从"调用量"到"计量权"：词元经济到底在争什么

最近几个看起来不太搭边的动作几乎同时出现：广东出台了全国第一个词元经济的省级专项政策，四川发起"词元券"把补贴重心从算力建设转向应用消费，三大运营商开始卖"词元套餐"。"词元"这个词，几个月前还只是大模型圈里的一个技术参数，如今突然成了地方政府和运营商争相布局的对象。

一个计费单位，为什么值得专门出政策？

我的判断是：词元（Token）正在被重新定义——从大模型的"计费单位"，被正式拔高为智能经济里的"数据要素"和"计量语言"。这背后的政策逻辑，远不只是给 AI 产业造一个新名词，而是在争夺智能经济基础设施的"定义权与计量权"。而真正需要警惕的，不是这个概念被炒热，而是"调用量爆炸"与"商业价值转化"之间的结构断裂。

为什么偏偏是"词元"

8 月 17 日，《求是》刊发唐杰的文章《以词元为引擎推动智能经济高质量发展》，把词元抬到了相当高的位置。同一天前后，《学习时报》也刊发了国家数据发展研究院院长的长文《词元经济的运行规律、发展态势与宏观治理》。两篇重量级文章在同一个时间窗口出现，本身就是一个信号。

唐杰给出了三个理由，解释了词元为什么能成为一个"政策抓手"：

第一，它可计量、可定价、可交易。作为大模型调用规模的统计单位，词元把"智能"这种原本无形的服务，变成了可以像水电一样"即取即用、按量计费"的标准化商品。

第二，它是动态生成的高密度数据要素。传统数据是静态记录，词元则是"经过模型活化后的知识"，蕴含了模型在特定任务上的推理、生成和决策过程。

第三，也是最关键的一点——它技术中立、不绑定任何厂商。用唐杰的原话，掌握词元这个计量单位，"实质上等同于掌握了智能经济基础设施的定义权与计量权"，就像石油时代的"桶"和电力时代的"度"。

换句话说，词元经济之所以被写进《求是》，不是因为它是技术热点，而是因为它恰好卡在了一个政策难题的接缝上：数据要素市场化改革。

一个卡了很久的难题

过去几年，"数据要素"一直是政策热点，但落地始终艰难。难点集中在三件事上：数据确权难、定价难、流通难。原始数据涉及产权归属、隐私合规、安全边界，谁都不愿意轻易把数据拿出来交易。

词元提供了一个绕开这三难的新路径。国家数据发展研究院院长在文章里点得很清楚：词元开创了"调用即流通、计费即结算"的交易范式——不需要直接交易原始数据，就能在商业化应用闭环里完成数据价值的释放和变现。

这是关键的一步。过去我们纠结于"怎么把数据当成商品卖出去"，词元的逻辑则是"把数据加工成词元，按调用量收费"。前者卡在产权和合规，后者直接进入可计费、可结算的闭环。所以词元经济被看作是"数据要素价值释放的新路径"，是数据要素市场化配置改革的突破口。

数据支撑下的"量级爆发"

这一轮词元经济的叙事，背后有实打实的数字。

唐杰的文章给出了一组数据：我国日均词元调用量，2024 年初约为 1000 亿，2025 年底跃升到 100 万亿，2026 年 3 月突破 140 万亿——两年增长超千倍。而《学习时报》的文章口径更进一步，称到 2026 年 6 月已突破 500 万亿，仅三个月就又增长了 2.5 倍多。同时，据全球大模型聚合平台 OpenRouter 统计，2026 年 4 月下旬以来，中国大模型的周词元调用量已连续三个月超过美国、稳居全球首位。

从产业底座看，截至 2025 年底全国算力总规模达 300 EFLOPS、智能算力占比超 40%，2025 年数据产业规模 6.8 万亿元、全国已建成高质量数据集 12 万个。这些数字构成了词元经济"量级爆发"的物质基础。

到这里，故事似乎是顺理成章的：量在爆发，产业在扩张，政策在跟上。但问题恰恰出在这里。

断裂点：调用量大 ≠ 价值转化高

两篇文章都没有回避一个尴尬的事实，反而把它摆在了显眼的位置——词元的调用量在爆炸，但商业价值的转化率并不高。

唐杰的文章里点了三个制约因素，其中两个尤其关键：

其一，词元调用存在结构性矛盾。聊天、文生图这类消费级应用的调用量大，但商业收益低；中小企业级应用虽然增长快，但渗透率仍然有限；而大量高价值的调用，沉淀在企业内部封闭系统里，没有转化为开放平台 API 的生态红利。

其二，词元产出向实体经济价值的转化率不高。尤其在工业制造、科研创新等高附加值领域，渗透率仍然偏低。

《学习时报》的文章把这个矛盾说得更透：词元虽然是统一的计量单位，但它的内生价值并不均质。用于日常对话、常规检索的"低密度词元"，信息稀疏、消耗算力却产出寥寥；用于复杂推理、多模态生成、高阶决策的"高密度词元"，价值则高出一个量级。这意味着，词元经济真正的竞争力，不在于"总量规模有多大"，而在于稀缺的算力与数据资源能不能被引导到高信息密度的知识生产领域。

这跟地方政府的实际动作形成了张力。文章直言，当前地方词元政策"多聚焦服务器采购与算力规模补贴"，对高质量数据集建设、行业模型精调、高价值词元产出等关键环节引导不足；部分词元工厂建设已经出现同质化苗头，有项目投产后利用率不高、盈利能力不足。

换句话说，我们在重复算力时代已经犯过一次的错误：把"规模"当成了目标本身。

真正该先做的事

如果接受"词元经济争夺的是计量权与定价权"这个判断，那么接下来的动作就应该围绕"计量"和"价值密度"展开，而不是继续堆调用量。几个可以落地的优先级：

第一，先把计量标准和统计口径立起来。唐杰明确建议，探索把"单位词元消耗对 GDP 的拉动效应""重点行业人工智能渗透率"等指标纳入国家统计体系。《学习时报》文章也建议，统一 API 接口规范、词元计量与质量分级标准，建立词元经济统计监测体系。这是最基础、也最该由数据部门牵头先做的事——没有统一的"度"，后面所有的定价、交易、考核都无从谈起。

第二，把政策重心从"算力补贴"转向"AI 就绪数据"。词元生产的上游瓶颈不在算力，而在高质量行业数据。文章反复强调的"AI 就绪数据"（AI-Ready Data），指的是从分散、非结构化、未标注的原始数据，转化为模型可直接调用的高质量数据集。这是公共数据授权运营、数据产权结构性分置改革真正应该发力的地方。

第三，用"价值密度"而不是"调用量"来考核。地方布局词元工厂，如果只比 GPU 卡数、只比调用量，必然重演算力中心同质化的老路。应该把词元价值密度、行业赋能效果作为差异化激励的依据，引导资源向高密度、高价值的专业场景倾斜。

唐杰的判断可以作为收尾的锚点：智能经济的内生增长动力，来自"智能水平—API 调用量—智能转化效率"的正反馈循环。三者缺一不可，而当下最薄弱的，恰恰是最容易被"调用量"这个漂亮数字盖住的那一环——智能转化效率。

把词元叫成"电费"也好、"数据要素"也好，名字不重要。重要的是，我们得先搞清楚：这一轮，我们到底是在抢一个定义，还是在真正把智能变成可计量、可交易、可转化的生产力。这两件事，差得很远。

---

来源：《求是》｜唐杰：以词元为引擎推动智能经济高质量发展（智源社区转载）；《词元经济的运行规律、发展态势与宏观治理》（《学习时报》2026年8月17日）