摘要： 词元（Token）作为大模型的基础语义单元，已从技术参数跃升为智能服务的通用定价基准，围绕其形成的词元经济正加速成为智能经济的新兴形态。然而，当前词元经济呈现典型的“数量驱动”特征，“量”的扩张能否自动带来“质”的提升，成为其高质量发展的核心议题。本文提炼出效率提升、效能优化与公平分配三位一体的高质量发展内涵，并从技术、市场与制度三个维度揭示其内生驱动机制。针对通用模型对专用智能的挤出效应、注意力分配困境以及基础设施治理主体缺位三重结构性约束，本文提出“价值锚定—规则重构—协同治理”的制度设计路径：价值锚定旨在让价格信号重新对准真实价值；规则重构旨在让有贡献者获得公平回报；协同治理旨在从赢家通吃走向共生共赢。研究为理解智能经济时代的价值创造与分配提供了理论框架，也为我国抢占全球人工智能规则竞争制高点提供了政策参考。
关键词： 词元经济；高质量发展；智能经济；制度设计；价值锚定
自2022年生成式人工智能大规模商业化以来，词元（Token）已从算法内部的技术参数，迅速跃升为智能服务的通用定价基准与价值结算单位。当前，国内外主流大模型厂商普遍采用“每百万词元”的API计价模式，词元调用量成为观察人工智能产业活跃度的核心指标。伴随着大模型技术的持续迭代以及智能体、多模态应用向各行各业的加速渗透，国内词元调用量在两年间实现了千倍级别的增长，词元经济已具备完整产业链的新兴经济活动形态。国家数据局已明确将词元定位为智能经济的价值锚点，杭州、贵阳、深圳、芜湖等城市先后搭建了交易平台与算力调度平台，相关产业实践已走在理论研究前沿。
然而，当前词元经济的运行仍以调用量为核心绩效指标与定价依据，呈现典型的“数量驱动”特征。这一模式是否可持续？“量”的扩张能否自动带来“质”的提升？词元经济究竟该如何迈向高质量发展，是必须回答的核心问题。研究词元经济高质量发展，是回答新时代人工智能快速发展背景下“效率、公平以及主导权”等现实问题的密钥。其一，关乎投资效率。截至2026年3月，我国已建成万卡智算集群42个，智能算力规模超过1882 EFLOPS。若词元经济长期陷入“增量不增质”困境，前期巨额算力投入将面临回报风险。其二，关乎分配公平。算法工程师与算力运营商获取了丰厚回报，而为大模型训练贡献原始数据的广大用户和内容创作者，其劳动价值却被排除在计价体系之外；同时，中文词元消耗量通常为英文的1.5倍至2倍，形成了事实上的使用成本差异。其三，关乎产业主导权。词元作为智能服务的“通用结算货币”，其定价权、标准制定权与治理规则主导权正在成为全球人工智能竞争的新焦点。
学界对词元经济的研究尚处于起步阶段，既有文献主要从概念界定、产业逻辑与微观机制等层面展开。在概念层面，部分学者从技术—经济范式出发梳理了词元经济的演进脉络；在产业逻辑层面，相关研究分析了词元经济如何推动产业智能化升级；在微观机制层面，已有研究比较了各地词元交易平台的制度差异，剖析了计量法治化困境。从理论分析角度看，现有研究多依托产业经济学、技术经济学等中观理论展开，在理论纵深上仍存在拓展空间。罗默的内生增长理论、科斯的交易成本理论以及网络经济学与双边市场理论，分别从技术效率、制度基础与市场动力三个维度，为构建词元经济高质量发展的分析框架提供了理论支撑。基于此，本文尝试回应以下核心问题：词元经济高质量发展的微观动力源自哪里？面临哪些深层次的现实制约？如何通过制度设计实现从“量的膨胀”向“质的提升”的根本转变？
从表面看，词元经济是围绕大模型API调用形成的商业活动总和。本文认为，词元经济首次将智力服务的生产、计量、交换与消费纳入了标准化、可分割、可定价的市场体系，其本质可从三个角度理解。第一，作为商品的词元，具有生产与消费瞬时同步、高度可分割性、极低边际复制成本等特征，是数字服务商品化的新形态。第二，作为生产要素的词元，在各类智能应用中扮演着“中间品”角色，形成“词元投入—词元产出”的循环生产链条，具有“双重身份”属性。第三，作为计量单位的词元，为算力服务提供了通用度量衡，降低了交易成本，扩大了交易半径。三者形成“交易对象→生产投入→度量基准”的递进逻辑，共同构成词元经济区别于其他经济形态的本质特征。
词元经济的高质量发展主要体现在效率提升、效能优化与公平分配三个特征上，与新发展理念具有内在一致性。第一，技术效率集约化，摆脱算力堆砌的粗放增长模式。高质量发展阶段，效率提升的核心驱动力转向算法架构优化、分词技术迭代与算力智能调度。通过模型轻量化、混合专家架构等技术革新，可在大幅降低算力消耗的同时维持甚至提升智能服务能力，体现了创新发展与绿色发展理念。第二，应用效能价值化，实现资源与高价值场景的精准匹配。要求引导词元资源从低价值场景向医疗、工业、法律等垂直高价值领域流动，计价体系需结合任务难度、推理精度区分服务等级，顺应了协调发展理念。第三，收益分配公平化，构建多方共赢的利益格局。需要建立数据贡献确权与回报机制，平衡产业链各主体利益，优化多语种分词标准，体现了共享与开放发展理念。三者相互关联、彼此支撑，构成高质量发展的完整图景。
效率提升、效能优化与公平分配三项特质，分别对应技术、市场与制度三个相互依存的内生驱动维度。
技术基础在于算法效率与算力调度形成正向协同，使单位词元生产成本持续下降。“算法创新—成本下降—市场扩张—数据反哺—再创新”的循环构成技术维度的自增强机制。当算法效率而非硬件堆砌成为竞争主赛道时，词元经济的技术演进路径就从“拼算力”转向“拼智力”。然而该机制正常运转的前提是创新成果能在全行业快速扩散，开源生态的可持续盈利问题仍有待解决。
市场维度的动力源于数据反馈与场景分化共同驱动的价值发现。一方面，每次词元调用既满足用户需求，又为模型优化提供训练信号，需求侧直接参与供给侧优化，构成词元经济区别于传统商品经济的核心市场动力。另一方面，不同场景对词元质量的要求出现明显分化，市场机制若能有效传递这些信号，词元资源便会自发向高价值场景靠拢。但若计价体系无法区分高价值与低价值词元，价格机制引导资源配置的功能将无从发挥。
制度的核心功能是为技术演进和市场运行提供“交通规则”。第一个层面是标准供给，统一的词元计量标准、跨模型换算规则降低了交易成本，为市场机制深度运转创造了产权明晰的前提。第二个层面是分配正义，需设计和推行让数据贡献者获得合理回报的规则体系，包括数据产权界定、贡献度计量与收益分享机制的制度化，以维持市场需求的长期活力。
当前产业界盛行“通用模型崇拜”，巨额研发预算砸向通用基座迭代，导致垂直领域专用智能技术得不到应有的关注。不同场景对智能能力的需求截然不同，通用模型追求面面俱到，结果往往样样通、样样松。这挤压了MoE架构、小参数高质量模型等多元化技术路线的生存空间，并催生了“参数大就等于能力强”的扭曲评价标准，使行业竞争重心偏向参数扩容而非场景适配，技术演进脱离了实体经济真实需求。
当词元边际生产成本降至极低水平后，智能服务供给量爆炸式增长，但高质量有效信息被淹没在低质内容洪流中。大模型固有的“幻觉”问题使用户甄别真伪的成本急剧攀升，这实质是信息不对称在词元经济中的具体表现，类似阿克洛夫的“柠檬市场”情境——若用户只能依据词元单价选择，高质量服务可能被低质量服务挤出。当获取答案成本趋零，用户对信息质量的敏感度下降，独立思考习惯退化，市场失去升级的内生动力。
词元服务正成为智能时代的基础设施，但治理架构远未匹配其公共属性。核心环节几乎完全由民营企业主导，公共治理尚未到位，缺乏必要的制衡与问责。这种公共性弱化加剧了“智能鸿沟”：大型企业能调用高阶接口，付费用户享有优先响应，免费用户只能使用延迟较高、能力较弱的版本。落实“普遍服务”原则以保障基本智能服务，在当前的治理框架中几乎未被涉及。
三重现实约束相互交织、彼此强化，形成低水平循环。本文从“价值锚定—规则重构—协同治理”三个维度进行综合制度设计。
第一，建立词元的质量分级标准。由国家标准化主管部门牵头，按推理深度、事实准确性等维度划分通用级、专业级、推理级等不同等级，并同步建立可审计的检测工具与第三方认证体系。第二，推行场景差异化定价。对医疗、法律等高价值高风险场景允许收取更高词元单价，并配套严格的服务等级协议和责任追溯机制；普惠场景维持低价，让价格如实反映价值。第三，建立词元输出的质量与能耗标识制度。借鉴食品营养标签思路，要求服务商在输出时附带事实核验得分、推理深度等级和幻觉风险提示，并逐步建立词元碳足迹披露机制与绿色词元认证标签。
第一，构建词元基础设施的分权制衡架构。出台词元计量、跨模型换算、分词器备案等国家标准，将分词规则制定权纳入公共治理框架；对具有市场支配地位的算力服务商施加公平接入与互操作性义务。第二，建立数据要素贡献者的合理回报机制。建立训练数据来源登记与溯源体系，开发数据贡献度评估工具，并借鉴著作权集体管理组织模式，通过数据信托或集体管理组织实现规模化和制度化的回报。第三，将语言公平纳入治理议程。在国内将多语种分词公平性测试纳入大模型备案必要环节；在国际依托“一带一路”与金砖机制，联合非英语国家推动词元计量国际标准制定。第四，正视跨境合规挑战。依托自贸区与数字保税区，在数据出境安全评估、跨境结算规则互认等领域开展压力测试与规则对接试点。
第一，构建基础服务普惠化、增值服务市场化的供给结构。普惠层以公共算力为支撑提供低成本标准化服务，缩小智能鸿沟；增值层由市场主导，为垂直领域提供定制化服务并允许较高定价。第二，为专用模型拓展发展空间。在国家重点研发计划中设立垂直领域高精度模型专项，鼓励建设开源语料库与评测基准，矫正技术轨道锁定。第三，建立多元主体协同的治理架构。由国家数据局牵头建立国家词元经济治理联席会议，形成、平台、行业组织与用户代表四方参与的协同模式，重大事项须经多方协商程序。第四，开展用户认知素养提升计划。将人工智能素养纳入国民教育体系与公务员培训，培育审慎的AI使用习惯，从需求侧筑牢质量防线。