你每个月要用掉多少Token? Token是AI语言模型处理文字的最小单位,由于AI服务通常按处理的Token数量收费,Token 也成了衡量模型用量、成本和上下文长度的常用计量单位。
随着AI被大规模应用,「Token 经济」也成为了热词。中国已然是Token消费大国。到今年3月,全国日均调用量突破140万亿,三个月内增长超过四成。1 顺着这个数字很容易想象出一幅画面:某座城市的调用量快速增长,原本闲置的算力中心跑满了,企业把智能体接进客服、研发、销售和办公流程,员工开始大规模用AI辅助工作......这些事情确实在发生,Token也可以像GDP一样被统计、被排名、被写进年终报告。但这幅画面没有回答一个问题:对经济和社会,这意味着什么?普通市民能从中得到什么?
我们可以从供需关系来理解这一点。将 Token 计入「供给侧」和「需求侧」这两本账目,前者涵盖了产能、调用、成本、投资、企业收入和地方政绩;后者则关乎工资、就业、闲暇、社保、公共服务和家庭购买力。
在中国,Token经济的特殊之处在于,它极其擅长扩张第一本帐,又习惯把第一本帐的成果直接当成第二本帐的成果。于是供给被叫作需求,中间投入被叫作消费,企业降本被叫作繁荣。正因为AI是真有生产力的东西,谁控制这条价值的阐释,谁拿走它的收益,才更值得追问。
Token,一种新的「用电量」
Token确实是可以像用电量一样被计量的技术指标,但工业用电量上涨,不会告诉你电流向了效率更高的产业,还是低效的过剩产能。同样,一次Token调用,可能生成一份真正帮你省下几小时的报告,也可能只是反复修改一段最后根本没用上的文字。
用量是投入,任务是过程,收入和利润是企业层面的结果,生产率则是更高一层的经济结果。这几层,离市民生活的距离完全不同。企业利润的改善,至少还有一条通路:把收入分给员工,员工再拿去消费。但如果Token不断提高外卖骑手的接单效率和单量,却没有提高他的实际收入,这条通路就断了。
这不是抽象的担忧,140万亿的日均掉用量,本身就值得被拆解。字节跳动旗下的火山引擎四月披露, 豆包 大模型的日均Token使用量已经突破120万亿。2 也就是说,全国总量的绝大部分来自这一家平台,而推高这个数字的,主要是AI视频生成:单条视频的生成与迭代,动辄要消耗数千万Token。这幅图景,和「千行百业全面渗透」根本不是一回事,它更像是一家公司、一类场景、一个正在爆发的内容产业。把日均调用量当成整体经济健康度的指标,放在这个结构面前,很难站得住脚。
企业买Token,在自己的帐上当然算需求。但放进整个国民经济,它很可能从头到尾都只是中间投入。只有当它压低了产品价格、提高了工资、增加了闲暇、改善了公共服务,或者造出了人们愿意买、也买得起的新产品,Token才算真正进了第二本帐。
这就是供给侧和需求侧的分野。前者是一种典型的生产主义,大概也是很多人谈「Token经济」时默认的叙事:把生产能力、固定资产、技术能力和产业规模,排在家庭收入、社会保障和最终消费之前。这个排序不是偶然的。居民的安全感不容易量化,服务品质也很难写进年终报告;但万卡集群、每度电的Token产出、日调用量、园区数量、投资规模,全都可以量化,可以规划、融资、补贴、排名、考核。芯片、服务器、电网、液冷、数据中心,都有明确的采购主体,适合产业基金、银行信贷、国企投资、地方项目介入。
反过来,提高失业保险、给流动人口发养老金、改善基层公共服务,要的是长期、经常性的财政承诺(中国目前失业相关支出不到GDP的0.1%,O EC D国家平均是1.0%)3 还会直接触碰中央和地方的责任划分。前者是政绩,后者是麻烦。
于是,一场技术革命,首先被读成了新的固定资产、新的地方产能、新的行政可见性。这个解读不是一方拍板完成的。地方政府需要投资和政绩,国有数据公司需要业务,算力中心需要跑满利用率,园区需要招商引资,云厂商和模型公司需要早期客户——而国企和政府部门,正好可以充当那批最早的买家。
Token经济,既不是市场自己长出来的,也不是由一道命令造出来的,它来自各方的推动,理由却各不相同:有人要战略安全,有人要资产利用率,有人要收入,有人要融资,有人要考核成绩。把这些不同的算盘缝合在一起的接口,就是Token。
电影《银翼杀手2049》
用扩张产能的方式刺激需求
北京亦庄提供了一个几乎完整的样本。当地提出,到2030年把智能经济产业规模做到4000亿元:建成四座万卡级词元工厂,算力规模突破10万P,度电词元产出提升到当前的六倍以上,建成词元分发与消费基础设施,培育50个以上智能体研发协作平台,吸引超过5000家OPC实体。
这套政策工具的打法,和中国其他产业政策一脉相承。不只做基础建设,而是覆盖并补贴整条产业链:算力租赁按费用的30%补贴,每年1亿元数据券,词元聚合与统一结算平台最高5000万元,智能业务重构与交付平台每年最高1000万元,一路补贴到企业在实际场景中消耗Token为止。政府支持工厂生产Token,支持平台分发Token,也支持企业使用Token。
补贴有其合理的部分。新技术常常在推广初期卡壳,比如基础设施不足、企业不愿先行先试、供给方找不到应用场景,这些都是典型的协调失败。算力券和Token券可以压低第一次采用的成本,逼企业打开数据和流程,甚至长出原本不存在的服务。
但还值得注意的是一个“语义转换”。相关章节以「全面拓展智能经济消费模式」为名,主要内容却是鼓励医疗健康、商业航天、汽车制造等企业开放高吞吐场景,驱动Token被大规模、高频消耗;对开展实际场景应用的企业,按Token消耗费用的50%给予最高500万元资金支持。4
也就是说,在一个题为「拓展消费」的章节里,政府按企业中间投入的消耗量,补贴了一半。企业购买Token是购买生产资料,属于中间投入,不等于居民最终消费;政策发生在购买端,也不等于它就是需求侧政策。政府替企业降低Token成本,企业增加调用,平台拿到收入,调用量反过来又成了扩大产能的理由——钱就这样在政府、平台、企业之间转了一圈,闭合成一个环。只要这个环没有伸出一条支路,通向工资、社保、公共服务、可靠的降价或居民转移支付,所谓需求侧,就仍然只是供给侧在购买自己的产品。
这是我在整篇文章里最想说清楚的一个区分。我们并不是没有刺激需求,而是太习惯用扩张生产能力的方式刺激需求。过去的四万亿是这样,光伏是这样,轮到Token,把同样的习惯又延伸进了智能时代。
电影《攻壳机动队》
供给侧论述的局限
供给侧论述通常有一条很漂亮的直线:模型更强,Token更便宜,所以用得更多;用得更多,所以生产率提高;生产率提高,所以企业收入和利润增加,劳动者收入随之增加,钱就进入了需求侧。每一环单独看都可能成立,但这么多年的供给侧经验告诉我们,每两环之间都隔着部门利益、行业竞争和分配格局。
先说最直接的一层:Token不等于利润,它首先是一张不可控的帐单。到2026年中期,正是这张账单让很多美国企业望而却步。KPMG的季度调查显示,约一半的受访高管缩减了智能体部署,理由是成本超过收益。智能体和Harness把通用模型接进公司的数据、工具、权限、记忆和工作流,一次问答变成可以连续执行的任务。模型不再只是员工偶尔打开的聊天框,而可能成为一切任务的载体,至少表面上看很高效。5
但价值不能只用消耗量判断,从Token Maxxing(指2025年前后在大型科技公司普遍出现的做法:尽可能高强度使用AI,以员工的Token用量衡量其创新程度,把消耗量本身当作进步指标。由于AI定价随用量线性上升,该做法直接导致了2026年的账单反噬。)的热潮走到现在,"Token等于效率"这个神话基本上已经破了。没有多少人还在怀疑AI提高效率的能力,真正的问题是:大规模使用AI完成了什么任务,省下多少时间,增加多少收入,又产生了多少核验、返工、错误和合规成本?只把前三项写进统计,把后四项留给员工默默消化,企业拿到的就是一份漂亮但片面的评估。
于是有了一道最基本的阶梯:调用不等于任务完成,任务完成不等于收入增加,收入增加不等于利润改善,利润改善也不等于宏观生产率和社会福利同步上升。每上一级,都需要新的证据支撑。这不是专门为AI设置的门槛,任何一笔中间投入都得过同样的财务常识这一关。
即使一个AI项目确实提高了企业效率,事情也还没完。调用量、平台收入、企业利润和下游客户价值,是四件不同的事。从智谱2025年的年报看,API调用和收入都在高速增长:全年收入增长132%,MaaS平台的年度经常性收入在十二个月内提升60倍,同期经调整净亏损却仍扩大29%。
而且这不是靠降价换量,智谱在2026年一季度把API价格上调83%,调用量反而增长400%。6定价权、用量、收入三者齐升,利润依然没有跟上。这些数字不能证明模型业务没有价值,高增长企业当然可能以亏损换研发和市场,但它们能证明的是:我们不能拿一级指标冒充下一级结果。光伏走过同一段路,亏损并没有随着规模扩张收窄,反而越来越大:通威股份2024年净亏损70亿元,2025年预告亏损90亿至100亿元。7
再往后是分配问题。假如AI创造了100元增量价值,芯片公司、云、模型提供者、应用平台、使用企业、劳动者和消费者,都会来分这块蛋糕。从供给侧的逻辑看,这100元大概率大部分被链条上游的企业拿走。技术没有取消分配政治,只是把分配政治换了一身AI的外衣重新登场。
宏观结构让这个分配问题更明显。IMF估算2024年中国资本形成总额约占GDP的40%,8《求是》称同年居民消费率约39.9%。9 两个数字口径不同,不能直接做精密比较,但指向同一个结构:投资规模极大,家庭部门占有的经济资源相对有限。这是关于中国经济的基本常识。
世界银行对2025年财政冲量的估计是GDP的1.6%,其中直接面向家庭的部分只有约0.5个百分点,其余主要是公共投资。该行同时指出,增长与就业的联系正在减弱。10 这些现象不能归因于AI,但它们构成了AI进入中国经济时的初始条件。当企业普遍面临需求疲弱和价格竞争,最容易先拿AI去做的,不是发明一个新的消费世界,而是降低成本、减少招聘、加快供给、提高出口竞争力。
对单个企业,这非常理性;对所有企业加总起来,就可能变成一个典型的合成谬误:压低工资与青年就业,居民预期和消费更弱,价格竞争更激烈,企业于是更依赖自动化继续降本。我不打算就此断言AI的终局,但这个循环,在很多行业已经重复发生过。若生产率收益主要停留在固定资产、平台租金和上游企业利润上,微观层面的效率提升,就未必能转化成宏观层面的收入增长。
电影《摩登时代》
一千个亨利·福特,和缺席的那一半
在Token经济的讨论里,问题早已不只是消耗了多少Token,而是整套生产模式正在被重塑。在接受虎嗅的专访中,长江商学院教授孙天澍说:
中国这一轮AI更大的机会,不在复制新的消费互联网,而是在AI To B:智能体对千行百业的产业重构;每个垂直产业都可以借助AI拥有自己的「产业大脑」,每个企业都需要建立自己的「智能体系统」;完成这场转化,需要一批理解产业隐性知识、业务架构和组织变革且有AI原生思维的「亨利·福特」——他们不是给旧流程增加一个AI功能(+AI),而是第一性原理重新设计生产方式、商业模式与产业秩序(AI+),就如福特先生在100年前的电气时代,在底特律高地公园,设计围绕电力为中心的「流水线模式」那样,重构生产力与生产关系,开创了汽车工业「电力原生」新时代。
「亨利·福特」这个比喻有洞察,也有盲点。洞察在供给侧:把一个聊天框塞进旧流程,通常只能带来局部改善,企业真正要做的是重新设计任务、人机分工、数据权限、模型路由、验证标准和责任归属。这一点没有错。
盲点在于,流水线从来不只是效率技术的提升。福特博物馆的资料显示,1913到1914年的流水线试验把一辆Model T的组装时间从12.5小时压到93分钟。11 代价同时出现。据Raff与Summers对福特档案的整理,1913年海兰帕克厂的年离职率约370%,为维持平均13,623人的在岗规模,全年要雇5万余人次,日均缺勤率一成。福特因此把「九小时工作日、日薪2.34美元」的旧制度,改成「八小时工作日、日薪5美元」的新方案。12
这两位作者明确排除了劳动力短缺和吸引高技能工人两种解释——当时厂门口的求职长队已是底特律一景,而技术变迁的方向恰恰是去技能化。这和后来被浪漫化的「让工人买得起自己造的车」几乎没有关系,它首先是一家留不住人的工厂的自救。
但它的结果是实在的。离职率次年降到54%,1915年降到16%,缺勤率从一成降到2.5%;同期Model T的名义售价从1914年的550美元降到1916年的440美元,公司净利润仍在上升。 工人有了稳定的劳务关系和更高的收入,也有了住房和储蓄。只是这后半句需要一个补充:储蓄和住房不是自然溢出,而是领取资格的条件。五美元日只发给年满22岁、在职满六个月的男性,还须经福特「社会学部」约150名调查员入户核查生活习惯,酗酒、赌博、居所不洁、不定期储蓄都可能被取消资格;方案实施头六个月只有69%的劳动力合格。这是高强度流水线的伴生品,也是福特的需求侧那一面——但它是被设计、被附加条件、被监管出来的,不是从流水线里掉出来的。
政治经济学所说的宏观福特主义,因此是两件事。一件是标准化、任务拆解、去技能化、大规模生产和严格劳动纪律,它彻底改变了工业生产,也正是今天的Token供给侧想象所需要的。另一件不是企业家的善意,也不是一项加薪政策,而是一套大规模生产、相对稳定的工资、大众消费、福利制度和长期雇佣互相支撑的积累体制。13
Token论述很容易制造出第一个「福特」,它鼓励流程重构、成本下降、产能扩张、AI架构师和超级个体。但它还没有证明第二个「福特」会出现:生产率提高之后,工资会不会涨,工时会不会降,社保和公共服务会不会改善,家庭购买力接不接得住新增的供给。中国需要的也许不是一千个福特,而是福特主义缺席的那一半。
指出这个盲点的人其实就在同一场会议里。沃顿商学院教授Lynn Wu在孙天澍所在研究部主办的研讨会上,基于加拿大二十年的机器人采用数据指出:高技能和低技能岗位相对安全,受冲击最大的是中等技能劳动者;更长期的效应是从低技能通往高技能的晋升通道断裂,社会流动性也会因此重构。14
顺着这个问题回到中国经济。很多人把Token和它背后的AI经济看作房地产之后的新引擎,甚至是新的资本吸收器。这个推论有解释力,但必须克制。两者在制度形式上确实相似:土地、信贷和园区可以换成电力、算力券和国企云,平方米和投资额可以换成PFlops、Token量和API收入,地方招商竞争也可以从楼盘转向芯片、模型和算力项目。
但相似只到这里为止。房地产曾经吸收大量低技能和中等技能劳动,向后连着钢铁、水泥、家电、装修,向前连着土地财政、信贷和家庭的财富预期,它确实制造过就业、居民收入和财富效应。15 AI基础设施高度资本密集,AI本身又是劳动节约型技术,它可以吸收资本和电力,却不会自动产生相称的工资总额、本地就业和家庭需求。Token工厂可以扩大生产能力,但它造不出自己的购买者。16
电影《摩登时代》
从产量回到生活
Token的消耗量只能告诉我们这台经济机器转得多快,却不能告诉我们谁因此得到了工作、收入、时间和更好的生活。要判断Token经济,最后大概只需要问三个问题:Token的增长来自市场付费、公共补贴,还是组织内部循环?AI项目创造的是新增收入和新服务,还是主要用于减少人力、压低成本?生产率收益进入了家庭收入、公共服务和消费,还是停留在企业利润、平台租金和固定资产投资?
这三个问题现在都没有答案,140万亿更像一个巨大而明亮的数字,像一座夜里不停运转的工厂,我们看得见灯光、电表和流水线,却还不知道工厂外面的人买不买得起它生产的东西。
Token经济最大的风险,不是Token本身没有价值,而是真实的AI生产力再一次被装进一套只擅长扩张供给的制度。它会造出更多智能时代的福特、更多精密的流水线、更多可以被统计的产量。而福特主义的另一半不会从流水线里自动掉出来,它在历史上从来是劳动关系、财政承诺和政治压力一起谈出来的结果,不是产能扩张的副产品。
脚注及参考资料
1. 国家数据局局长刘烈宏在国务院新闻办发布会上表示,到2026年3月,我国日均词元(Token)调用量已超过140万亿,相比2024年初的1000亿增长逾1000倍,相比2025年底的100万亿,三个月增长40%以上。新华社《我国日均词元调用量超140万亿》,2026年3月24日。国家统计局副局长毛盛勇于4月16日国新办发布会复述同一口径。
2.字节跳动旗下火山引擎于2026年4月2日披露, 豆包 大模型日均Token使用量已突破120万亿。推高消耗的主要是多模态视频生成场景,单条AI视频的生成与迭代可消耗数千万Token。见《澎湃新闻》2026年4月报道及火山引擎公开披露。
3.世界银行统计,中国城镇劳动力中仅47%被失业保险覆盖,2023年月均失业金1814元,不足城镇平均工资的20%;全国失业相关支出低于GDP的0.1%,O EC D国家2021年平均为1.0%。World Bank, China Economic Update, June 2025, p. 35.
4.《北京经济技术开发区关于支持词元驱动智能经济高质量发展的若干措施(试行)》(京技管发〔2026〕9号,简称「词元十条」),2026年8月3日成文,8月5日发布,有效期至2030年12月31日,适用于亦庄新城225平方公里范围。
5.KPMG《Q2 2026 Global AI Pulse》显示,约49%的受访高管缩减了智能体部署,理由是成本超过收益,同期79%仍将AI列为投资优先项。另有多组独立证据:麦肯锡《Enterprise AI FinOps Survey》(2026年5月)称93%的受访者超出AI预算;普华永道《2026 Global CEO Survey》称仅12%的CEO表示AI同时带来成本与收入两方面收益,56%表示两者皆未见;Gartner(2026年3月)估计智能体完成单个任务所需Token是标准聊天机器人的5至30倍。Uber于2026年4月耗尽全年AI编码工具预算,其COO在5月25日的会议上承认无法把这笔支出与面向消费者的产品改进连起来;OpenAI CEO Sam Altman于2026年6月对CNBC表示,AI支出能否产生回报的质疑是当下对AI最公允的批评。触发点为Axios在2026年5月下旬关于「AI sticker shock」的调查报道。
6.智谱(Knowledge Atlas Technology)于2026年1月8日在港交所上市,3月31日发布上市后首份年报。2025年收入7.24亿元,同比增长131.9%;MaaS平台年度经常性收入(ARR)约17亿元,十二个月内提升60倍;MaaS平台毛利率由3.3%升至18.9%。同期净亏损47.18亿元,同比扩大59.5%;剔除股份支付(5.58亿元)、金融工具账面价值变动(9.37亿元)及上市开支等非现金与一次性项目后,经调整净亏损31.82亿元,同比扩大29.1%。研发开支31.8亿元,同比增长44.9%,为全年收入的4.4倍。本文采用经调整口径。
7.中国光伏行业协会名誉理事长王勃华指出,2024年行业波动造成的亏损规模远超此前三次行业波动。个别公司的年度序列显示亏损随规模扩张而扩大:通威股份2024年净亏损70.39亿元,2025年预告亏损90亿至100亿元;天合光能2024年亏损34.43亿元,2025年预告亏损65亿至75亿元,已连续六个季度亏损;晶澳科技2024年亏损46.56亿元,2025年预告亏损45亿至48亿元。截至2024年底,主产业链硅料、硅片、电池片、组件产能分别达1447GW、1160GW、1193GW、1428GW。即便如此,2025年1至2月光伏全产业链仍有31个项目公示、签约或开工,总规模近200GW,总投资额近900亿元。
8. IMF《世界经济展望》数据库「total investment」项下,中国2024年约为40.4%;国家统计局支出法核算的资本形成率为40.5%左右。该数值随WEO每期修订而小幅变动,故此处取约数。
9.《求是》网评论员《【理响中国】为什么要提高居民消费率?》,2025年12月5日。同文指出中国居民消费率与发达国家仍有10至30个百分点差距,服务消费占比偏低。口径说明:居民消费率指居民最终消费支出占GDP比重;最终消费率另含政府消费。国家统计局数据显示,2024年最终消费率为56.6%,2013年以来稳定在50%以上;资本形成率稳定在40%以上。故39.9%与40%不构成加总关系,差额主要为政府消费与净出口。
10.World Bank, China Economic Update, June 2025: Unlocking Consumption, pp. 1–2, 11. 该行估计2025年财政冲量为GDP的1.6%,其中直接面向家庭的部分约为GDP的0.5%,余下主要为公共投资。专题章节 Jobs in Transition, p. 21。2015至2019年GDP年均增长6.7%,城镇就业年均增长2.7%,五年净增城镇就业5550万人,居民实际人均收入年均增长6.7%;2020至2024年GDP年均增长4.9%,城镇就业年均增长仅0.9%,五年净增城镇就业2100万人,居民实际人均收入年均增长4.8%。
11.The Henry Ford, “Ford’s Five Dollar Day Revolution”。该馆记载1913至1914年间的流水线试验将一辆Model T的组装时间由12.5小时压缩至93分钟,同期离职率达370%;另一处藏品说明给出的数字为「1913年底离职率380%」,并称当时要净增100名工人须雇用963人。
12.Daniel M. G. Raff & Lawrence H. Summers, “Did Henry Ford Pay Efficiency Wages?”, NBER Working Paper No. 2101, December 1986(后刊于 Journal of Labor Economics, 1987)
13.「宏观福特主义」与「积累体制」(regime of accumulation)为法国调节学派(Régulation School)概念,指大规模生产、相对稳定工资、大众消费、福利制度与长期雇佣互相支撑的整体安排。主要文献:Michel Aglietta, A Theory of Capitalist Regulation: The US Experience (1979);Alain Lipietz, Mirages and Miracles (1987);Robert Boyer, The Regulation School: A Critical Introduction (1990)。另可上溯 Antonio Gramsci, “Americanism and Fordism”(《狱中札记》,1934)。
14.长江商学院AI智能产业研究部主办的学者研讨会纪要,2026年4月。Lynn Wu 为宾夕法尼亚大学沃顿商学院运营、信息与决策终身教授,其判断基于加拿大二十年机器人采用数据。
15-16.世界银行指出,2021年以来房地产下行使建筑业就业人数持续下降,公共基础设施投资仅部分抵消了地产带来的劳动需求减少。World Bank, China Economic Update, June 2025, pp. 22–23.pp. 28–29。中国有近四分之一的岗位属「常规体力」类别,高于其他中等偏上收入国家与高收入经济体;「常规认知」类岗位占比与发达经济体相当;而可被AI互补而非替代的「非常规认知」岗位占比低于发达经济体,这可能限制中国从AI中获益的空间(引 Arias et al., 2025)。另有实证显示,中国制造业企业(尤其高技术企业)采用AI后提高了高技能劳动需求、降低了低技能需求(Xie et al., 2021);2010至2016年机器人采用对在岗受薪工人的就业与工资产生负面影响,低技能与年长工人尤甚(Giuntella et al., 2025)。
本文来自微信公众号“青年志Youthology”(ID:openyouthology001),作者:谷雨,编辑:阳少
