从国家数据局正式定名“词元”，到日均调用量突破 140 万亿；从集体降价到集体涨价， 再到北京首发词元经济专项行动方案——词元正在重写 AI 产业的商业逻辑与竞争规则。 以下为近期行业关键动态与深度解读。
2026 年 3 月，国家数据局在中國發展高層論壇上正式將 AI 領域的 Token 定名為 “詞元”，明確其為“智能時代可計量、可定價、可交易”的核心計量單元。 國家數據局局長劉烈宏給出定義：詞元是大模型處理信息的最小信息單元， 例如“我愛中國！”可拆為“我”“愛”“中國”“！”4 個詞元。[reference:0]
這一定名標誌著國家層面正式認可詞元作為智能時代核心生產要素的地位， 為 AI 產業的標準化計量與商業化結算提供了統一標尺。[reference:1]
中國日均詞元調用量從 2024 年初的 1000 億躍升至 2026 年 3 月的 140 萬億， 兩年增長超千倍；相比 2025 年底的 100 萬億，短短三個月再度增長 40% 以上。 140 萬億日均調用量相當於 1000 萬億個中文詞彙，約等於 250 個中國國家圖書館的資源量。[reference:2][reference:3]
機構監測數據同樣印證這一趨勢：過去一年，周度消耗 Token 數量從 2.1T 上升至 24.5T，2026 年以來周度 Token 消耗增加 280%。[reference:4]
傳統 AI 對話中，一次用戶請求消耗的 Token 通常在幾百到幾千之間，算力消耗是離散、 短週期的。而智能體完成一個任務，需要模型自主規劃、搜索信息、調用工具、執行步驟、 驗證結果，這個循環可能重複幾十輪甚至上百輪，從而使輸入和輸出 Token 都呈現指數級膨脹。[reference:5] 無問芯穹最新數據顯示，其平台單日 Token 調用量增長 40 倍，其中 95% 以上的推理任務 與 Agent（智能體）相關。[reference:6]
英偉達 CEO 黃仁勳在 GTC 大會上提出了 Token 的分層定價體系：從高吞吐量、 低速度的免費 Token，到支持更大模型、更快速度的“進階” Token，到支持長上下文、 深度推理的“高速層” Token，以及面向超長研究任務、關鍵路徑實時響應的“頂級層” Token。[reference:12] 騰訊研究院相關負責人指出，百萬個詞元如果用來閒聊可能僅值 0.01 美元， 如果用來寫代碼可能值 200 美元，如果用來做法律文檔審閱可能值 1000 美元。[reference:13]
無問芯穹 CEO 夏立雪表示，過去一年通過模型、系統軟件和硬件之間的一系列協同優化， 已推動推理成本下降 90%，並判斷未來仍能再下降 90%。實測顯示，其架構可將首個詞元 時延降低 51.5%，同時將單個詞元成本降低 37.5%。[reference:14][reference:15]
2026 年被定義為“國產超節點元年”，華為 Atlas 950 SuperPoD 昇騰超節點 單櫃 64 卡單元可橫向擴展至 8192 卡，支撐 50 萬卡國產智算集群； 中科曙光展出國內首套十萬卡全棧自主登峰 8000 AI 超集群。 聯想集團副總裁陳振寬指出：“AI 產業正處在‘生產範式競爭’拐點， 算力不再是簡單硬件資源，而是一套標準化 Token 智能生產系統， 比拼的不是單卡峰值，而是單位能耗、單位投入能產出多少高質量 Token。”[reference:16]
2026 年 9 月 18 日，北京市經信局和市發展改革委聯合發布了首個省級單位發布的 詞元經濟專項政策。市經信局預測，詞元經濟全產業鏈在“十五五”期間有望突破萬億規模。[reference:18]
國家數據局數據顯示，國產大模型包攬全球調用量前四席位，而國產詞元價格僅為 海外同類產品的十幾分之一的水平。[reference:25] 據報導，稀宇科技和月之暗面等公司每 100 萬個詞元收費僅 2 到 3 美元， 而 Anthropic 的“克勞德-十四行詩 4.5”模型收費約為 15 美元。[reference:26]
《財經》雜誌的數據更為直觀：DeepSeek-V4-Pro（正式版）平均任務成本為 0.48 元， DeepSeek-V4-Flash（正式版）僅 0.25 元，而 Claude Opus 5 為 9.38 元， GPT-5.6 Sol 為 7.06 元，GPT-5.5 為 10.16 元。[reference:27]
中國人工智能團隊的成本優勢源於更低廉的能源價格和更高效的模型。 中國政府在 2026 年工作報告中將“算電協同”列為國家重點工作， 明確將能源政策與人工智能競爭力聯繫起來。[reference:28] 在軟件方面，中國企業積極採用高效的人工智能架構，如“混合專家”設計， 以減少算力需求。這種對計算效率的追求，部分源於美國出口管制導致的 中國先進芯片短缺。[reference:29]
2026 年一季度以來，算力層、大模型層、應用層的價格信號同時出現調整， 三層價格由此前的反向分化轉為同向波動，詞元經濟整體性漲價態勢初步顯現。 有研究指出，需要警惕“詞元通脹”成為數字經濟的系統性風險， 建議盡快填補詞元計費透明度及相應規則的空白、完善算力競爭合規要求、 健全價格統計監測機制。[reference:31]
中國工業互聯網研究院的分析指出，行業悖論持續發酵：下游應用開發享受流量紅利、 中游模型廠商放量虧損、上游算力芯片持續高盈利，形成“價值漏斗”分配失衡。[reference:32]
上海財經大學特聘教授胡延平判斷：“未來，Token 會像水像電一樣成為基礎服務， 薄利、普惠、泛在。單位 Token 成本會持續下降，但 Token 經濟會分層。” 他特別強調：“Token 是計量單位，不是計質單位。同樣數量的 Token， 其蘊含的價值和能力差異往往很大。”[reference:33][reference:34]
中國電信研究院預計，2026 年我國 Token 年消耗量將達到 10 億億， 到 2030 年將超過 3500 億億，年複合增長率接近 12 倍。從需求結構來看， 推理算力需求將遠超訓練算力，預計 2029 年我國推理算力市場占比將達到 80%。[reference:35]
詞元已成為 AI 產業商業化的核心計價載體，從算力消耗計量到服務價值結算， 它被寄予破解 AI“重投入、難變現”困局的厚望。但統一的計價單位並不意味著統一的定價能力。 隨著模型能力趨同，普通模型詞元單價持續走低的背後，是模型層向應用層讓渡價值的行業現實。 業內人士認為，解決複雜推理任務的詞元，其價值理應高於普通文本生成的詞元， 詞元的價值衡量正從“按量計價”向“按質定價”演進，商業閉環的構建需要在精準計量的基礎上， 疊加價值分層的能力。[reference:36]