Token經濟如何改寫AI“度量衡”的商業規則丨ToB產業觀察

AI 的發展正快速改寫軟體開發的規則，過去被視為天方夜譚的對話式編程，如今已成為許多程式設計師的日常操作。然而，這僅是當前 AI 應用的冰山一角。在這股技術浪潮背後，一個名為「Token」的計量單位，正悄然成為決定 AI 產業能否真正兌現商業價值的核心關鍵。Token 的用量正在以驚人速度膨脹。根據中國國家數據局 2026 年 3 月公布的數據，中國日均 Token 調用量已突破 140 萬億次，相較 2024 年初的 1000 億次，兩年內暴增超過千倍。中國人民大學教授魏哲巍用電力來比喻 Token 的發展階段，認為當前仍處於「電燈剛被發明出來」的序幕階段，真正的價值還未全面釋放。

IDC 數據更進一步顯示，2026 年中國 MaaS（模型即服務）市場的 Token 調用量預計將達到 40000 萬億次，營收約 186 億元人民幣；而全球年度 Token 消耗量將從 2025 年的 0.0005 Peta Token 躍升至 2030 年的 15 萬 Peta Token，年複合成長率高達 3418%。Token 的爆炸性成長引發一個根本問題：Token 究竟值多少錢？誰來為它定價？中國信通院信息化與工業化融合研究所副所長黃偉將 Token 的價值拆解為五個維度：生產成本、生產效率、準確性、生態價值及安全合規。

他指出，每一次 AI 查詢的背後，都牽涉從 GPU 到存儲、從軟體棧到網路連結的整條鏈路。然而現實中的 Token 定價差異極大，中泰證券報告指出，不同場景的 Token 價值差距可達十萬倍。藥物研發領域的 Token 均價可達 1000 美元／百萬 Token，而一般閒聊類應用可能只需 0.01 美元／百萬 Token。聯想集團副總裁、中國首席戰略官阿不力克木（阿木）比喻，就像同樣一千字的文章，作家與普通人拿到的稿費完全不同。中國信通院人工智能研究所所長魏凱則直言，只有「有效 Token」才具備價值，低品質 Token 只是算力的噪音，高品質 Token 才是智能的信用。

面對 Token 價值如何衡量這個難題，阿木提出一套被稱為「Token 經濟三大定律」的實驗性框架，嘗試用定律形式概括 Token 經濟的運行規律。第一定律是慣性定律，主張單位 Token 成本會持續且穩定地下降，這背後有三層慣性。第一層是晶片、能源與模型本身的技術創新；第二層是將模型、算力、電力三者一體化優化搭配，最高可再降低 50% 的成本；第三層則是運行時調度，透過智慧路由將不同的任務分配給最適合的模型與 GPU。聯想自身也在這三層布局，包括與晶片廠聯合研發、優化服務器集群與液冷散熱，以及推出 Token Hub 調度系統，統一管理公有雲、私有部署與邊緣設備。

第二定律是加速定律，強調單位 Token 產出的價值會因三個因素加速成長。首先是 AI 嵌入業務流程的深度，如果只是當作問答工具，價值與高級搜尋引擎差不多；但若讓 AI 承擔實際工作節點，例如分子篩選、自動程式碼生成或招投標文件評審，價值可相差十倍。其次是工程化的深度，周邊的數據準備、流程改造與智能體打磨如果沒跟上，AI 效果就會大打折扣。阿木以資訊化時代的 ERP 實施顧問為例，認為 AI 時代也需要一種「前線交付工程師」角色，深入一線將智能體做出來並持續迭代。第三是配套到位程度，包括 AI 原生人才、Token 工廠基礎設施，以及治理體系與投資模型的建立。第三定律是奇點定律。

阿木將企業 AI 應用的成本與價值畫在同一象限，在「奇點」之前成本曲線高於價值曲線，企業投入 AI 處於虧損狀態；過了奇點之後，價值曲線反超成本曲線，進入正循環。奇點之前 AI 節省的是存量成本，例如用 Token 取代部分人力支出；奇點之後則產生增量價值，能做到以前做不到的事，例如一天生成百萬個短影片腳本，或讓不懂程式設計的人直接做出 App。阿木認為，工業革命實現了工業品規模化，資訊革命實現了數據規模化，而智能革命要實現的是創新的規模化。然而理論歸理論，現實中的 Token 帳單不會等人。2026 年，許多企業開始感受到成本壓力。

據英國《金融時報》報導，美國叫車巨頭 Uber 在 4 月就用光了全年 AI 預算，管理層不得不將每位員工每月的 AI 編程工具使用費限制在 1500 美元。Meta 內部測算顯示，若維持當前員工調用增速，2026 年僅內部 AI 使用一項就可能耗費數十億美元。亞馬遜高管甚至公開告誡員工不要為了使用 AI 而使用 AI。字節跳動旗下火山引擎總裁譚待在公開場合算了一筆帳：一家 1000 名員工的企業，每人每天調用模型 100 次，一年 Token 費用可能高達數千萬人民幣，許多企業根本沒仔細計算過這筆開銷。問題的根源在於 Token 的「品質折扣」與「通膨」。

市場上的 Token 報價五花八門，有的是固定月費但設有隱形上限，有的按輸入輸出總量計費但設有最小計費單位，導致用戶難以橫向比價。黃偉更指出，服務商暗中降精度的現象並非個案。此外，智能體場景下的 Token 耗用量是普通對話的 5 到 30 倍，一個任務可能觸發大量模型調用與思維鏈，形成所謂的 Token 通膨。阿木直言，如果員工只是拿 AI 寫週報，百萬 Token 的價值可能不到 1 美元，但若用於藥物靶點發現，價值可達 1000 美元，場景差異極大。為了應對這些問題，中國信通院正推動一套高品質 Token 服務標準體系，從服務品質、營運能力、生產能力、安全能力四個面向建立框架。

黃偉強調，用戶應有「知情權」，服務商必須揭露後端使用的算力規格、模型版本與精度等級。產業端的探索也更為務實，聯想推出 Token Factory，將 Token 生產從手工作坊轉變為標準化車間；三大電信運營商陸續推出 Token 套餐，像賣流量一樣銷售 AI 算力；支付巨頭 Stripe 更斥資約 10 億美元收購專為大模型公司提供 Token 用量計量的新創 Metronome，顯示資本市場已開始押注 Token 計量賽道。阿木認為，現在大家覺得 Token 貴，是拿它與發電廠的電費相比，但真正的價值在於用電的冰箱、電視等終端產品。

Token 有了價格、帳單與定律，但企業能否跑過那個「奇點」，取決於能否讓每一次 AI 呼叫都產生真實價值。AI 的盡頭不是裁員，而是讓創新本身規模化。這個目標如今聽起來仍像個口號，但正如一百年前的人難以想像家家戶戶都有電一樣，或許我們正處於類似的前夜。