編程不再需要敲代碼，而是通過對話的方式交給AI，甚至是對著話筒說一句“給我做個某某功能”就能實現。這個想法放在五年是“天方夜譚”，但在今天似乎已經成為了程序員的“基本操作”。

這只是當前眾多AI應用的“冰山一角”，AI產業正站在一個十字路口。 一邊是技術供給端的狂歡，英偉達股價翻倍再翻倍，大模型層出不窮，算力規模以指數級擴張；另一邊卻是需求端的迷茫，企業砸了錢買了算力，卻算不清這筆賬究竟值不值。而作為價值連接器的Token正在成為AI能否兌現價值的關鍵。

Token成為AI時代的“度量衡”

2024年初，中國日均Token調用量大約是1000億。到了2025年底，這個數字躍升至100萬億。2026年3月，國家數據局公布的數據顯示，日均調用量已突破140萬，兩年增長超過千倍。

這是什么概念？中國人民大學教授魏哲巍用電類比了Token，如果把Token比作“智能時代的電”，那我們現在正處于“電燈剛剛被發明出來的階段”。他表示：“今天也還僅僅是個序幕。我們還沒有真正見識到它在全部角落里釋放。”

IDC數據顯示，2026年中國模型即服務（MaaS）市場的Token調用量預計將達到40000萬億次，營收約186億元。與此同時，IDC預測，全球年度Token消耗量將從2025年的0.0005 Peta Token升至2030年的15萬Peta Token，年復合增長率高達3418%。到2031年，全球活躍智能體數量將達到3.5億個。

Token的爆發式增長，讓一個根本性問題浮出水面：Token到底值多少錢？誰來定價？

對此，中國信通院信息化與工業化融合研究所副所長黃偉給出了他心中的框架性答案。黃偉將Token的價值拆解為五個維度：生產成本、生產效率、準確性、生態價值和安全合規。生產成本涵蓋芯片折舊、電力消耗、模型優化、系統調度，“你每問AI一個問題，背后可能涉及從GPU到存儲、從軟件棧到互聯網絡的整條鏈路。”黃偉如是說。

但理想很豐滿，現實很骨感，現實中Token的定價在不同行業，不同場景下，也千差萬別。中泰證券報告顯示，Token的跨場景價值差可達十萬倍。藥物研發領域的Token，均價能達到1000美元/百萬Token；而閑聊類的Token，可能只要0.01美元/百萬Token。同樣是100萬個Token，在制藥公司手里能篩選出一個潛在藥物分子，在社交應用里可能只是幾句閑聊。

聯想集團副總裁、中國首席戰略官阿不力克木（以下簡稱“阿木”）表示，“我寫的一千字和作家寫的一千字，稿費是不一樣的。”Token統一了計量單位，但Token背后產生的“智力水平”，才是決定價值上限的關鍵。

而在黃偉看來，只有“有效Token”才是真正對行業，對企業有價值的，中國信通院人工智能研究所所長魏凱也曾公開表示，“Token的經濟價值不能只看單價，行業亟須一套衡量‘高質量Token’的標尺。”他甚至直言：“低質量Token只是算力的噪聲，而高質量Token才是智能的信用。”

“三大定律”，Token經濟學的第一次理論嘗試

就在學界和產業界對Token的"價值標尺"爭論不休時，阿木與筆者分享了聯想集團在Token經濟學中思考得出的“三大定律”。談及為何會有如此思考之時，阿木表示，日常最重要的工作之一就是幫企業和客戶算“AI賬”。而過去半年，幾乎每一家找他聊AI的企業家，臉上都掛著同樣的表情：焦慮。

Token單價確實在降，降得很快。但打開自家后臺一看，AI總支出卻翻了十倍。這筆賬怎么算？AI到底該不該投？什么時候才能開始賺？......這些問題困擾著絕大部分想應用AI卻又不知如何下手的企業。

而正是基于這些AI應用的問題，阿木提出了一套被他稱為“實驗性思想”的框架：Token經濟的“三大定律”。這可能是業界第一次有人試圖用定律的形式，來概括Token經濟的運行規律。

第一是慣性定律，單位Token成本持續下降。阿木認為，單位Token成本會持續、穩定地下降，就像摩爾定律一樣，但這一定律有三層“慣性”。

第一級慣性是芯片、能源和模型本身的技術創新。芯片算力更高了，模型在同樣參數下達到更高的智能水平了，能耗更低了。這些都在推動單位Token成本下降；

第二級慣性是調優。阿木表示，將“模、算、電”三者一體化地拼搭和優化，最高還能再降50%的成本，“從超節點到標準集群，再到完整的Token工廠，每一個層級的優化都在壓低成本。”阿木強調；

第三級慣性是運行時調度。在實際使用中，通過智能調度實現“哪個意圖分發給哪個模型、用哪個GPU、怎么計算”，進一步降低成本。聯想推出的Token Hub，做的就是多模型、多平臺統一接入的算力調度和模型路由服務。

阿木以聯想為例分析了三級慣性的布局：第一級，聯想跟國內外的芯片廠商聯合研發，讓下一代GPU的設計更貼近實際應用場景；第二級，把服務器、集群、液冷散熱這些“后臺工程”打磨到極致，同等算力下Token產出效率提升20%以上；第三級，通過一個叫Token Hub的調度系統，把公有云、私有部署、邊緣設備上的算力統一管理起來，讓每一個Token任務跑到最合適的地方去。三層疊加，成本還能再往下壓。

第二定律是加速定律，單位Token價值加速釋放。如果說第一定律講的是“成本”，第二定律講的就是“價值”。在阿木看來，單位Token產出的價值會因三個因素而加速增長。

第一，AI嵌入流程的深度。如果只是讓員工拿AI當問答工具，那Token的價值和一個高級搜索引擎差不多。但如果把AI嵌入業務流程，讓它承擔某個節點的實際工作，比如分子篩選、代碼生成、招投標文件自動評審......不同的場景中，Token的價值能差出10倍。

第二，工程化的深度。阿木講了一個細節：現在很多企業買了AI工具，員工也用起來了，但效果一般。原因不是AI不行，是周邊的“工程”沒跟上，比如數據沒準備好、流程沒改造、智能體沒打磨。他打了個比方：信息化時代，企業需要ERP實施顧問駐場幾個月，才能把系統跑起來。AI時代也一樣，需要一種新角色——他管這個叫“前線交付工程師”，深入一線，把智能體做出來、嵌進去、迭代好。這個過程，大部分企業才剛剛開始。

第三，配套的到位程度。阿木拆了四個維度：有沒有AI原生的人才和組織？有沒有Token工廠這樣的基礎設施？有沒有一套治理體系來審計AI的ROI、管理知識資產、保障安全？有沒有一套投資模型來算智能體的“損益表”？

第三個定律是奇點定律。如果將企業AI應用的成本與價值化作兩條曲線，放在了同一象限里。在某個“奇點”之前，成本曲線跑在價值曲線上面，企業投入AI，賬是虧的。過了那個“起點”，價值曲線反超成本曲線，進入正循環。“奇點之前，AI幫你省的是存量成本。比如三個人月薪三萬，現在用Token八千，省了兩萬二，”阿木進一步指出，“奇點之后，AI產出的叫增量價值，是能幫你做到以前根本做不到的事。”

什么是增量價值？是一天生成100萬個短視頻腳本，是一年發現一個有效藥物分子，也是讓一個沒學過編程的人做出一個App，“這些都是創新的規模化。”阿木如是說。工業革命實現了工業品的規模化生產，信息革命實現了數據的規模化生產，智能革命實現的是創新的規模化生產。

阿木甚至把視野拉到了更遠的地方。“如果你把AI跟個人比，它確實比你聰明。但這沒意義。一個人的智能怎么跟一百萬人、一千萬人前赴后繼的智力網絡比？艾滋病研究了上百年，全球科學家接力——這才是人類解決重大問題的真正方式。而AI的終極價值，應該對標這種‘人類級別的命題’。”

企業如何從焦慮走向正循環

理論探討歸理論探討，現實中的Token賬單不會等人。2026年，一個讓所有企業措手不及的問題浮出水面。據英國《金融時報》報道，美國網約車巨頭Uber在2026年4月就燒光了全年的AI預算，管理層不得不把每位員工每月的AI編程工具使用費卡在1500美元。Meta內部測算顯示，若維持當前員工調用增速，2026年僅內部AI使用一項就將耗資數十億美元。亞馬遜的高管甚至公開告誡員工“不要為了使用AI而使用AI”。

這不是個別現象。FinOps基金會的數據顯示，2026年AI推理成本在企業AI總預算中的占比已超過八成。字節跳動旗下火山引擎總裁譚待在公開場合算了一筆賬：如果一個企業有1000名員工、每人每天調用模型100次，按當時的市場均價，一年Token費用可能高達數千萬人民幣。“很多企業根本沒算過這筆賬，以為AI就是買個會員。”

問題出在哪？首先是Token的“質量折扣”。黃偉在沙龍上提到的“暗中降精度”現象，并非孤例。Token市場的報價五花八門：有的是固定月費但設了隱形上限，超出部分按Token計費；有的是按輸入+輸出總量計費，但有最小計費單元——哪怕你只輸入了10個Token、輸出了20個Token，也可能按100個Token收費。用戶很難橫向比價，預算規劃形同虛設。

其次是智能體帶來的“Token通脹”。Gartner今年3月的分析顯示，智能體場景下的Token耗用量是普通對話的5到30倍。一個智能體完成一項任務，可能要觸發10到20次模型調用，每一次調用又要“思考”大量思維鏈。你問AI“幫我規劃一次去云南的旅行”，它可能要先規劃行程、查機票、查酒店、查景點......每一步都是一串Token。

“我們很多客戶來找我，說AI太貴了。”阿木說，“我問他你用了什么場景，他說我的員工天天用它寫周報。”寫周報這種事就是相對Token價值比較低的一件事。這個例子有點極端，但它點出了一個核心問題：Token本身沒有好壞，關鍵在于用在哪里。用在寫周報上，百萬Token的價值可能不到1美元；用在藥物靶點發現上，百萬Token的價值可以是1000美元，跨場景Token價值差可達十萬倍。

針對此，信通院正在推動一套“高質量Token服務標準體系”，從服務質量、運營能力、生產能力、安全能力四個維度構建標準框架。黃偉提出一個關鍵主張：用戶要有“知情權”，服務商必須披露后臺用的是什么樣的算力、什么版本的模型、什么級別的精度。“好的算力可以貴一點，前兩代的產品可以便宜一點。但用戶得知道自己買的是什么。”

產業端的探索更加務實。聯想推出了Token Factory（Token工廠），把Token生產從“手工作坊”變成“標準化車間”，讓企業可以按需調用、按Token計費。三大運營商陸續推出Token套餐，像賣流量一樣賣AI算力。支付巨頭Stripe斥資約10億美元收購了一家專為OpenAI、Anthropic等大模型公司提供Token用量計量的創業公司Metronome，資本市場已經在押注“Token計量”這個賽道。

“現在大家說Token貴，是拿它跟發電廠的電費比。但發電廠建好了，電來了，冰箱、電視、空調才跟著出來。真正的價值在冰箱電視上，不在電費單里。”阿木進一步指出。

Token有了價格，有了賬單，有了定律，甚至有了哲學追問。但誰能跑過那個“奇點”，取決于誰能讓每一“口”AI呼吸都產生真實的價值。

“AI的盡頭不是裁員，AI是為了讓創新本身規模化。”這個目標，現在聽起來還像個口號。但想想一百年前的人聽“家家戶戶都有電”時的心情，可能和我們今天聽這句話的心情差不多。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）