買得起Token，買得到“靠譜”嗎？

撰文 | 雁 秋
編輯 | 李信馬
題圖 | 電影《華爾街之狼》

在ChatGPT引爆AI浪潮 后 的第四年，出現(xiàn)了一個(gè)新 的經(jīng)濟(jì)學(xué) 概念： Token經(jīng)濟(jì)。

在AI領(lǐng)域，Token是詞元，是語(yǔ)言的“原子”，是文本處理的最小單位。這個(gè)曾經(jīng)的技術(shù)術(shù)語(yǔ)，如今成為了衡量AI價(jià)值的“基礎(chǔ)單位”，被市場(chǎng)明碼標(biāo)價(jià)。

2026年5月，國(guó)內(nèi)三大運(yùn)營(yíng)商陸續(xù)官宣售賣“Token套餐”，9.9元包1000萬(wàn)Token（中國(guó)電信）、1元買40萬(wàn)Token（中國(guó)移動(dòng)）、Token與手機(jī)寬帶融合打包（中國(guó)聯(lián)通）......這意味著，以后用AI消耗掉的Token都會(huì)計(jì)入費(fèi)用賬單。

價(jià)格是由價(jià)值決定的，Token套餐的推出再一次印證了這個(gè)道理。

國(guó)家數(shù)據(jù)局信息顯示，截至3月，我國(guó)日均Token調(diào)用量已超過(guò)140萬(wàn)億，相比2024年初的1000億增長(zhǎng)了1000多倍。摩根大通預(yù)測(cè)，中國(guó)AI推理Token消耗量將從2025年的約10千萬(wàn)億增長(zhǎng)至2030年的約3900千萬(wàn)億，五年增幅約370倍。

圖源：國(guó)家數(shù)據(jù)網(wǎng)

數(shù)據(jù)揭示了人們對(duì)AI 的旺盛需求，AI算力被看作新時(shí)代下的“水電煤”，Token就是數(shù)字生活中的基礎(chǔ)消費(fèi)品。可定價(jià)、可計(jì)量的Token單元，讓產(chǎn)業(yè)鏈也有了清晰的分工界面：誰(shuí)負(fù)責(zé)生產(chǎn)、誰(shuí)負(fù)責(zé)分發(fā)、誰(shuí)負(fù)責(zé)消費(fèi)，各環(huán)節(jié)的成本和利潤(rùn)變得可追溯、可標(biāo)準(zhǔn)化，商業(yè)價(jià)值得以進(jìn)一步顯現(xiàn)。

但美好圖景背后卻藏著另一種真相。這些龐大的Token到底用在了哪兒？它們真的解決問(wèn)題了嗎？以及，當(dāng)你的每一次調(diào)用都被記錄、每一筆消耗都變成數(shù)據(jù)，這張看不見(jiàn)的“網(wǎng)”，到底攥在誰(shuí)手里？

近期，IDC Direction 2026 趨勢(shì)論壇分享了Token經(jīng)濟(jì)學(xué)下的一些趨勢(shì)和思考，結(jié)合這些觀點(diǎn)，DoNews逐一進(jìn)行了梳理。

01.

Token流向了哪里？

日均140萬(wàn)億次的調(diào)用量，看起來(lái)確實(shí)足夠震撼。但其中有多少是有效調(diào)用，有多少是重復(fù)生成、無(wú)效請(qǐng)求，目前沒(méi)有權(quán)威數(shù)據(jù)。

比起數(shù)字，更關(guān)鍵的是看誰(shuí)在用、怎么用。

根據(jù)QuestMobile發(fā)布的《中國(guó)移動(dòng)互聯(lián)網(wǎng)2026春季大報(bào)告》，截至2026年3月，AI原生App月活用戶規(guī)模已達(dá)到4.4億，其中，豆包、千問(wèn)、DeepSeek位居前三位，月活用戶規(guī)模分別為3.45億、1.66億和1.27億，單季度新增了1.3億用戶。一季度，豆包、千問(wèn)、DeepSeek三者在整個(gè)季度的平均活躍率分別達(dá)到33.5%、17.1%和21%，豆包平均使用次數(shù)54.8次/月，DeepSeek 41.7次/月，千問(wèn)為19.8次/月。

C端用戶的基數(shù)雖大，但絕大多數(shù)人可能只是讓AI寫個(gè)朋友圈文案、生成一張圖、翻譯一段話。這些場(chǎng)景消耗的Token看似頻繁，實(shí)則單次量小，真正的Token消耗大戶在B端。

根據(jù)OpenRouter與a16z聯(lián)合發(fā)布的百萬(wàn)億Token實(shí)證研究報(bào)告，編程類任務(wù)已從2024年初占總用量的11%躍升至2025年的50%多，Agent驅(qū)動(dòng)的自動(dòng)化工作流產(chǎn)生了平臺(tái)上過(guò)半的輸出Token。

大量Token不是被“普通用戶”消耗的，而是被開(kāi)發(fā)者、企業(yè)嵌入到日常流程中，用來(lái)自動(dòng)寫代碼、跑測(cè)試、生成文檔。這就引出了一個(gè)尷尬的現(xiàn)實(shí)，Token調(diào)用的指數(shù)型增長(zhǎng)，并非主要作用于普通人生產(chǎn)力的提升。

在B端，還有很大一部分Token被用于“自己喂自己”，人們花錢買來(lái)的算力，變成了訓(xùn)練下一代模型的“飼料”。原因是行業(yè)缺少高質(zhì)量數(shù)據(jù)， 當(dāng)大模型把互聯(lián)網(wǎng)上公開(kāi)的文本、代碼“學(xué)”光之后，再去哪里找新知識(shí)？答案是，用AI生成的內(nèi)容再去訓(xùn)練AI。

IDC中國(guó)研究副總裁鐘振山在一次公開(kāi)分享中提到，像DeepSeek、通義千問(wèn)等國(guó)產(chǎn)模型在全球基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異，秘訣之一就是它們“消化”了海量的代碼和語(yǔ)料。這些語(yǔ)料很多正是由上一代模型（如GPT-3.5、Claude 2）生成的。

但“自己喂自己”正在抬高企業(yè)成本，而非降低。 IDC中國(guó)研究副總裁周震剛提到一個(gè)“Token經(jīng)濟(jì)學(xué)的悖論”：Token單價(jià)確實(shí)在暴跌（中國(guó)模型價(jià)格是海外的1/6到1/10），企業(yè)的總賬單卻在飆升。這就好比電價(jià)便宜了，但家里電器越來(lái)越多、越開(kāi)越久，月底一看電費(fèi)還是漲了。

總而言之，現(xiàn)在Token更像“工業(yè)用電”，而非“民用電”，它驅(qū)動(dòng)的是AI產(chǎn)業(yè)的內(nèi)部循環(huán)，尚未真正滲透到每一個(gè)普通人的數(shù)字生活。

02.

別談價(jià)格，先說(shuō)“好用”

絕大多數(shù)用戶面對(duì)AI付費(fèi)的第一反應(yīng)不是掏錢，而是猶豫。原因很清楚，你還沒(méi)證明自己足夠好用，憑什么讓我先付錢？

近期討論最多的，大抵就是豆包AI幻覺(jué)引起的各種魔幻事件，它除了“一本正經(jīng)的胡說(shuō)八道，嬉皮笑臉的認(rèn)真道歉”外，甚至在真實(shí)的政策上誤導(dǎo)用戶。

起因是某用戶需要退訂機(jī)票，為了使損失降到最低，他問(wèn)了豆包。豆包也非常“認(rèn)真”地列出了步驟，甚至生成了“可追溯、可追責(zé)”的賠付承諾。結(jié)果出乎用戶的意料之外——這份決策建議并未奏效。更魔幻的是，之后該用戶決定拿起法律武器——用豆包生成的起訴書，將豆包告上法庭。

如果是提供退票操作的步驟出了問(wèn)題，我們可以理解成AI幻覺(jué)，但“虛假承諾”表示自己擁有賠付和承擔(dān)法律責(zé)任的功能，就不能用幻覺(jué)來(lái)解釋。豆包的問(wèn)題和其他大模型一樣，并未成熟到百分百有用、好用，甚至只是遵守法規(guī)條例。

圖源：小紅書截圖

C端用戶對(duì)價(jià)格敏感，但對(duì)“不確定的風(fēng)險(xiǎn)”更敏感，企業(yè)端也一樣。

目前，中美AI模型的能力差距已縮小至2.7%，模型能力會(huì)越來(lái)越強(qiáng)，API調(diào)用會(huì)越來(lái)越方便。

這看起來(lái)是個(gè)好消息，但I(xiàn)DC調(diào)研顯示，在國(guó)外企業(yè)“不考慮使用中國(guó)AI模型的原因”中，他們優(yōu)先考慮的因素不是性能——因?yàn)樾阅芤呀?jīng)很接近——而在于能不能長(zhǎng)期穩(wěn)定使用，值不值得繼續(xù)花錢，以及能不能接進(jìn)客服、研發(fā)、法務(wù)、風(fēng)控這些現(xiàn)有流程，是否和系統(tǒng)兼容等等。

大多數(shù)人似乎陷入一個(gè)誤區(qū)，將算力邏輯等同于體驗(yàn)邏輯。

運(yùn)營(yíng)商和云廠商熱衷于告訴你“1塊錢買40萬(wàn)Token”，仿佛Token越多，你就越賺。但問(wèn)題是，消耗這40萬(wàn)Token，到底能不能解決實(shí)際問(wèn)題——如果需要不斷“調(diào)教”、反復(fù)修改指令、忍受答非所問(wèn)，Token再便宜也毫無(wú)意義。

好用，是唯一的標(biāo)準(zhǔn)。這就引出了一個(gè)更關(guān)鍵的概念——Skill（技能）。

鐘振山分享了一個(gè)耐人尋味的實(shí)驗(yàn)：用OpenClaw在水木社區(qū)發(fā)帖，第一次消耗了6500萬(wàn)Token，發(fā)了兩次才成功，但第二次調(diào)用時(shí)，Token消耗降到了37萬(wàn)，前后大約200倍的差距。原因在于OpenClaw自己寫了一個(gè)“skill”，把重復(fù)動(dòng)作變成了可復(fù)用的工具。

Token本身只是原材料，真正產(chǎn)生價(jià)值的是讓Token完成有效任務(wù)的Skill。如果缺少豐富的Skill庫(kù)，Token就只是被消耗，而不是被“使用”。未來(lái)，企業(yè)間比拼不是誰(shuí)的模型參數(shù)大、誰(shuí)的Token單價(jià)低，而是誰(shuí)的Skill生態(tài)更豐富、更聰明。

03.

安全成本誰(shuí)來(lái)買單

剛才已經(jīng)說(shuō)明兩個(gè)問(wèn)題：首先，大量Token消耗在AI模型的自我訓(xùn)練中，并未直接轉(zhuǎn)化為普通用戶的生產(chǎn)力；其次，即便Token流向應(yīng)用層，實(shí)際效用也遠(yuǎn)未達(dá)到“好用”的標(biāo)準(zhǔn)。

但在這兩個(gè)問(wèn)題之外，還有一個(gè)更根本性的風(fēng)險(xiǎn)。Token經(jīng)濟(jì)的擴(kuò)張，正在重新定義安全的成本結(jié)構(gòu)，而這個(gè)成本，目前幾乎沒(méi)有人買單。

首先，Token本身就存在被污染的風(fēng)險(xiǎn)。大模型沒(méi)有“判斷力”，一切都是靠投喂內(nèi)容生成——無(wú)論這個(gè)內(nèi)容是正經(jīng)知識(shí)還是惡意假話。一旦假數(shù)據(jù)喂多，它的“概率認(rèn)知”就會(huì)跑偏，就會(huì)說(shuō)假話、傳遞假信息。

更值得警惕的是，國(guó)家安全部已經(jīng)發(fā)出預(yù)警，Token在特定場(chǎng)景下充當(dāng)著數(shù)字世界的“臨時(shí)身份證”，一旦泄露，攻擊者可直接盜用用戶身份，獲取隱私信息、登錄賬號(hào)，甚至實(shí)施轉(zhuǎn)賬，威脅個(gè)人財(cái)產(chǎn)安全。

其次，Skill的安全隱患被嚴(yán)重低估。IDC的觀察顯示，目前市面上超過(guò)60%的開(kāi)源Skill可能存在安全風(fēng)險(xiǎn)，但普通用戶和企業(yè)缺乏有效的技術(shù)手段去判斷一個(gè)Skill是否“有惡意”。Thales《2026年數(shù)據(jù)威脅報(bào)告》也提出，70%的企業(yè)將AI列為首要數(shù)據(jù)安全風(fēng)險(xiǎn)，但僅34%的企業(yè)清楚所有數(shù)據(jù)的存儲(chǔ)位置。

正如任何工具一樣，Token的價(jià)值取決于我們?nèi)绾慰创⑹褂盟．?dāng)調(diào)用量從千億級(jí)躍升至百萬(wàn)億級(jí)，人工審核已完全不可行，而目前的安全審計(jì)工具尚未針對(duì)Agent驅(qū)動(dòng)的權(quán)限模型做出實(shí)質(zhì)性升級(jí)。

一個(gè)值得關(guān)注的新趨勢(shì)是，以MISOS為代表的新型模型，其核心能力不是經(jīng)過(guò)安全數(shù)據(jù)專項(xiàng)訓(xùn)練，而是通過(guò)對(duì)海量開(kāi)源代碼、技術(shù)文檔、漏洞報(bào)告等語(yǔ)料的消化，具備了自主識(shí)別系統(tǒng)弱點(diǎn)的能力。這意味著安全攻防的底層邏輯正在變化：傳統(tǒng)體系中，攻防雙方都是“人”；而未來(lái)，雙方都可能部署模型，企業(yè)需要對(duì)抗的不再是零散的黑客行為，而是模型驅(qū)動(dòng)的自動(dòng)化攻擊。

隨著Agent部署規(guī)模擴(kuò)大、模型權(quán)限邊界模糊、攻擊手段升級(jí)，安全成本必然會(huì)成為“必選項(xiàng)”。IDC預(yù)測(cè)，到2028年，企業(yè)在AI安全相關(guān)的算力和服務(wù)支出將占到AI預(yù)算的15%-20%。

但問(wèn)題是，這筆錢誰(shuí)出？目前，無(wú)論是運(yùn)營(yíng)商推出的Token套餐，還是云廠商的API定價(jià)，都沒(méi)有單獨(dú)列出安全成本。用戶買到的實(shí)際上是未經(jīng)凈化的“原水”，一旦發(fā)生數(shù)據(jù)泄露或身份盜用，責(zé)任歸屬是模型廠商？Skill開(kāi)發(fā)者？還是用戶自己？

Token可以定價(jià)，但信任不能；算力可以規(guī)模化，但責(zé)任很難拆分。運(yùn)營(yíng)商把AI切成了最小單位，市場(chǎng)也欣然接受了這把尺子，但具體的刻度還得一筆筆仔細(xì)劃清楚。否則，再簡(jiǎn)單的賬單，也沒(méi)人算得明白。

「創(chuàng)新無(wú)邊界」是我們的slogan，我們不局限于對(duì)互聯(lián)網(wǎng)行業(yè)的追蹤與探索，更要向未來(lái)、向未知的方向大膽邁進(jìn)。因此，「打造行業(yè)新標(biāo)桿、解讀商業(yè)新動(dòng)向」是我們秉持的方向之一。