当词元成为价值标尺：数据变现有了新路径，计费规则仍待透明

2026年上半年，Token（词元）成为产业热词。

从一度追求词元消耗量排名到重新评估其落地价值，行业正在历经从狂热到理性的回归；随着词元市场需求的爆发式增长，实践中也演化出不同类型的词元工厂形态；地方也在加速布局词元赛道，近期多地出台专项政策，开启词元经济制度的探索实践。

8月28日-30日，2026中国国际大数据产业博览会在贵州省贵阳市举行。本届数博会以“词元——数据要素价值释放新路径”为主题。    新华社记者 杨文斌 摄

在近期落幕的2026数博会上，国家数据局局长刘烈宏表示，词元作为数据要素价值释放的新路径，打通了“数据—模型—算力”之间的价值传导链路，正成为智能经济时代重要的基础计量单位与价值锚点。

当词元成为价值标尺，让AI服务变成一种可计量、可定价、可交易和结算的资源，一套新的经济范式正在重构产业链的价值分配逻辑。词元如何赋能数据变现？怎么算好词元这笔账？怎样推进词元产业发展？围绕这些产业界关注的热点话题，南都记者进行了多方采访。

一个文科研究员日均词元消耗量达到2.8亿，最高一天“烧”了17亿词元。按这样的趋势，她一年也能消耗千亿量级的词元。这是腾讯副总裁、腾讯研究院院长司晓近期在2026数博会上分享的一个身边案例。

“词元的爆发性增长首先来源于机器端。”司晓提到，上述研究员与AI的对话接近20万轮，不是普通的人机对话，背后有智能体（Agent）在大量调用。当机器端的AI能够持续执行3到16小时的长程任务，词元消耗量将快速上升。

数据显示，截至2026年6月，我国日均词元调用量已突破500万亿，两年间增长上千倍。这种爆发式的增长，让词元从技术层面的概念——“大模型处理信息的最小单位”，变成产业看得见的AI价值标尺。今年3月，国家数据局正式将“Token”的中文译名定为“词元”。

南都记者关注到，日前在贵阳落幕的2026中国国际大数据产业博览会上，围绕“词元——探索数据要素价值释放新路径”主题，各界嘉宾深入探讨词元撬动数据变现的商业模式、产业逻辑及制度框架设计等核心议题。

“这一主题契合了当前数智化发展的重要趋势。”赛智研究院院长赵刚告诉南都记者，数据是原材料，词元是通过算力、算法对数据进行加工后形成的智能单元——就像互联网时代的流量一样，词元是智能经济时代的智能价值兑现单元。

在赵刚看来，词元可以像电一样被计量、交易和管理，它间接地计量了算力和电力。“通常，有多少词元消耗，也就会消耗相应数量的算力和电力，产生多少智能（服务）。”

中国科学院大学经管学院院长洪永淼在数博会的一场词元主题活动上表示，数据经济时代，绝大多数的经济活动由数据驱动，数据成为新生产要素，但数据长期面临确权难、定价难、交易难等资产化困境，难以实现高效的市场破局。智能经济时代，词元将认知能力转化为可计量、可定价、可交易的基本单元，成为智能时代的新型资产。

在他看来，词元反映了数据、大模型、算力的总和贡献。词元把原来的数据存量转为数据服务流量，成为智能经济生产的一个可计量的关键生产要素，从而破解了数据要素市场化的难题。

洪永淼建议，当前需要加快构建以词元、模型能力、算力为核心的统计指标体系，完善智能经济统计核算制度，夯实智能经济规范化、市场化发展的理论与制度基础，助力数据要素价值充分释放。

过去半年来，行业对于词元的认知历经了一次明显的变化。年初，一些科技巨头内部盛行Token Maxxing（词元最大化）的竞赛——谁“烧”的词元越多，越能代表使用AI的活跃度。

这种单纯以词元消耗量作为考核指标的机制，很快暴露出弊端。一些员工为了抬高词元消耗量的排名，选择用昂贵的算力表演干活，造成了大量的资源浪费。不少企业面对高企的算力账单开始反思：这笔AI支出花到哪里去了？解决了哪些实际问题？创造了怎样的收益？随后，很多企业取消了排行榜并开始收紧预算，行业逐步褪去对词元使用规模的狂热追求，转而更在意如何把钱花在刀刃上。

国家数据发展研究院数据资源研究部主任王威对南都记者表示，这一变化反映出部分大型企业在AI应用不断深入的过程中，开始更加关注词元投入、使用效果和成本控制之间的关系。他认为，不同业务场景下，同样数量的词元所形成的实际业务效果并不相同，因此仅看词元消耗量还难以完整反映AI应用的实际成效。

王威建议，企业对词元的管理可以从单一关注使用规模，进一步转向综合考虑业务产出、使用效果和投入成本，更加注重词元在实际业务中的应用成效。

要算好词元这笔账，除了关注使用量外，价格同样是关键指标，但词元的计费规则被质疑透明度不足。这一问题从何而来？

赵刚对南都记者表示，尽管各家模型厂商公布的词元价格基本是透明的——计费规则一般根据词元使用量而计费，但是针对不同任务，词元消耗情况却很难完全透明。比如在处理同一个任务时，可能因模型能力的不同，而导致所消耗的词元数量和产出质量存在差异。

究其原因，一个重要的变量是分词器（tokenizer）。数据宝高级客户经理储思远告诉南都记者，不同模型对同一段文本的分词方式不同。即便是同一句话 “今天天气很好”，不同大模型的分词器处理结果也不一样：有的模型会把部分汉字组合合并为一个词元，有的则拆分为单个汉字作为词元，最终使得同一段文本的词元消耗数量出现差异。

储思远还提到，有的智能体可能底层接入了好几个不同模型，各家调用同等数量的词元的价格也不同。用户在问答等AI交互场景中，到底消耗了多少Token、智能体如何计费，其实很难感知。他认为，不管是按Token消耗量收费，还是以买会员消耗积分形式计算，还需要有更清晰且透明的标注。

据南都记者了解，目前，词元相关统计核算、产出与消费计量框架仍在研究探索中，行业内部尚未形成统一的评判标准。国家数据局局长刘烈宏在数博会上指出，同等数量的词元受模型能力、数据质量、业务任务复杂度等因素影响，实际价值差异显著，要深入研究有效词元的价值衡量与评估机制。

作为新生事物，词元经济的发展刚起步。目前，这一产业链条上聚集了算力租赁商、模型厂商、数据服务商、专业技术服务机构等多元主体，也演化出不同类型的“词元工厂”形态。

软通智算市场经理周珩告诉南都记者，过去，一家企业想上线AI应用服务，需要自行采购或租赁算力、准备数据、部署模型，并不断训练调优，才能生成内容，让AI应用“跑”起来，整个过程成本高、门槛高、周期长。现在，词元工厂可将算力、多种大模型以及高质量数据集进行深度封装整合，并通过智能调度系统，以词元计量的方式向客户交付结果。

“这相当于原来吃一顿饭，需要自己去菜市场买菜、买调料、动手加工；现在词元工厂好比一个标准化的中央厨房，客户只需下单点菜，工厂就能高效地负责上菜，最终实现企业像用电一样按需使用AI能力。”周珩说。

刘烈宏在数博会的发言中提到，从词元工厂的形态看，有的以大模型智算集群为底座，聚焦降低词元的硬件与消耗成本；有的依托基础大模型与推理优化能力，输出稳定可用的标准化词元服务；还有的立足行业数据集优势、发挥第三方的技术专业服务优势，持续推进词元的聚合分发等等。

他同时强调，词元工厂规划建设过程中，要坚持因地制宜、务实推进，也要避免一哄而上、盲目建设。

在夯实基础设施建设之外，词元经济发展，离不开实际应用场景的牵引。据南都记者了解，词元应用当前以编程（Coding）、音视频服务场景为主，面向制造业、农业等实体经济的规模化渗透不足、商业模式相对单一、中小企业使用词元服务的能力也有限。

如何探索适配产业实际的商业模式和深化行业应用？王威建议，可结合不同行业和企业需求，探索效果付费、增值订阅等多样化服务方式，研究面向中小企业的普惠化词元服务机制，降低人工智能服务使用成本和技术门槛，并围绕制造、金融、医疗、教育、政务等领域拓展具有实际需求和应用成效的典型场景。

持续加强高质量数据供给，也是推动词元产业和词元服务发展的应有之义。赵刚对南都记者表示，当前数据供给尚不能满足大模型词元生产的需求，基于行业化、场景化和专业领域的高质量数据集仍较为稀缺——比如，具身智能所需的真机操作数据、遥操数据等远不能满足市场需求。

还有观点指出，目前高质量数据集仍存在碎片化、泛化性不强等问题。这些已建成的高质量数据集对行业应用的价值有多高、能否带来下一次模型能力的飞跃，值得思考。

词元贯穿数据供给、模型训练、智能生成、场景应用等环节，价值链链条长、参与主体多、风险传导速度快。如何推进词元经济有序安全发展？

刘烈宏在数博会上指出，生产流通环节，要研究规范数据来源合法性，输出内容可控性的机制，有效防范版权纠纷、数据投毒等系统性风险。在消费环节，虚假词元流量、劣质服务、低价竞争等问题逐步显现，要研究建立科学有效词元产出计量、监测核算体系，搭建词元服务质量评价框架，切实保障各类经营主体的合法权益。

值得一提的是，地方也在加码布局词元经济赛道，近期多地出台了专项举措。其中，广东省印发了全国首份省级词元经济专项政策，兼顾本土产业培育与词元出海双向布局。北京亦庄提出，要建设自主可控的“万卡级词元工厂”。扬州创新提供“真金白银”的Token券补贴。这些各具特色的地方探索，将为我国词元经济的制度建设提供实践样本。

未来，随着制度规则、产业体系和应用场景的逐步丰富完善，词元将如何为千行百业注入强劲发展动能，有待实践作答。可以预见的是，当词元从“技术概念”转化为智能服务的“价值标尺”，它正在引发一场产业“智”变。

出品：南都数字经济治理研究中心

采写：南都N视频记者李玲 发自北京

编辑：程姝雯