作者：張人中，系中國社會科學院習近平新時代中國特色社會主義思想研究中心研究員、經濟研究所助理研究員
當前，以大模型、智能體為代表的生成式人工智能加速迭代，詞元（Token）正在從技術計量單位演進為連接技術供給與商業需求的“結算單位”和智能經濟時代的“價值錨點”，催生出極具增長潛力的詞元經濟新業態。習近平總書記指出，“要培育具有重大引領帶動作用的人工智能企業和產業，構建數據驅動、人機協同、跨界融合、共創分享的智能經濟形態”，為推動智能經濟發展提供重要遵循。准確把握詞元的計量、配置和治理功能，有助於推動人工智能技術優勢更好轉化為生產效率、創新動能和發展優勢。
夯實智能經濟可計量運行基礎
智能經濟快速發展，對模型調用和資源消耗的計量提出了新的要求。詞元為衡量模型使用提供相對統一的計量尺度，使智能服務的成本核算、價格形成和績效評價具有更清晰的信息基礎，為市場化運行提供重要支撐。
一是夯實計量基礎，提升智能經濟可觀測性。隨著人工智能由技術研發加快走向規模化應用，模型調用、智能生成和場景應用日益成為智能經濟運行的重要形態。傳統流量指標主要刻畫用戶訪問、信息傳輸和平台連接強度，難以反映模型推理復雜度、算力消耗和任務完成情況，也難以滿足智能服務成本核算和績效評估需要。詞元貫穿模型輸入、推理和輸出環節，能夠將部分難以直接觀察的模型活動轉化為可記錄、可核算的數量信息，為衡量服務使用規模和資源消耗提供相對統一的計量尺度。
二是完善價格形成機制，提升智能服務供需匹配效率。大模型服務的交易對象是特定場景下由模型調用形成的服務產出。用戶需求、模型能力和算力成本存在顯著差異，價格形成需要以可識別的數量和成本信息為基礎。詞元計量為平台核算資源消耗、企業評估調用成本和用戶比較服務價格提供基礎依據。模型服務價值並不由詞元消耗單獨決定，還取決於任務完成度、模型質量和服務穩定性。應將詞元計量與任務完成度、模型質量和場景價值結合起來，形成更具可比性的成本效能評價，使價格信號充分反映資源成本、服務質量和供需關系。
三是健全績效評價，提高智能經濟運行治理效能。智能經濟發展的成效最終體現為效率提升、成本節約和質量改善等實際產出。詞元本身不等同於經濟價值，但可以為評估技術投入及其經濟效果提供基礎信息。將詞元調用與任務產出、成本變化、服務質量等指標結合，有助於識別人工智能應用的實際成效。在企業層面，可以加強智能化投入預算和成本管理﹔在宏觀層面，可以為智能服務統計監測和政策評估提供微觀依據。通過建立投入強度、成本變化與產出效能相結合的績效評價體系，有助於推動智能經濟由重調用規模向重應用效能轉變。
拓展智能經濟效率躍升空間
人工智能由技術能力轉化為現實生產力，關鍵在於嵌入生產過程、改善資源配置並實現產業擴散。詞元提高模型投入和使用成本的可識別性，為比較投入產出、優化生產組織和配置算力資源提供信息依據，推動人工智能應用提質增效。
一是重塑生產過程，拓展全要素生產率提升空間。生成式人工智能通過模型調用參與知識加工、內容生成和決策輔助，使自然語言需求能夠轉化為設計方案、程序代碼、經營分析和客戶服務。與主要承擔信息傳遞和流程自動化功能的傳統數字工具相比，大模型能夠更深入地參與知識密集型任務，改變勞動、技術和組織的組合方式。生產率提高並非詞元調用數量增長的直接結果，而更多取決於模型能力與勞動者技能、專業知識和業務流程的有效結合。詞元計量能夠為識別模型投入、核算使用成本和優化人機分工提供基礎，幫助企業合理界定機器生成、人工判斷和專家校驗的邊界，優化組織流程和人機協同方式。
二是優化資源配置，強化智能經濟成本約束。智能經濟發展依賴數據資源、模型和算力等要素協同配置。缺乏清晰的資源消耗信號和成本約束，容易造成盲目調用、重復建設和低效投入。詞元計量能夠把模型調用轉化為相對明確的數量和成本信息，為企業依據任務復雜程度、質量要求和預算約束選擇模型方案提供參考，也為平台優化算力調度提供依據。算力資源配置應綜合任務績效、服務質量、時延和實際成本，比較不同應用的邊際成本與邊際收益。隨著超大規模智算集群、算電協同和全國一體化算力監測調度加快推進，應進一步強化成本收益約束，促進算力資源向產出效益更高的場景合理配置。
三是促進產業升級，提升產業體系智能化水平。人工智能具有較強的通用技術屬性，其經濟效應取決於能否由單點應用向研發、生產和服務等環節持續擴散。詞元計量提供相對統一的調用核算基礎，有助於降低模型服務採購、使用和管理中的信息成本，促進模型能力融入企業生產經營。隨著高質量數據集建設和行業模型應用持續深化，需求牽引、模型迭代和場景拓展相互促進，推動智能技術嵌入研發設計、工藝仿真、質量監測、設備運維和供應鏈管理等環節。提高模型服務的可計量性和成本可識別性，為人工智能規模化應用提供基礎支撐，促進科技創新和產業創新深度融合，提升現代化產業體系智能化水平。
完善智能經濟規范發展生態
人工智能商業化規模化應用不斷深入，對制度規則和治理能力提出了更高要求。隨著詞元由基礎計量延伸至定價、交易和結算，需要進一步完善計量計價、市場治理和安全規范，形成穩定透明、規范有序的市場環境。
一是完善計量計價規則，夯實智能服務市場基礎。清晰穩定的計量計價規則是智能服務規模化交易和有序競爭的重要前提。大模型服務計價涉及輸入詞元、輸出詞元、上下文長度、推理復雜度和服務等級等多種因素。應推動形成口徑清晰、披露充分、便於比較的詞元計量和成本核算規則，引導平台合理披露計費方式、能力邊界和服務等級。統一計量標准旨在提高服務可比性，模型價格仍應體現模型能力、服務質量和供需關系形成的合理價差。行業組織和監管部門應加強市場治理，防范不合理計費、誤導性宣傳和服務能力夸大等不當行為，維護公平有序的市場環境。
二是深化產業應用場景，提升智能服務應用效能。詞元的經濟功能需要通過模型服務融入實際生產經營加以實現。應堅持場景牽引和需求導向，促進專業數據與行業模型結合，推動模型能力嵌入業務流程，形成投入產出關系清晰、可復制可推廣的應用模式。在制造業領域，圍繞研發設計、質量檢測和供應鏈管理拓展應用﹔在生產性服務業領域，圍繞風險管理、客戶服務和運營管理提高智能化水平﹔在公共服務領域，圍繞政務服務、社會治理和應急管理提升響應能力。同時，完善公共算力供給和行業模型服務，探索與不同業務需求相適應的計費模式，降低中小企業智能化應用門檻，提高智能技術的普惠可及水平。
三是健全安全治理體系，筑牢智能經濟發展底線。模型調用涉及數據安全、隱私保護、商業秘密、生成合成內容、知識產權和責任歸屬等問題，治理規則滯后會增加交易成本和技術應用風險，影響市場主體預期。推動詞元規范應用，應把安全治理貫穿模型調用全過程，完善數據分類分級保護和人工智能生成合成內容標識機制，健全知識產權保護、算法治理和責任分擔規則，形成平台、企業、用戶和監管部門權責清晰、協同有效的治理格局。同時，要明確詞元作為模型服務計量計價基礎的功能邊界，警惕其泛金融化、証券化。
