8月3日，北京经开区发布“词元十条”。按照规划，到2030年，北京亦庄将建设四座万卡词元工厂，打造跨模型、跨算力的“超级入口”。企业在实际场景中调用大模型，还可以按照词元消耗获得最高50%的补贴。

两千公里外，汕头已经做成了一笔词元跨境交易。一款销往新加坡的AI玩具接到用户提问。问题通过国际通信链路传回汕头，部署在境内的模型完成推理，再把答案传给海外用户。整次服务消耗约10万词元，按照每百万词元2元计价，交易金额大约两毛钱。

北京在建工厂、抢入口，汕头在卖一笔两毛钱的智能服务。从宏大的产业政策到微小的跨境订单，一个原本藏在模型后台的技术单位，突然走到了经济舞台中央。广东成立词元交易和服务中心，上海发放模型及Token券。各地对词元经济的布局，已经从概念讨论进入政策和项目阶段。

词元经济真的来了。

问题也随之而来：它究竟是一种新的经济形态，还是又一轮概念包装？

要回答这个问题，先得把五条边界划清。

第一问：词元到底是什么？词元≠新石油

词元贯穿语料处理、模型训练和推理服务。经过加工和确权的语料可能具有资产属性，资产对象是语料及其使用权。当前词元经济主要围绕推理端展开，Inference Token（推理词元）随调用即时生成、即时消耗，不具备独立资产属性。把它称为“新石油”，夸大了一个计量单位的价值。

人向大模型输入一句话，模型会先把文字、标点、数字乃至图像描述拆成若干片段，再逐个处理。

这些片段就是Token，中文规范名称叫“词元”。

用户输入问题会消耗词元，模型生成答案也会消耗词元。模型公司通常按照输入量和输出量收费，词元由此成为大模型服务最常见的计费单位。

但一个汉字未必对应一个词元，一个词元也未必对应一个完整的词。

同样一句话，交给不同模型处理，产生的词元数量可能不同；同样消耗一万个词元，不同模型给出的答案质量也可能相差很大。

词元和资源消耗有关，却无法直接说明模型调用了多少芯片、消耗了多少电，更无法说明创造了多少价值。

把词元称为“新石油”，很容易高估它的资产属性。

石油具有相对稳定的物理属性，可以储存、转让和长期持有。词元通常在模型调用过程中即时产生、即时消费，本身没有独立的稀缺性。

更准确地说，词元经济正在给智能服务装上一块“电表”：API计费系统负责计量，词元数是表上的读数。这个读数让模型服务可以按量计价，但计量口径目前尚未统一。同一项任务在不同模型上产生的词元数量不同，输出质量也可能相差很大。

词元记录的是处理规模，最终价值还要看任务结果。

这是理解词元经济的第一条边界。

第二问：词元怎么变成一门生意？按词元收费≠买卖词元

企业按词元付费，购买的是模型完成任务的服务。词元只负责记录这项服务用了多少。所谓词元经济，核心是智能服务的计量、定价和结算，并不存在一批等待买卖和升值的词元。

词元原本只是模型内部的计数单位。

每处理一段输入，每生成一段回答，系统都会记录相应的词元数量。模型公司再根据这个数量收费，一次技术处理就变成了一笔可以结算的交易。

一个计数单位能够支撑生意，需要三个条件：服务可以拆分，价格可以计算，结果可以交付。

大模型API恰好补齐了这三个条件。

过去，企业想使用人工智能，往往需要采购服务器、部署模型、组建技术团队。项目周期长，前期投入也很重。

大模型API出现以后，企业可以按次购买智能服务：识别一份合同付一次钱，生成一段代码付一次钱，完成一轮客服对话再付一次钱。

企业购买的是模型完成任务的能力。词元负责记录这项服务用了多少。

算力、数据和模型也由此被打包进同一笔账单。企业无需了解后台用了多少张芯片、调用了哪些数据，只需要比较调用价格、响应速度和输出质量。

这才是词元经济成立的基础。

电表没有创造电力，却支撑了电力市场。词元没有创造智能，却降低了智能服务的交易成本。它让人工智能能力可以被切分、报价和持续购买，也让模型服务从一次性交付的软件项目，转向按需使用的基础服务。

谁掌握计量口径、调用入口和结算系统，谁就可能影响下一代智能基础设施的规则。

词元自身不会升值。它真正发挥作用的地方，是帮助智能服务完成交易。

这是第二条边界。

第三问：词元越多，价值越大吗？调用量≠价值量

调用量只能说明模型使用了多少，无法直接说明解决了多少问题。一亿词元可能完成一项复杂任务，也可能消耗在冗长输出和智能体的无效循环中。

这是目前最容易被混淆的一笔账。

《全国数据资源调查报告（2025年）》显示，2025年我国词元调用量约为21100万亿，日均调用量从年初的超过1万亿增长到年末的100万亿。今年3月，国内日均词元调用量进一步超过140万亿。

增长确实存在，而且速度惊人。它至少说明，大模型正在从偶尔试用走向高频调用。

但调用量只能证明市场活跃，无法直接证明价值增长。

设想两家公司处理同样一万份合同。第一家公司消耗一亿词元。第二家公司通过模型优化，只消耗两千万词元。如果只看调用量，第一家公司规模更大；如果看效率，第二家公司明显更强。

模型反复输出废话、智能体陷入无效循环，同样会产生大量词元。消耗增加了，任务没有完成，账单却照样上涨。

地方政策正在放大这个矛盾。

北京亦庄沿着整条产业链展开布局：上游建设万卡词元工厂，中游打造统一调用和结算的“超级入口”，下游通过模型券、词元券刺激应用需求。北京争夺的是词元供给能力和服务分发入口。

广州南沙选择从市场基础设施切入。依托广州数据交易所建设的广东词元交易和服务中心，计划开展计量规则、合规鉴证以及普惠、行业、跨境三个专区的交易服务。广州争夺的是计量标准和交易秩序。

上海发放算力券、模型及Token券和语料券，重点降低企业调用模型的成本。扬州推出Token券、跨区域Token运营中心和算电协同中心，希望把本地算力、新能源与中小企业的应用需求连接起来。

几地政策各有侧重：北京抓生产和入口，广州抓标准和交易，上海、扬州抓应用消费，汕头与临港抓跨境交付。

真正的隐忧在于，这些路线最后可能重新汇合到同一个指标：调用了多少词元。

工厂看产量，平台看流量，地方看增速，企业看补贴。只要政策奖励与词元消耗量直接挂钩，模型效率越低，获得的补贴反而可能越多。

一家企业消耗一亿词元完成任务，另一家企业只用两千万词元完成同样的任务。按照调用量考核，前者可能得到更高评价；按照生产效率考核，答案完全相反。

词元经济已经建立数量账，质量账仍然空白。

评价词元政策，关键看真实收入、任务效果、词元效率和能源消耗。脱离这些指标，万亿级调用量也可能只是一场统计繁荣。

这是第三条边界：调用量代表使用规模，无法单独代表经济价值。

第四问：词元出海，究竟卖出了什么？词元出海≠算力出海

词元出海与算力出海处在同一条产业链的不同层级。算力出海主要交付计算资源，词元出海交付按量计费的模型推理服务。前者提供生产能力，后者提供经过模型加工的任务结果。

词元出海常被描述为算力出海的升级版：算力出海卖“铲子”，词元出海卖“金子”。

这个说法足够形象，边界还要再划准确一些。

算力和词元处在同一条产业链上。芯片、服务器和数据中心提供底层计算能力，模型把算力加工成推理服务，词元负责计量和结算。

当芯片部署在境内、境外客户通过API发起请求、境内模型完成推理并返回结果时，跨境交付的是模型服务。词元承担这项服务的计费单位。

这类交易更接近按量收费的人工智能推理服务出口。

相比直接输出硬件，它可以利用国内的芯片、电力和模型，把附加值更高的服务交付给海外客户，也能降低对硬件跨境运输的依赖。

汕头的优势来自产业场景。当地拥有庞大的玩具产业带，也有连接海外市场的商贸网络。AI玩具在海外销售以后，语音对话、故事生成和陪伴服务仍然需要持续调用境内模型。

传统玩具只能形成一次商品收入。接入大模型以后，每一次对话都可能带来新的服务收入。也就是说，一只玩具完成一次出口，智能服务却可以卖很多次。

截至今年7月，汕头方面公布的对外词元服务已经达到日均百亿级，并形成AI玩具、跨境电商等多个应用场景。

上海临港走的是另一条路。当地依托国际数据加工试点、跨境通信链路和模型服务平台，探索“境外需求接入、境内模型推理、结果跨境交付”的完整流程。

两地共同验证了一件事：中国的模型能力可以通过数字服务形式进入海外市场。

但这条路没有自动消除地缘政治和合规风险。风险只是换了位置。硬件出口面对芯片和设备管制；模型服务出口还要面对数据跨境、内容安全、知识产权、算法透明、服务责任、税收归属和跨境结算。数据从哪里来，推理过程在哪里完成，生成内容由谁负责，收入在哪个地区确认，都需要规则回答。

按照词元收费，也不会自动产生一种全新的国际贸易类别。具体交易属于何种数字服务，仍要看合同关系、数据流向和实际交付方式。

因此，词元出海能否形成产业，不能只看调用次数。还要看有没有真实客户、持续收入、稳定复购以及可以承受的合规成本。

汕头那笔两毛钱订单，首先证明了技术、通信和支付链路能够跑通。要形成成熟产业，还需要把两毛钱变成长期订单，把示范项目变成可复制的商业模式。

这是第四条边界：词元出海输出的是按量计费的模型服务，词元只是这项服务的结算单位。

第五问：词元经济需要什么样的规则？规则缺口≠法律空白

词元经济受到版权、个人信息、数据安全、生成内容和市场竞争等现有规则约束。当前的缺口主要集中在计量口径、质量评价、调用量审计、资本约束和跨境责任衔接。

词元经济并非身处法律真空。

训练数据受到版权、个人信息和数据安全规则约束；模型生成内容受到人工智能服务和内容治理规则约束；跨境调用还要遵守数据出境、网络通信和国际贸易制度。

现阶段真正缺少的，是适合词元服务的市场规则。

首先，计量规则必须透明。

平台怎样计算输入和输出词元，缓存调用是否收费，工具调用和长文本怎样计价，企业都应该能够核验。

不同模型的词元数量无法直接比较，所谓“统一计量”也不能简单规定一个词元值多少钱。监管需要统一的是计费披露、核验方法、审计流程和争议处理规则。

涉及政府补贴和公共采购时，还要引入独立审计，防止虚构调用量、制造无效流量以及通过关联交易套取资金。

其次，质量评价必须跟上。

不同模型的一个词元，承载的智能含量可能相差很大。市场需要在具体任务中评价正确率、完成率、响应速度、稳定性和单位任务成本。

今年6月，全国首个Token服务性能监测平台发布，开始监测调用成功率、首词时延、输出速度等指标。这说明行业的关注点已经开始从调用数量转向服务质量。

但技术性能只是第一步。模型回答得快，不代表回答得对；词元价格低，也不代表完成任务的总成本低。最终还要看模型是否解决了问题。

再次，绿色成本必须入账。

模型输出越长，消耗的算力和能源通常越多。地方建设词元工厂时，不能只考核产量，还要公开单位词元能耗、单位任务能耗和清洁能源使用比例。

如果模型用一倍的任务价值，制造出十倍的词元消耗，这种增长很难称为高质量发展。

第四，责任也必须能够追溯。

一项服务可能同时涉及境外客户、境内模型、第三方数据、云平台和支付机构。一旦发生数据泄露、侵权输出或服务中断，需要提前明确责任链条、税收归属和争议解决机制。

还有一个容易被忽略的问题：计量权可能变成新的平台权力。如果一家平台同时控制模型、接口、计量规则和结算入口，它既当运动员，也当裁判员。未来的监管重点除了价格，还应覆盖接口开放、计费透明、数据可携带和市场公平竞争。

第五，资本同样需要规则。

数据中心、模型优化、行业应用和跨境服务都需要长期投入，资本当然应该进场。它最该支持的，是高质量数据、底层技术和能够解决真实问题的应用。它也最容易犯一个错误：把词元产量直接换算成未来收入，再把调用量包装成估值。

一座词元工厂拥有多少张卡、每年能够生成多少词元，只能说明供给能力。没有付费客户，没有稳定任务，再大的产量也只是闲置产能。

更需要警惕的是一种资金空转：政府发放词元券，企业用券购买模型调用，平台做大调用量，再拿调用量争取融资和下一轮补贴。每个环节都有增长数字，终点却没有真正付费的市场客户。

因此，资本给词元企业估值，至少要看真实收入、付费客户、复购率、任务完成率和单位任务成本。企业也应分别披露财政补贴、免费调用、关联交易和市场化收入，避免把不同性质的流量装进同一张增长曲线。

政府引导基金与市场资金也要明确分工。财政性资金更适合投入计量标准、公共测评、绿色算力和跨境合规等基础能力，市场资金则承担模型商业化和应用竞争的风险。地方如果争相投资同类词元工厂，最终很可能重演数据中心重复建设和低利用率的问题。

还要给金融划冲动划线。词元是模型服务的计费单位，不能被包装成可以囤积、炒作和承诺升值的类金融产品。以未来词元产量为噱头开展预售、质押或高收益融资，也需要受到严格约束。

这是最后一条边界：词元经济需要新规则，重点在计量、评价、审计、资本约束和责任衔接，也就是管好数量、质量、成本、责任、资金这五本账，无需另起炉灶制造一套法律体系。

词元经济值得重视，因为智能服务正在进入大规模交易阶段。

它也值得警惕。过度神化会把一个计量单位包装成资产，盲目否定又会错过智能服务交易方式正在发生的真实变化。

词元可以给智能计数，却无法替智能定价。词元经济的上半场看产能、价格和调用规模。下半场的竞争，将围绕一件更困难的事展开：谁能用更少的词元，完成更复杂的任务，创造更高且可以验证的价值。