Token是什麼去年8月，國家資料局局長劉烈宏在國務院新聞辦公室舉行的新聞發佈會上表示，在人工智慧時代，Token，也就是大家通常所說的詞元，作為處理文字的最小資料單元，如同網際網路時代大家所說的“流量”。2024年初，中國日均Token的消耗量為1千億，截至2025年6月底，日均Token消耗量已經突破30兆，1年半時間增長了300多倍，這反映了中國人工智慧應用規模的快速增長。電腦學會最新一期專家術語談也解釋了Token，提出Token（詞元）是大語言模型處理資訊的基本單位，即資料進入模型前，經由切分、編碼或量化得到的基本處理單元，如文字子詞和圖片像素方塊。以自然語言處理為例，詞元可以是一個漢字、多個漢字、一個或多個英文單詞，或單詞中的一部分。例如，在中文中，“人工智慧”既可以作為一個詞元，也可以切分為“人工”和“智能”；在英文中，單詞“learning”可能會被切分為“learn”和“ing”兩個詞元。詞元是將原始輸入資料嵌入對應到連續向量空間的橋樑。▲ 詞元示例什麼是Token經濟如果流量是網際網路時代的晴雨表，那麼，Token就是智能時代的硬通貨，對AI商業化和未來經濟將產生重大影響。智能經濟工作者陶鶴山前兩天在澎湃新聞上發佈的一篇文章《“龍蝦”只是Token經濟的前菜》，對Token經濟進行了分析。他在文中寫到，OpenClaw這只龍蝦，更像是智能盛宴的一道前菜，它讓大眾初嘗AI紅利的滋味，潛移默化間塑造著Token消費習慣，揮舞的紅色大鉗，拉開了Token經濟的序幕。我們不禁要問，這養的是“小龍蝦”還是吞金獸?OpenClaw目前的核心使用者其實是更專業的B端群體，比如咱們常說的OPC（一人公司）。要是普通人沒什麼經常用它的場景，還非要裝一個，要麼就是花了大價錢，實際用到的效果卻寥寥無幾；要麼就跟雞肋似的，食之無味、棄之可惜，更麻煩的是，就算想解除安裝，還得再花一筆錢。給大家舉個真實例子，一位私募基金的研究員，用OpenClaw自動處理研報，僅僅一周就消耗了超過1200萬Token，光費用就快一千塊了。其實OpenClaw的成本結構，早就悄悄劃分好了適合它的使用者。咱們分三類說說：輕度體驗的朋友，每天用10次，一個月大概要耗3000萬Token，成本在100—300元；做自媒體的夥伴，每天用50次，月消耗1.5億Token，成本大概600—1500元；要是自動化團隊用，每天200次任務，月消耗能到6億Token，成本直接衝到3000—10000元。還有個關鍵點大家要注意，OpenClaw是“永動模式”——只要不斷網、不斷電，它就能7×24小時不停幹活，這和咱們平時用的傳統對話式AI完全不一樣。傳統AI是“問一句答一句，答完就結束”，而OpenClaw會一直消耗算力。這就導致原本偶爾花一次、還能控制的Token成本，變成了源源不斷的持續性開支。不過對專業使用者和企業來說，OpenClaw帶來的效率提升是肉眼可見的，這筆高昂的成本完全能靠效率補回來。但對普通使用者來說，要是沒有高價值的任務要做，用它就相當於花Token養了一隻“寵物蝦”，圖的就是體驗一把被“數字員工”伺候的新鮮感而已。那麼，我們又該如何理解Token經濟呢？根據陶鶴山的觀點，Token經濟，是指智能時代以Token計價的經濟運行模式。可以把Token理解為智能世界的“通用計價標尺+價值流通載體”。這也意味著，Token本身有兩個很關鍵的作用：第一個是“語義計量”，說白了，它就是AI處理資訊的“最小單位”。你跟AI說的每一句話、發的每一個指令，還有AI給你回覆的每一段內容、生成的每一份檔案，都會用Token來算清楚“處理了多少資訊”，就像咱們買東西會算重量、算數量一樣。第二個是“計算量對應”，它還是AI執行階段，消耗算力的“基本計量單位”。AI每動一次腦子、每做一次推理，都得消耗算力，而計算效率的高低，會決定每單位算力能產出多少Token。所以不管是性能強的算力，還是普通的算力，都能通過Token，變成統一的“衡量標準”，方便大家計算和對比。可能大家沒概念，現在全球大模型每天消耗的Token，已經達到30兆等級了！而且中國的模型呼叫量，首次超過了美國，佔了全球的60%以上。而這種Token消耗的變化，也讓安迪比爾定律，在智能時代重新煥發了生機。安迪比爾定律曾統治PC時代30年，核心邏輯很簡單：硬體性能提升的部分，總會被軟體的新功能、高需求消耗掉，使用者實際體感的提升遠不及硬體性能的翻倍。而到了智能時代，這個定律換了一種形式“回歸”，且和我們前文說的Token消耗緊密相關。和PC時代不同，智能時代的安迪比爾定律更激進：以OpenClaw為代表的智能應用，能力越強，消耗的算力（即Token）越多。傳統對話式AI僅需單次模型呼叫，而OpenClaw執行複雜任務時會多輪思考、多次呼叫，消耗幾萬甚至幾十萬Token很常見。更關鍵的是，這一定律已從B端燒向C端：此前算力消耗集中在企業研發、模型訓練環節，OpenClaw出現後，普通使用者也需直面成本壓力——其重度使用者日均Token消耗3000萬至1億，單日費用最低40美元、最高可達3000美元，遠超傳統對話式AI的訂閱成本。這意味著算力消耗的“通膨”正傳遞到消費側，而PC時代的經驗也在提醒我們：真正的競爭力，不只是算力，還有如何設計更節制、更高效的系統。Token消耗的爆炸式增長，如果不能被技術創新和效率提升所避險，終將成為智能時代發展的障礙。然而，Token的作用遠不止計價，它正在重構整個智能經濟的運行邏輯，這就帶來了一個新銳的觀點：萬物皆Token。這一點，我們可以結合最近黃仁勳提出的“AI五層蛋糕理論”來談。黃仁勳認為AI發展有五層，最底層是能源（電力），往上依次是晶片、資料中心、模型、應用。這個框架其實告訴我們一個真理：不管那一層搞創新，最終都繞不開電力這個物理約束。而到了智能時代，當電力都能用Token來統一計價，整個框架就可以概括成“萬物皆Token”。▲ AI是一塊五層蛋糕（圖片源自輝達官網）基於Token，我們得以重新建構物理世界和數字世界的關係。資料是Token的原材料。每一次訓練和推理，都是將海量資料轉化為Token的過程。資料的質量、規模、多樣性，決定Token的價值密度。高品質的專業資料，能產出更稀缺、更昂貴的Token；海量泛化資料則產出通用但廉價的Token。演算法是Token的精煉廠。同樣的電力和算力投入，更高效的演算法架構能產出更多Token。DeepSeek V3以十分之一的算力成本匹敵頂級模型，正是通過架構創新實現了更高的Token產出率。演算法效率的每一點提升，都體現為單位電力Token產量的增加。服務是Token的流通網路。從大模型API呼叫，到A2A(Agent to Agent)協作，再到端到端應用場景，Token在不同層級、不同主體之間高效流轉，實現Token與服務無縫交換的協作生態。更深遠的是，Token會成為跨模態的“硬通貨”。文字、圖像、音訊、視訊、3D模型、感測器資料，都可以被轉化為Token，進入同一個計算和計價體系。這背後的經濟邏輯清晰而深刻，工業經濟時代用“千瓦時”度量電力，數字經濟時代用“GB”度量流量，智能經濟時代則用“Token”度量智能。物理世界的能源、數字世界的算力、無處不在的智能服務，最終都匯聚到Token這個統一的價值單位上。而當Token成為通用標尺，一個更深刻的問題來了：未來的貨幣，會錨定在Token上嗎？我們先拿H100晶片來舉例，咱們算一筆簡單的帳：1度電，理論上能產出大概923萬Token，但實際用的時候，機器會散熱，有損耗，最後實際能產出約550萬Token。這就說明，電費（也就是能源成本），以後可以用Token來計算，而貨幣最終也會跟著Token，和電力綁在一起。從貨幣本質看，錨定物要滿足三個條件：稀缺性、穩定性和可流通性。電力完全滿足這些條件：它是宇宙的基本貨幣，可轉化為任何形式的工作；受物理定律約束，不可憑空創造，天然防通膨；而且隨著綠色能源的普及，電力供給正變得日益穩定和可持續。Token作為電力的金融化表達，正在建構“能源→算力→Token→價值”的完整價值鏈條。中國西部一度0.2元的綠電，經過算力轉化，可以變成AI服務以數倍計價輸出。而歐美0.8—1.2元/度的電價，使得其Token成本是中國模型的3—5倍。這種成本差異，直接轉化為AI服務的價格競爭力。更深層的影響還在於跨境貿易模式的重構。傳統電力出口需要物理電網輸送，面臨5%—10%的線損、高昂的基礎設施投入和複雜的地緣政治壁壘。而Token出口通過日益發達的通訊網路即可完成瞬時交付，電力始終留在國家電網內，但電力的價值卻通過Token被全球使用者消費。以國內模型每100萬Token約2元的定價計算，一度電通過Token可賣到11元，這種增值效應是傳統電力出口無法企及的。在這個框架下，貨幣的價值錨點正在發生微妙但深刻的變化。當AI服務成為全球經濟增長的絕對引擎，當Token成為智能互動的通用計價單位，能源的物理屬性將逐漸讓位於Token的數字屬性。未來的貨幣體系，很可能不再是基於法幣對石油的錨定，而是基於Token對電力的錨定。那麼，Token經濟能給我們帶來什麼實際好處？陶鶴山暢想，伴隨智能應用的全面滲透，Token經濟將使社會實現計算自由。第一，人類可無邊界訪問頂尖智能服務。借助Token統一計價，只要有網際網路，無論身處何地都能呼叫全球頂尖AI，無需投入巨額成本搭建自身AI系統，這也能讓開發中國家跳過傳統IT基建，直接進入智能經濟時代。第二，智能體（Agent）可自主協作。基於統一的A2A協議，不同公司、不同框架的智能體能相互識別、交換資訊、配合完成任務，形成不依賴單一平台的分佈式智能生態。第三，智能體可實現經濟自治。當智能體擁有專屬Token帳戶，就能自主交易服務、購買算力、最佳化收益，人類將從“管理者”轉變為智能經濟網路的“發起者”，OpenClaw等開源自主智能體，已具備“數字公民”的雛形。總的來說，算力的根本是電力，而電力未來會通過Token來計價、流通，這才是Token經濟最核心的價值。未來十年，咱們談論Token，可能會像現在談論水、電、氣一樣自然——它是衡量智能的單位，是用來交換價值的“貨幣”，更是我們和智能體一起生活的社會基礎。黃仁勳的Token經濟學堪稱“AI春晚”的輝達GTC大會，今年3月16日至19日在美國加利福尼亞州聖何塞舉行。台北時間3月17日凌晨2點，輝達CEO黃仁勳在聖何塞SAP中心發表了超過兩小時的主題演講。黃仁勳在演講中預測，到2027年全球AI基礎設施相關需求將達到1兆美元。他還指出，實際需求可能會比1兆美元高得多。但黃仁勳的這場演講值得仔細看的地方不在於兆美元這個數字本身，而在於他用兩個小時講了一套新的商業邏輯：資料中心正在從訓練模型的地方，變成生產Token的工廠。過去兩年，Token的消耗量發生了幾次量級上的跳躍。黃仁勳在演講中，用三個關鍵轉折點總結這一趨勢的演變：（一）2022年底ChatGPT上線，AI學會了生成內容，開始大量消耗Token；（二）ChatGPT o1模型出現後，AI學會了推理和反思，為了思考，它要在內部生成大量Token給自己看；（三）Claude Code（Anthropic公司開發的AI程式設計工具）發佈後，AI能讀取檔案、編寫程式碼、編譯測試，每完成一個任務消耗的Token比簡單對話多出好幾個數量級。黃仁勳提到，輝達所有的軟體工程師都在用AI輔助程式設計。AI的工作分兩個階段：（一）訓練是讓模型變聰明的過程，需要花一次大錢把模型練出來；（二）推理是模型幹活的過程，每天都在發生，需求也越來越大。黃仁勳說，過去全球買GPU（圖形處理器，目前AI計算的核心硬體）主要是為了訓練，現在重心已經在向推理轉移。推理服務商的業務規模過去一年增長了100倍。IDC中國分析師杜昀龍也告訴經濟觀察報記者，目前國內推理伺服器不論增速還是佔比均已超過訓練，從伺服器出貨金額來看，推理佔比已接近60%。推理的需求在爆發，但Token還沒有形成市場定價體系。黃仁勳在演講中給出了他認為未來會出現的五檔價格：免費層，Token產出量大但響應速度慢；中等層，每百萬Token約3美元；高級層，每百萬Token約6美元；高速層，每百萬Token約45美元；頂級層，每百萬Token約150美元。模型越大、上下文越長、響應速度越快，Token就越貴。他以頂級層舉了個例子：一個研究團隊每天用5000萬Token，按每百萬Token150美元來算也就只有7500美元，對企業來說不算什麼。上下文窗口從32K個Token拉到400K個Token之後，AI能一次性讀完一整份合同或一整個程式碼庫，價格對應的是此前做不了的事情。有了分層定價，資料中心的經濟模型就變了。黃仁勳表示，所有資料中心都受限於電力供應，1吉瓦的機房不可能憑空變成2吉瓦，這是由電力與土地資源先天決定的。在功率固定的前提下，誰能用每瓦電產出更多Token，誰的成本就更低。換句話說，同樣消耗一度電，誰能生成更多Token，誰就能獲得更高收益。他在演講中給出一組對比資料：在同一座1吉瓦資料中心內，按不同算力方案分配資源，採用輝達現有Blackwell架構，年收入約300億美元；升級到新一代Vera Rubin架構，年收入可達約1500億美元；若再搭配Groq LPU推理加速器，年收入能攀升至約3000億美元。同樣一座機房，僅更換裝置，營收差距就能達到10倍。輝達2026財年總營收為2159億美元，其中資料中心業務貢獻1937億美元。按照黃仁勳的判斷，客戶現有的資料中心潛力並未完全釋放，只要替換成新一代裝置，在同等電力條件下，收入就能實現數倍增長。市場給出的兆美元估值預期正是源於此——並非晶片漲價，而是相同電力能產出更多、價值更高的Token。黃仁勳認為，未來每位CEO都會高度關注自家“Token工廠”的運行效率，因為這直接關係到企業收入。伴隨智能應用的全面滲透，Token經濟將使社會實現計算自由。這種自由首先體現在人類對智能服務的無邊界訪問上。通過Token計價體系，無論身在何處，只要有網際網路連接，就可以呼叫全球最頂尖的智能。東南亞的電商公司、南美的醫療團隊、中東的主權基金，都可以通過採購Token，獲得與世界一流AI公司同等水準的智能服務。南方國家因此可能跳過沉重的傳統IT基建階段，直接躍入智能經濟。更廣泛的自由，在於Agent之間的自主協作。基於A2A協議，不同框架、不同供應商建構的智能體，能夠在統一的標準下發現彼此、交換資訊、協調行動。一個擅長資料分析的Agent，可以將結果傳遞給一個擅長可視化的Agent；一個專注金融風控的Agent，可以呼叫一個擅長合規稽核的Agent服務。這種多Agent協作網路，正在建構一個超越單一中心化平台的分佈式智能生態。再進一步，則是Agent的經濟自治。當智能體擁有獨立的Token帳戶，能夠在市場中自主交易服務、購買算力、最佳化收益，人類可能成為這個智能經濟網路的“發起者”而非“管理者”。OpenClaw等自主智能體的開源，正是朝著這個方向邁出的第一步——它們擁有執行權、記憶系統和工具呼叫能力，本質上已經是“數字公民”的雛形。 (TOP行業報告)
