智薈月刊 | 從讀萬卷書到行萬里路：詞元經濟如何重寫生產函數

讓詞元更有質量

——推動詞元經濟高質量發展

編者按詞元（Token）正成為人工智能服務的核心計量、結算與統計單位。當前，詞元經濟呈現爆發式增長態勢，各類應用場景層出不窮，但“有流量、無質量”“有消耗、難評價”等問題日益凸顯：詞元消耗量難以反映AI服務真實價值、定價機制混亂、高質量供給缺乏有效激勵。

近日，國家數據局召開詞元經濟座談會，明確將詞元經濟納入工作體系，釋放出推動行業從規模擴張轉向高質量發展的強烈信號。中國經濟時報社等機構的專家學者和部分知名企業代表應邀參會發言。本期《智薈月刊》以“讓詞元更有質量——推動詞元經濟高質量發展”為主題，特別邀請四位與會專家，圍繞詞元經濟健康發展的核心議題展開深入研討，并從政策、技術、經濟與治理等維度帶來前沿思考與務實建議，以饗讀者。

阿里云研究院院長穆飛

核心觀點

詞元正成為驅動智能經濟的基礎要素，AI發展經歷了預訓練、推理到智能體行動三階段。生產函數的核心變量從資本與勞動進化為詞元與智能體。模型能力決定詞元質量，推理服務平臺實現大規模低成本生產，工具生態提升智能體生產力，智能體原生云提供價值釋放場所。當詞元創造的經濟價值超過其成本時，詞元經濟進入不可逆的增長軌道。

■穆飛

詞元消耗正在成為智能經濟的“溫度計”。2026年3月，國家數據局公布了一組新數據：中國日均詞元（Token）調用量突破140萬億，較上年末增長超過40%。往前追溯兩年，2024年初這個數字還是1000億。

詞元是大模型處理信息的最小單元，也是當前AI服務計費的基本單位。日均調用量的千倍增長，直觀反映了越來越多的企業和個人正在把詞元消費嵌入日常工作流程——從代碼生成到數據分析，從內容創作到客戶服務，從科研輔助到經營決策。

但這組數字真正值得關注的不是增速本身，而是背后的結構性變化。詞元不再只是技術層面的計量單位，它正在成為連接數據、算力和商業價值的經濟樞紐。圍繞詞元的生產、流通、定價和消費，一套新的經濟邏輯正在成型。

要理解這套邏輯，需要先看清過去三年AI經歷了什么。

一、回望AI三年發展：讀萬卷書、解萬般難、行萬里路

過去三年人工智能的發展可以歸納為讀萬卷書、解萬般難、行萬里路三個階段。每一次躍遷，都深刻改變了詞元的經濟含義。

讀萬卷書：預訓練階段。大模型通過大規模文本訓練完成知識積累，將人類數千年沉淀的文獻、代碼和科學成果壓縮進模型參數。在2024年之前，算力主要消耗在預訓練階段，大模型就像一個博覽群書的學者，知識豐富，但還不能解決非常復雜的問題，高質量完成任務。

解萬般難：推理階段。2024年，以深度推理模型為代表，AI具備了面對復雜問題時的長鏈條思考能力。詞元不再只是“看過”信息，而是被用來“想透”問題——展開多步思考鏈、驗證假設、排除錯誤路徑。每一次深度推理都消耗大量詞元，詞元在這里開始具備顯性的、可計價的價值交付。

行萬里路：智能體的AI階段。2025年至今，AI從對話走向行動。智能體不再只是回答問題，而是自主規劃路徑、調用工具、操作環境、迭代執行直至任務完成。詞元的價值產出從一段文字回復躍升為一個完成的工作任務——代碼寫好了并通過了測試，數據分析跑完了并生成了報告，系統優化方案執行了并驗證了效果。

從智力到行動的躍遷指向一個清晰的產業趨勢：AI正在從對話工具進化為行動主體。同樣100萬個詞元的價值密度在階梯式攀升。推理階段，它是一次深度分析的“電費”；行動階段，它可能對應一次價值數千元的工程交付。詞元不再只是API的計量單位，而是驅動智能經濟運轉的基礎要素。

二、生產函數的變量置換：從資本和勞動到詞元和智能體

經濟學最核心的公式之一是生產函數Q=f（K，L）。智能時代的生產函數將會發生重要的改變，核心變量將由資本（K）和勞動（L）進化為詞元和智能體。

詞元是新的資本要素。資本的本質特征是可積累、可定價、可流通，能夠投入生產過程并帶來增值回報。詞元完全符合這一定義——數據經由算力與模型轉化為詞元，形成可計價、可交付的智力服務。通過API接口，詞元可以在全球范圍內瞬時交付。更重要的是，詞元不是同質化的商品：不同模型產出的詞元有不同的智力密度，強大模型產出的詞元能解決更復雜的問題、驅動更高質量的行動，因此享有顯著溢價。

智能體是新的勞動力要素。它能理解目標、自主規劃、調用工具并執行任務，可按需擴展、并行工作、全天候運轉，不存在傳統人力的培訓周期和管理成本。詞元是智能體的“燃料”——每一次感知、推理和行動都消耗詞元，就像人力工作需要消耗薪酬一樣。

在此之上，兩股力量彼此咬合、循環放大：詞元的單位成本隨著模型架構和推理技術的迭代持續下降，使用門檻隨之走低；而智能體用得越廣，帶回的反饋數據越多，數據飛輪讓模型能力持續增強、產出更優——更強也更便宜的模型，反過來又壓低門檻、擴大使用。于是，智能經濟在特定階段呈現出經典要素經濟中罕見的收益遞增。

三、支撐詞元和智能體良性運轉的四大關鍵組件

如果詞元是資本、智能體是勞動力，那么讓這套新生產函數高效運轉的基礎設施，就是智能經濟時代的工業體系。從產業實踐看，這套體系由四個關鍵組件構成，每一組件都精確對應著生產函數中的關鍵環節——資本的質量、資本的數量、勞動的工具、勞動的場所。

模型能力——資本的質量

在經典經濟學中，同樣數量的資本投入，精密機床和通用設備的產出天差地別——這就是資本質量的差異。詞元也是如此：同樣消耗100萬個詞元，一個在工具調用、編碼、長程任務上表現頂尖的模型，和只能做簡單對話的模型，產出的經濟價值可能相差幾個數量級。模型能力直接決定了詞元的智力密度。

智能體時代對模型能力提出了幾項新要求。一是工具調用的精準度——模型能否通過MCP等標準協議與外部服務無縫協作，并根據真實反饋動態調整決策。二是編碼能力的縱深——從代碼補全進化為覆蓋整個軟件開發周期的核心引擎，能夠在終端交互、Web開發和多語言環境中獨立工作。三是長程任務執行的耐力——這是智能體區別于聊天機器人的根本能力。以阿里云近期發布的Qwen3.7-Max為例，它在沒有任何先驗知識的條件下，從空白工作區起步，持續運轉超過35小時，完成上千次工具調用和數百次方案評估，最終產出可直接投入使用的底層內核代碼，加速比達到10倍。

從生產函數的視角看，提升模型能力就是在提升資本的質量。當每一單位詞元能承載更多的智力、驅動更復雜的行動時，整個生產函數的產出邊界就向外擴展了。

推理服務平臺——資本的數量

把模型變成能源源不斷產出的產能，靠的是推理服務平臺。這本質上是一個大規模生產詞元的問題：如何把不同規模、不同專長的模型整合到一起，按任務難度動態調度，以最高的吞吐量、最低的單位成本，穩定地把詞元造出來。如果說訓練決定了一個模型能有多聰明，推理平臺就決定了這份智力能以多大的規模、多低的價格被調用；詞元的單位成本能否持續走低、產能能否隨需求彈性擴張，都在這一層見分曉。推理服務平臺需要具備四個能力。高性能——面對長鏈路和突發流量保持低延遲和高吞吐。成本可控——通過上下文緩存復用、資源池化彈性調度、批量推理等工程手段，讓詞元消耗可預測、可優化。這相當于工廠中的精益生產——通過減少浪費來提升單位投入的有效產出。安全可靠——從多租戶隔離到機密推理，讓核心業務敢進入智能體流程。安全不是效率的對立面，而是效率可持續的前提——正如工廠安全規程看似降低了操作速度，實際上避免了停產事故帶來的巨大損失。效果持續優化——通過面向智能體的強化學習讓模型在特定業務場景中不斷進化，使小模型也能在垂直領域達到大模型的效果。阿里云百煉正是這樣一個推理平臺，它整合千問與眾多生態模型，提供高性能、高性價比的推理服務，把詞元的生產成本一路壓低。這一層決定的，是資本的數量。

面向智能體的工具生態——勞動的工具

智能體的能力，一方面高度依賴模型的能力，另一方面也依賴工具鏈工程——圍繞模型搭建的任務規劃、工具調用循環、上下文管理、記憶管理、錯誤恢復等一整套腳手架。模型再強，也要靠趁手的工具鏈才能把活干完、干穩。在經典生產里，工人的產出依賴于手中的機床、夾具和量具；在智能經濟里，智能體的高效、高質量產出也依賴于它能調用的工具生態。工具和技能生態越豐富，智能體能干的活就越多、干得越好——工具的豐富度，也影響到這一新型勞動力的能力上限。讓工具生態繁榮，需要面向智能體的專用工具與技能不斷涌現，把領域最佳實踐封裝成可復用的技能模板，讓普通智能體也能干出專家級的活。我們觀察到，作為智能經濟重要基礎設施的云服務也正在面向智能體不斷進化，讓云服務被技能化、模型上下文協議（MCP），封裝成智能體可以直接調用的形態。讓過去為人設計的云能力，如今智能體也能一鍵取用，成為智能體產品。工具越豐富、工具鏈越成熟，智能體這一新型勞動力的生產力就越強。

智能體原生云——勞動的場所

有了高質量的詞元和高能力的智能體，還需要一座讓它們高效結合的場所——這就是智能體原生云——詞元通過智能體轉化為行動的地方，它決定了資本和勞動力能否高效結合。

智能體的工作負載與傳統應用有很大區別，提出了六個全新挑戰。一是任務的短生命周期——一個智能體任務可能只存活數秒到數分鐘，用完即消，要求運行時足夠輕量、可毫秒級拉起、即用即棄。二是無規律的突發負載——智能體何時發起、并發多少都無法預測，要求資源能夠應對超大規模突然的負載。三是動態的環境依賴——每個任務所需的工具、依賴和執行環境各不相同且實時變化，要求運行時能按需組裝、動態注入。四是復雜的數據模態與存儲形式——智能體對數據質量、語義、實時檢索要求高，需要統一的數據平面支持多級記憶存儲、多模態數據攝取以及會話狀態存儲。五是大規模的動態編排——成千上萬智能體并行協同，要求編排層自動拆解任務、動態路由，在長鏈路中維持狀態不漂移、指令不丟失。六是任務級的安全管控——每個智能體的每個動作都要落到身份、權限和審計，要求運行時級別的隔離、數據保護和機密計算，把治理與安全嵌進每一次調用。阿里云已經全面升級云服務，為智能體負載提供堅實的基礎設施。

這四大組件之間的關系，完整映射了新型生產函數的結構。模型能力決定詞元的智力密度，推理服務平臺驅動詞元的大規模低成本生產，面向智能體的工具與工具鏈工程提高了智能體的能力，智能體原生云提供價值釋放的場所。四大組件共同構成了讓新型生產函數Q=f（Token，Agent）從公式變為現實的生產系統。

這也是為什么全棧能力正在成為頭部企業的核心壁壘——不是因為一家企業需要做所有事，而是因為這套生產函數的關鍵組件必須端到端協同，才能充分釋放詞元和智能體的生產力。

四、推動詞元經濟健康可持續發展的五點倡議

詞元經濟正處于快速成長期。圍繞如何推動其健康可持續發展，提出幾點倡議：

倡議重新定義算力基建的規劃邏輯。未來智能數據中心的核心功能是生產詞元，衡量指標應從單純的算力指標轉向單位能耗下的有效詞元產能。推理負載將成為主要工作形態，基建規劃應圍繞彈性推理調度和異構芯片適配來設計。算力與電力的協同規劃需要前置。

倡議建立數據“善意取得”容錯機制。對以促進AI應用為目的使用公共數據的行為，充分保障使用者權益、降低合規成本。在重點行業率先開展高質量數據集應用試點。數據不流動，詞元就是無源之水。

倡議擴大需求側的AI應用滲透率。詞元經濟的增長飛輪在需求側。支持中小企業通過公共云低門檻消費詞元，支持大型企業構建企業級智能體。讓“用詞元”和“用智能體”像“用電”一樣成為基礎設施級能力。

倡議推動詞元質量評價標準化。當前詞元定價基于模型版本以及調用量的簡單模式。建立涵蓋準確性、完備性、效率性和穩健性的多維度評價框架，將為詞元從“按量計費”走向“按質定價”奠定基礎，進而走向按產出付費的健康模式。

倡議推動AI原生組織的建設。每一次通用技術革命的紅利兌現，都依賴組織形態的同步升級；技術鋪得再快，組織跟不上，生產率就只能在統計數字里繼續“消失”。鼓勵企業把組織變革與技術投入放在同等位置，重塑分工、流程與治理邊界，培育既懂業務又能駕馭智能體的復合型人才。

結語

古人說，讀萬卷書，行萬里路。AI用了不到三年時間走完了這條路——從讀（預訓練積累知識）到解（推理攻克難題）到行（智能體執行任務）。不斷增長的詞元價值是這條路上的里程碑，記錄著從知識到智力到生產力的每一步轉化。

從蒸汽機到電力到互聯網，每一次生產函數的重寫都催生了新的經濟形態和社會分工。詞元經濟或許正是我們這一代人的“電力時刻”。區別在于，這一次電網里傳輸的不是能量，而是智力；發電廠變成了詞元工廠；家用電器變成了智能體。

當詞元的生產成本持續下降而其驅動的行動價值持續上升時，一個臨界點已經越過：詞元創造的經濟價值大于詞元本身的成本。在這個臨界點之后，詞元經濟的增長具有了內生的自我強化邏輯。它不是概念催生的敘事，而是技術成熟度和市場需求共同推動的、不可逆的生產方式變革。

（作者系阿里云研究院院長）

總 監 制丨王列軍車海剛

監 制丨陳 波 王 彧 楊玉洋

主 編丨毛晶慧 編 輯丨陳姝含