Programar ya no requiere escribir código, sino delegarlo a la IA a través del diálogo, incluso diciendo al micrófono "hazme tal función". Esta idea parecía "fantasiosa" hace cinco años, pero hoy parece haberse convertido en la "operación básica" de los programadores.
Esto es solo la "punta del iceberg" de las numerosas aplicaciones actuales de la IA. La industria de la IA se encuentra en una encrucijada. Por un lado, está la euforia del lado de la oferta tecnológica: las acciones de NVIDIA se duplican y vuelven a duplicar, surgen modelos grandes uno tras otro y la escala de potencia de cálculo se expande exponencialmente. Por otro lado, está la confusión del lado de la demanda: las empresas invierten dinero comprando potencia de cálculo, pero no pueden calcular si realmente vale la pena. Y el Token, como conector de valor, se está convirtiendo en la clave para que la IA cumpla su promesa de valor.
El Token se convierte en el "sistema métrico" de la era de la IA
A principios de 2024, el volumen diario de llamadas a tokens en China era de aproximadamente 100 mil millones. A finales de 2025, esta cifra saltó a 100 billones. En marzo de 2026, los datos publicados por la Administración Nacional de Datos mostraron que el volumen diario de llamadas había superado los 140 millones, con un crecimiento de más de mil veces en dos años.
¿Qué significa esto? Wei Zhewei, profesor de la Universidad Renmin de China, comparó el Token con la electricidad: si comparamos el Token con la "electricidad de la era inteligente", actualmente estamos en la etapa en la que "el foco eléctrico acaba de ser inventado". Señaló: "Hoy es solo el prólogo. Aún no hemos visto cómo se despliega en todos los rincones".
Según datos de IDC, se prevé que en 2026 el volumen de llamadas a tokens en el mercado chino de Modelo como Servicio (MaaS) alcance los 40,000 billones de veces, con ingresos de aproximadamente 18.6 mil millones de yuanes. Al mismo tiempo, IDC predice que el consumo anual global de tokens aumentará de 0.0005 Peta Token en 2025 a 150,000 Peta Token en 2030, con una tasa de crecimiento anual compuesto del 3418%. Para 2031, se espera que el número de agentes inteligentes activos a nivel mundial alcance los 350 millones.
El crecimiento explosivo de los tokens ha sacado a relucir una pregunta fundamental: ¿Cuánto vale realmente un Token? ¿Quién fija el precio?
Al respecto, Huang Wei, subdirector del Instituto de Integración de la Información y la Industrialización de la Academia China de Tecnologías de la Información y la Comunicación, ofreció su respuesta estructural. Huang desglosó el valor del Token en cinco dimensiones: coste de producción, eficiencia de producción, precisión, valor ecológico y seguridad/conformidad. El coste de producción incluye depreciación de chips, consumo eléctrico, optimización de modelos y planificación del sistema. "Cada pregunta que le haces a la IA puede involucrar toda la cadena, desde la GPU hasta el almacenamiento, desde la pila de software hasta la red de interconexión", dijo Huang Wei.
Pero el ideal es exuberante, la realidad es escuálida. En la realidad, la fijación de precios de los tokens varía enormemente según la industria y el escenario. Un informe de Zhongtai Securities muestra que la diferencia de valor de los tokens entre escenarios puede llegar a ser de cien mil veces. El precio medio de un token en el campo del desarrollo de fármacos puede alcanzar los 1000 dólares por millón de tokens; mientras que un token de conversación casual puede costar solo 0.01 dólares por millón. El mismo millón de tokens, en manos de una farmacéutica puede filtrar una molécula candidata a fármaco, y en una aplicación social puede ser solo unas frases de charla.
Ablikim (conocido como "A Mu"), vicepresidente de Lenovo Group y director de estrategia de China, señaló: "Los honorarios por mil palabras escritas por mí y por un escritor son diferentes". El token unifica la unidad de medida, pero el "nivel de inteligencia" generado detrás del token es lo que determina el techo de valor.
En opinión de Huang Wei, solo los "tokens efectivos" son realmente valiosos para la industria y las empresas. Wei Kai, director del Instituto de Inteligencia Artificial de la Academia China de Tecnologías de la Información y la Comunicación, también declaró públicamente: "El valor económico del token no debe juzgarse solo por el precio unitario. La industria necesita urgentemente un estándar para medir 'tokens de alta calidad'". Incluso afirmó directamente: "Los tokens de baja calidad son solo ruido para la potencia de cálculo, mientras que los tokens de alta calidad son el crédito de la inteligencia".
"Las Tres Leyes": el primer intento teórico de la economía de los tokens
Mientras el mundo académico y la industria debaten sin fin sobre la "vara de medir el valor" de los tokens, A Mu compartió con el autor las "Tres Leyes" derivadas de las reflexiones de Lenovo Group sobre la economía de tokens. Al hablar sobre el origen de estas reflexiones, A Mu dijo que uno de sus trabajos diarios más importantes es ayudar a empresas y clientes a calcular la "cuenta de la IA". En los últimos seis meses, casi todos los empresarios con los que habló sobre IA tenían la misma expresión en el rostro: ansiedad.
El precio unitario del token ciertamente está bajando, y rápido. Pero al abrir los sistemas propios, el gasto total en IA se ha multiplicado por diez. ¿Cómo se calcula esta cuenta? ¿Se debe invertir en IA? ¿Cuándo empezará a dar beneficios?... Estas preguntas atormentan a la gran mayoría de empresas que quieren aplicar la IA pero no saben cómo empezar.
Precisamente basándose en estos problemas de aplicación de la IA, A Mu propuso un marco que denominó "pensamiento experimental": las "Tres Leyes" de la economía de tokens. Esta podría ser la primera vez que alguien en la industria intenta resumir las leyes de funcionamiento de la economía de tokens en forma de leyes.
La primera es la Ley de la Inercia: el coste unitario del token continúa disminuyendo. A Mu cree que el coste unitario del token disminuirá de manera continua y estable, al igual que la Ley de Moore, pero esta ley tiene tres niveles de "inercia".
La inercia de primer nivel es la innovación tecnológica en chips, energía y los propios modelos. Los chips tienen más potencia de cálculo, los modelos alcanzan un mayor nivel de inteligencia con los mismos parámetros, el consumo energético es menor. Todo esto impulsa la reducción del coste unitario del token.
La inercia de segundo nivel es la optimización. A Mu señaló que integrar y optimizar los tres elementos "modelo, cálculo, electricidad" puede reducir el coste hasta en un 50% adicional. "Desde el supernodo hasta el clúster estándar, pasando por la fábrica de tokens completa, la optimización en cada nivel reduce los costes", enfatizó A Mu.
La inercia de tercer nivel es la planificación en tiempo de ejecución. En el uso real, a través de una planificación inteligente que determine "qué intención se envía a qué modelo, qué GPU usar, cómo calcular", se reduce aún más el coste. El Token Hub lanzado por Lenovo se dedica precisamente a los servicios de planificación de potencia de cálculo y enrutamiento de modelos con acceso unificado a múltiples modelos y plataformas.
A Mu analizó el despliegue de los tres niveles de inercia usando Lenovo como ejemplo: Primer nivel, Lenovo investiga y desarrolla conjuntamente con fabricantes de chips nacionales e internacionales para que el diseño de la próxima generación de GPU se acerque más a los escenarios de aplicación real. Segundo nivel, perfeccionar al máximo la "ingeniería de backend" como servidores, clústeres, refrigeración líquida, logrando una mejora de más del 20% en la eficiencia de producción de tokens con la misma potencia de cálculo. Tercer nivel, a través de un sistema de planificación llamado Token Hub, gestionar de manera unificada la potencia de cálculo en la nube pública, despliegues privados y dispositivos perimetrales, haciendo que cada tarea de token se ejecute en el lugar más adecuado. Con la superposición de estos tres niveles, el coste puede reducirse aún más.
La segunda ley es la Ley de la Aceleración: la liberación del valor unitario del token se acelera. Si la primera ley habla de "coste", la segunda habla de "valor". En opinión de A Mu, el valor generado por unidad de token aumentará aceleradamente debido a tres factores.
Primero, la profundidad de integración de la IA en los procesos. Si solo se usa la IA como una herramienta de preguntas y respuestas para los empleados, su valor es similar al de un motor de búsqueda avanzado. Pero si se integra en los procesos de negocio, haciéndola responsable del trabajo real en un nodo específico, como filtrado molecular, generación de código, revisión automática de documentos de licitación... el valor del token puede diferir en 10 veces entre diferentes escenarios.
Segundo, la profundidad de la ingeniería. A Mu contó un detalle: muchas empresas hoy compran herramientas de IA, los empleados las usan, pero los resultados son mediocres. La razón no es que la IA no funcione, sino que el "entorno de ingeniería" no está preparado: los datos no están listos, los procesos no están transformados, los agentes inteligentes no están pulidos. Puso un ejemplo: en la era de la informatización, las empresas necesitaban consultores de implementación de ERP in situ durante meses para poner en marcha el sistema. En la era de la IA es igual, se necesita un nuevo rol -lo llamó "ingeniero de entrega de primera línea"- que se sumerja en la operación, cree el agente inteligente, lo integre y lo itere. La mayoría de las empresas apenas están comenzando este proceso.
Tercero, el grado de disponibilidad de los elementos complementarios. A Mu lo desglosó en cuatro dimensiones: ¿Existe talento y organización nativos para la IA? ¿Existe infraestructura como la fábrica de tokens? ¿Existe un sistema de gobernanza para auditar el ROI de la IA, gestionar activos de conocimiento y garantizar la seguridad? ¿Existe un modelo de inversión para calcular la "cuenta de pérdidas y ganancias" de los agentes inteligentes?
La tercera ley es la Ley del Punto de Singularidad. Si se trazan las curvas de coste y valor de la aplicación empresarial de la IA en el mismo cuadrante. Antes de cierto "punto de singularidad", la curva de coste está por encima de la curva de valor: la inversión empresarial en IA da pérdidas. Pasado ese "punto de inicio", la curva de valor supera a la de coste, entrando en un círculo virtuoso. "Antes del punto de singularidad, la IA te ahorra costes existentes. Por ejemplo, tres personas con un salario de treinta mil, ahora usando tokens por ocho mil, ahorras veintidós mil", señaló A Mu. "Después del punto de singularidad, lo que produce la IA se llama valor incremental, son cosas que te permite hacer que antes eran imposibles".
¿Qué es el valor incremental? Es generar un millón de guiones para videos cortos en un día, es descubrir una molécula candidata a fármaco efectiva en un año, es permitir que alguien sin conocimientos de programación cree una aplicación. "Todo esto es la escalabilidad de la innovación", dijo A Mu. La revolución industrial logró la producción a escala de bienes industriales, la revolución de la información logró la producción a escala de datos, y la revolución de la inteligencia logra la producción a escala de la innovación.
A Mu incluso amplió la perspectiva a un horizonte más lejano. "Si comparas la IA con una persona, ciertamente es más inteligente que tú. Pero eso no tiene sentido. ¿Cómo puede compararse la inteligencia de una persona con la red intelectual de un millón, diez millones de personas trabajando en sucesión? El SIDA se ha investigado durante más de cien años, con científicos de todo el mundo en relevo; esta es la verdadera forma en que la humanidad resuelve problemas importantes. Y el valor último de la IA debería apuntar a este tipo de 'proposiciones a nivel humano'".
Cómo pueden las empresas pasar de la ansiedad al círculo virtuoso
Las discusiones teóricas son una cosa, pero la factura real de los tokens no espera. En 2026, surgió un problema que tomó por sorpresa a todas las empresas. Según informó el Financial Times, la empresa estadounidense de transporte compartido Uber agotó en abril de 2026 su presupuesto anual de IA, y la dirección se vio obligada a limitar el gasto de cada empleado en herramientas de programación de IA a 1500 dólares mensuales. Cálculos internos de Meta mostraron que, manteniendo la tasa de crecimiento actual en el uso interno por empleados, solo el uso interno de IA en 2026 costaría decenas de miles de millones de dólares. Los altos ejecutivos de Amazon incluso advirtieron públicamente a los empleados "no usar la IA por usarla".
Esto no es un fenómeno aislado. Los datos de la FinOps Foundation muestran que en 2026, el coste de inferencia de IA representaba más del 80% del presupuesto total de IA de las empresas. Tan Dai, presidente de Volcano Engine, subsidiaria de ByteDance, calculó públicamente: si una empresa tiene 1000 empleados, cada uno llamando al modelo 100 veces al día, al precio medio del mercado en ese momento, el coste anual en tokens podría ascender a decenas de millones de yuanes. "Muchas empresas ni siquiera han calculado esta cuenta, creen que la IA es solo comprar una suscripción".
¿Dónde está el problema? En primer lugar, el "descuento por calidad" de los tokens. El fenómeno de "reducir la precisión en silencio" mencionado por Huang Wei en un seminario no es un caso aislado. Las cotizaciones en el mercado de tokens son variadas: algunas son tarifas mensuales fijas pero con límites ocultos, cobrando por tokens más allá de ese límite; otras cobran por el volumen total de entrada + salida, pero con una unidad mínima de cobro: incluso si solo introduces 10 tokens y produces 20, podrías ser cobrado por 100. Es difícil para los usuarios comparar precios de manera transversal, y la planificación presupuestaria resulta inútil.
En segundo lugar, la "inflación de tokens" causada por los agentes inteligentes. Un análisis de Gartner de marzo de este año muestra que el consumo de tokens en escenarios con agentes inteligentes es de 5 a 30 veces mayor que en conversaciones ordinarias. Un agente inteligente completando una tarea puede desencadenar de 10 a 20 llamadas al modelo, y cada llamada puede "pensar" en largas cadenas de razonamiento. Si le pides a la IA "planifícame un viaje a Yunnan", es posible que primero planifique el itinerario, consulte vuelos, hoteles, atracciones... cada paso es una cadena de tokens.
"Muchos de nuestros clientes vienen a verme diciendo que la IA es muy cara", dijo A Mu. "Les pregunto en qué escenarios la usan, y dicen que sus empleados la usan todos los días para escribir informes semanales". Escribir informes semanales es una tarea con un valor relativo del token bastante bajo. Este ejemplo es un tanto extremo, pero señala un problema central: el token en sí no es bueno ni malo, la clave está en dónde se usa. Usado para escribir informes semanales, el valor de un millón de tokens puede ser menor a 1 dólar; usado en el descubrimiento de dianas farmacológicas, el valor de un millón de tokens puede ser de 1000 dólares. La diferencia de valor de los tokens entre escenarios puede llegar a ser de cien mil veces.
Para abordar esto, la Academia de Tecnologías de la Información y la Comunicación está impulsando un "sistema de estándares de servicio de tokens de alta calidad", construyendo un marco normativo desde cuatro dimensiones: calidad del servicio, capacidad operativa, capacidad de producción y capacidad de seguridad. Huang Wei propuso una postura clave: los usuarios deben tener "derecho a la información"; los proveedores de servicios deben revelar qué tipo de potencia de cálculo usan en el backend, qué versión del modelo, qué nivel de precisión. "La buena potencia de cálculo puede ser un poco más cara, los productos de generaciones anteriores pueden ser más baratos. Pero el usuario debe saber lo que está comprando".
La exploración del lado industrial es más pragmática. Lenovo lanzó Token Factory (Fábrica de Tokens), transformando la producción de tokens de un "taller artesanal" a un "taller estandarizado", permitiendo a las empresas llamar bajo demanda y facturar por token. Los tres principales operadores han lanzado paquetes de tokens sucesivamente, vendiendo potencia de cálculo de IA como si fuera datos móviles. El gigante de pagos Stripe invirtió aproximadamente 10 mil millones de dólares para adquirir Metronome, una startup especializada en medir el uso de tokens para grandes empresas de modelos como OpenAI y Anthropic. El mercado de capitales ya está apostando por el nicho de la "medición de tokens".
"Ahora la gente dice que los tokens son caros, comparándolos con la factura de la luz de la central eléctrica. Pero solo después de que se construye la central y llega la electricidad, aparecen las neveras, televisores y aires acondicionados. El valor real está en la nevera y el televisor, no en la factura de la luz", señaló A Mu.
Los tokens tienen precio, tienen factura, tienen leyes, e incluso interrogantes filosóficos. Pero quién pueda superar ese "punto de singularidad" depende de quién logre que cada "respiración" de IA genere un valor real.
"El fin de la IA no es despedir personal; la IA es para hacer que la innovación en sí misma sea escalable". Este objetivo hoy suena aún como un eslogan. Pero piensa en cómo se sentiría la gente hace cien años al escuchar "todas las casas tendrán electricidad", probablemente similar a cómo nos sentimos hoy al escuchar esta frase.
(Texto|Leo Zhang ToB Zatan, Autor|Zhang Shenyu, Editor丨Yang Lin)
