行业微调、智能体等高价值Token服务，产业价值增长速度落后于调用量增速。

与此同时，Token中转站的野蛮生长，带来了数据安全和合规风险。用户数据在整个调用过程中完全暴露于中转站，相当于在网页上流传，给黑客可乘之机。据相关媒体报道，业内几家大公司都会通过买数据的方式来训练模型，不少中转站长曾被询问过能否出售用户数据。6月12日，Anthropic宣布收到美国政府指令，对旗下最先进的两款AI模型实施全面访问限制，限制对象涵盖美国境外的所有机构和个人。这意味着，依赖逆向工程和灰色账号池的中转站，生存空间正在被急剧压缩。

词元经济的崛起，标志着AI产业从技术探索迈入商业变现的新阶段。它如同工业时代的煤炭、石油，信息时代的带宽与算力，成为AI时代最基础的“价值载体”之一。但词元不是天然同质、可脱离模型与任务独立流通的商品，更不能简单视作新的法定生产要素。不同模型的分词机制各异，同等数量的词元在能力释放、成本结构和能耗水平上可能相差悬殊。衡量词元经济，不能看“跑了多少”，而要看“解决了什么问题、形成了多少价值“。

从“跑马圈地”走向“精耕细作”，不是放慢人工智能发展的步伐，而是为它建立一种更可持续的增长范式。以单位有效任务为尺度，以产业增值为目标，以标准、技术和生态协同为支撑，词元经济方能从规模扩张真正迈向质量跃升，为智能经济的高质量发展注入源源不断的持久动力。

采写：李洪力

图表：曙念

编辑：晓燕

指导：辛文