马化腾、陈志武、吴晓波联袂推荐！这本讲AI的书，真的有点不一样

在过去几年里，阿信家出版了好几十本与AI有关的书。它们的作者来自各行各业——科学界、经济学界、产业界、哲学界、教育界、社会学界，讨论的话题也是五彩纷呈：中美科技竞争、AI与人类尊严、AI对就业市场的影响、如何将AI引入企业管理……

说实话，阿信写推文都快写累了，光书单就做了好几期。即便如此，依然有许多读者留言表示，这些书都很好，但自己还是不太明白AI发展的趋势，脑海中徒有一个——甚至好几个——思考框架，一碰到具体的投资、行研情境，仍是茫然无措，犹豫不决。

突破口在哪里？阿信思来想去，发现了端倪：大多数研究者都倾向于从宏观的定性视角审视AI，但对普通读者而言，光有定性还不够，或许，我们还需要一个微观的定量视角。

从AI自身发展的逻辑来讲，这种对“定量视角”的需求是有迹可循的。在大语言模型普及之初，我们非专业人士对它们的优与劣是没有精确概念的：看响应速度快不快，还是看回复文本多不多，还是看幻觉比例高不高？我们甚至无法形成关于这些指标的权重的共识。

同样地，我们对经济体与经济体之间人工智能产业的比较也缺乏精确的维度：都知道美国领先、中国追赶，可究竟领先多少，追赶得又有多快呢？蒸汽时代可以看钢铁产量，电气时代可以看发电千瓦时，互联网时代可以看主机数、域名数，那在人工智能时代，又该比较什么呢？

我们也许不宜再仅仅使用“日活”“月活”这些互联网时代的概念去描述人工智能时代的经济活动。在许多业内人士看来，真正牵一发而动全身的指标，叫做Token。

我们应该都还对今年上半年那场讨论有所印象：2026年3月，全国科学技术名词审定委员会正式推荐“词元”作为AI领域Token的中文名。《人民日报》在随后推出的“聚焦Token经济”专栏中指出，词元已从技术概念升级为智能经济发展的核心标尺，成为决定数字产业竞争格局的关键底座。‌‌

Token究竟是什么？它何以用来衡量人工智能产业的发展？这个广受讨论的微观概念，将如何重构我们对人工智能时代的认知？

这些问题，在腾讯研究院出品的新书《Token经济》中，将一一得到回答。

本书获腾讯公司董事会主席兼CEO马化腾、香港大学香港人文社会研究所所长陈志武、财经作家吴晓波、上海外国语大学全球文明史研究所教授施展等多位跨界大咖的联袂推荐。正如施展在推荐语中所说：

《Token经济》抓住了AI时代最底层的变化。理解Token，不只是理解大模型，更是理解下一轮秩序如何生成。

《Token经济》

白惠天 袁晓辉 司晓 著

腾讯研究院 司晓 出品

2026年8月

点击卡片，即可购买

Token经济的逻辑基础

本书作者之一司晓，日前在2026中国国际大数据产业博览会上发表了一篇主题演讲，题目就叫《词元——数据要素价值释放新路径交流活动》。在这篇演讲中，司晓提及了腾讯内部对Token经济的一个论断：Token是机器智能不可切割的最小单元，也是智能时代最显性的脉搏。

我们该如何理解“不可切割的最小单元”的含义？从纯技术的角度出发，它指的是Token是AI模型处理信息的最小操作单位。既然涉及到“单位”，那就自然引出了一个结果：Token本身的可计量性。

计量，是让我们对一个事物的认识从模糊走向精确、从表象走向本质的基本手段。我们回想一下之前几个技术时代那些用来计量的单位：

农业时代，人们计量粮食、美酒，中国用的是升、斗，西方用的是蒲式耳（bushel）。巧合的是，与升和斗一样，“蒲式耳”的本义也是一种容器。蒸汽时代之初，人们开始计量煤炭、钢铁的重量，从本质上来看，它和农业时代别无二致——计量的对象，都是有形的物质。

进入电气时代，计量的对象发生了变化，人们需要对无形的能量有精确的判断。于是，作为单位的千瓦时出现了，它基于严格的物理学定义，也反过来成为人们进一步探索物理学的一块阶梯。

到了互联网时代，计量的对象变得更抽象了：我们该如何衡量信息的“大小”？比特（Byte）由此应运而生。有了它，我们在面对一堆图、一堆视频的时候，就不会只停留在“糊”“清晰”这些视觉层面上的定性描述。更重要的是，它让信息脱离物质载体实现无界传播成为可能：当声音、图形、色彩都被可计量的0与1的排列所解析，那么在遥远的另一头完整地复现它，也就水到渠成。

那么，在人工智能时代，我们计量的对象，又变成了什么呢？答案是智力本身——一次理解、一次推理、一次判断、一次生成……

朴素地讲，我们能够很自然地接受这样的说法：同样一个问题，认真地思考和敷衍地思考所耗费的“脑力”是不同的。可怎么衡量这种差异呢？人工智能的登场在制造这种衡量需求的同时，也第一次让智力得以脱离人脑，且可被随时调用。

Token，就是这种计量绕不过的单位。

纵观人类技术史，单位使计量成为可能，计量使定价成为可能，而定价则使交易和流通成为可能。流通形成市场，市场孕育产业，产业塑造生活，生活改变认知，认知决定未来。

这就是Token经济为什么可能的完整逻辑。如果我们只看到作为产业的人工智能，那我们对人类未来的理解，只完成了一半。

Token经济的核心变化

当智力劳动第一次被切分成可计量、可结算的单位之后，经济系统会发生什么变化？这是《Token经济》一书想要深入探讨的话题。全书从本质、价值、成本、需求、竞争、商业和制度7个层面，系统回答了一系列决定AI经济走向的关键问题：

·为什么同样数量的Token，创造的价值可能相差上千倍？

·为什么单位价格不断下降，企业的AI总支出反而持续增长？

·当智能体成为新的调用者，市场需求、商业模式与产业竞争格局将发生怎样的变化？

·未来，它又将如何影响科技竞争走向、社会规则制定及个人发展？

过去，思考、判断、写作、编程、分析和沟通主要依附在人身上，难以被精确拆分，也难以像能源或信息那样进行连续的市场交换。Token的出现，意味着一部分智力劳动开始脱离人脑，进入机器系统，成为可以规模化生产、调度和分配的新型经济资源。

这一变化首先改写的是价值问题。Token可以记录一次生成消耗了多少计算，却不能直接说明这次生成创造了多少价值。同样的底层消耗，进入不同任务场景，可能对应完全不同的经济结果。价值不在Token数量本身，而在任务价值、模型能力、结果可用性，以及人和组织能否把结果转化为行动。

它同时改写了成本问题。Token看上去是数字对象，却不是传统软件意义上接近零边际成本的复制品。每一次生成、推理、调用和重试，背后都有芯片、能源、网络、数据中心、模型架构和工程系统在运转。算法进步可以让成本快速下降，但电力、芯片、基础设施和调度能力，仍然决定了智能能以什么规模被生产、以什么价格被交付。

需求侧的变化更深。早期AI使用还可以用人的注意力和时间解释，但随着多模态生成、智能体执行、代码自动化和多智能体协作展开，越来越多Token开始在机器之间流动。需求不再只取决于人问了多少、看了多少，还取决于机器执行了多少、协作了多少、重试了多少。调用的发起者因此不再只是人，还包括嵌入组织流程和软件系统中的机器行动者。

竞争也随之改变。AI行业的竞争不只是模型能力之争，也不是单纯的价格战，它还围绕Token生产效率、消耗效率、价值转化效率和定价权展开。芯片层、模型层、应用层的利润分布会被重新排列，开源与闭源的拉锯会持续改变能力价格，中美之间也会围绕算力、能源、工程优化和生态标准形成不对称竞争。谁能用更低的Token成本完成更高价值的任务，谁就更有可能获得新的产业位置。

商业模式同样会被重写。Token最初像一种智能原材料，以API调用的形式被出售，但企业真正购买的往往不是原材料本身，而是任务完成、流程优化、岗位替代、收入增长和风险降低。于是，Token被包装成订阅、套餐、积分、工作流、结果付费和数字员工。商业模式的演化，本质上是在把底层消耗翻译成客户愿意理解、预算、验收和支付的价值单位。

这里还包含一层更深的科技平权含义。按Token计费时，普通用户需要理解提示词、模型档位、上下文长度和调用优化，技术鸿沟很容易变成账单鸿沟；按效果收费时，优化责任更多回到供给侧，用户只需要说清楚目标和结果标准，而不必理解它如何被算出来。智能从特权工具走向公共能力，靠的不只是模型降价，还要靠商业模式把复杂性藏到后台，把结果交到前台。

制度层面的压力也会越来越明显。当Token只在企业内部流动时，它是账单、成本和预算；当Token跨越国界时，它就变成贸易、税收、责任、安全和规则问题。一次跨境调用到底是软件服务、数据处理、算力出口，还是一种被Token精确计量的智能产出？一个智能体完成任务后出了错，责任又应该落在模型、路由、编排方还是客户身上？这些问题说明，Token已经不只是技术单位和商业对象，还正在逼近制度对象。

把这些层次合在一起看，Token经济的核心变化并不是AI多了一个计费单位，而是认知能力第一次以如此细密、连续、可编程的方式进入经济系统。它改变了成本结构，改变了价值分布，改变了需求主体，改变了产业竞争，也改变了商业和制度的边界。

Token经济的内在张力

然而，正如作者在本书结尾所指出的，Token经济不会自动通向一个更好的世界。

认知能力变得更便宜，不意味着价值分配会更公平；智能体能完成更多任务，不意味着人会自动获得更多自由；企业能够用更少的人完成更多工作，也不意味着社会能自然处理由此带来的收入、身份和尊严问题；技术可以被用来降低成本，却不会替社会回答这样做的目的是什么；模型可以被用来提高效率，却不能替人类决定什么值得被效率化。

这正是Token经济的张力所在。一方面，它让个人、小团队和普通组织有机会调用过去只有大公司、大机构才能拥有的认知资源。一个人可以让智能体写代码、查资料、做方案、跑流程、管理客户，原本需要团队协作才能完成的工作，可能被重新压缩到更小的组织单元里。另一方面，机会也可能被重新绑定到算力、模型、平台和工作流之上。一个人能调度多少智能，能否组织好上下文，能否管理智能体的错误和风险，可能会越来越深地影响他能完成什么工作、进入什么网络、获得什么收入。

因此，未来真正尖锐的问题，可能不是是否需要普遍基本收入（UBI）， 而 是是否会出现某种普遍基本算力（UBC）。 一个社会如果把可调用的智能变成新的公共资源，就必须回答：人获得的是新的能力还是新的依赖？能力分配是通过市场价格完成还是需要某种公共保障？教育要教人记住更多知识，还是教人提出问题、拆解任务、判断结果、管理智能协作者？就业和创业的边界，会不会因为每个人都拥有一个或多个智能体而被重新划定？

这并不意味着劳动会消失，也不意味着知识不再重要，恰恰相反，劳动和知识会被重新组织。过去，人通过劳动把时间转化为收入，通过知识把经验转化为判断；未来，人还需要学会把目标转化为任务，把任务转化为模型可以执行的流程，再把模型生成的结果重新带回人的判断之中。人的价值不会简单停留在比机器更会算、更会写、更会记上，还会更多体现在提出问题、设定目标、理解场景、承担责任、判断后果和赋予意义上。

因此，Token经济的制度建设不能只围绕效率展开。统计Token，不只是为了多一个经济指标；治理Token，不只是为了降低模型风险；讨论Token的贸易、税收和责任，也不只是为了让跨境服务顺利运行。

更根本的问题是，当智能成为一种可以规模化生产和分配的社会资源时，我们要决定它如何被接入公共生活，如何被纳入市场秩序，如何被约束在人的目的之下。诚如作者所言：

Token经济的终点，不应是让人退到系统之外，只剩下被模型替代、被平台分配、被账本度量的位置，它更应该让人有能力重新站在系统中央，调用智能而不是依附智能，使用效率而不是被效率吞没，在一个智能被大规模生产的时代，继续成为目的本身。

Token经济的终点，依然是人。

系统解释AI时代的新经济变量

回应前沿而现实的产业议题

深入剖析“Token时代”的价值与效率逻辑

点击卡片，即可购买

-End-

2026.9.2

编辑：闪闪 | 审核：孙小悠