词元经济的价值核算与金融机制协同

词元经济正由技术应用和产业探索转向制度构建与规则塑造。国家数据局披露,我国日均词元调用量已从2024年初的约1000亿次增长至2026年3月的140万亿次,两年内增幅超过千倍。2026年5月召开的词元经济座谈会提出将词元经济发展纳入工作体系,同年6月印发的《关于推进行业高质量数据集建设行动的实施方案》进一步提出探索词元交易等新型交易模式,构建以词元为基础、可量化、可定价的数据价值体系。由此,词元正由大模型内部的技术单元,转变为连接数据供给、智能生产、服务交易与价值分配的制度化计量工具。

从“规模竞赛”走向“价值大考”:词元成为智能经济新度量衡

从理论上看,词元经济并非数字经济的简单延伸,而是知识生产方式深刻变革催生的新经济形态。作为连接语义运算、算力消耗与智能服务交易的计量媒介,词元使社会化知识能够转化为可调用、可计量和可结算的智能能力,推动原本难以观测的知识生产和智能服务由“黑箱”转为可记录、核算和结算的经济过程。传统数字经济通常以千兆字节(GB)、带宽、使用时长和接口次数衡量数据服务,主要反映信息载体的存储、传输与访问,词元则进一步记录模型对信息进行编码、检索、推理、生成和执行的过程。因此,词元计量并非对GB计量的简单替代,而是将计量对象由信息载体拓展至信息加工和智能服务。词元改变的不只是计量单位,更拓展了经济活动可观测、可核算的边界。

然而,词元调用量的高速增长,并不意味着其经济价值已经充分实现。正如技术创新不能仅以专利数量衡量,词元调用量也只能反映智能活动规模,不能自动识别其质量、影响和经济价值。当前词元经济的发展,值得关注的有以下几点:

一是单位词元价格持续下降,企业人工智能总支出却未必同步减少。随着模型推理效率改善和市场竞争加剧,基础词元价格总体下行,而模型能力、任务复杂度和可靠性要求的差异,又推动词元服务形成分层定价。多轮推理、外部检索、工具调用和智能体协作还会增加单项任务的总体消耗,单位词元报价下降也可能被调用规模扩大和服务等级提升所抵消。企业真正需要比较的,不是名义词元单价,而是单位有效任务的综合成本。二是算力短缺与资源闲置同时存在。训练、微调、推理以及不同业务场景的需求具有明显波动,企业可能在高峰期面临算力不足,又在低谷期承担资源闲置和维护成本。这表明,单纯扩建设备和基础设施并不能消除资源错配,反而可能造成局部短缺与整体闲置并存。三是词元调用规模与任务质量、生产率和企业价值之间不存在自动对应关系。词元只有转化为成本节约、效率提升和现金流改善,才能形成企业价值。这一传导过程不是将调用量直接转化为收入,而是算力、模型和数据投入依次转化为词元产出、有效任务和经营效能。任何环节若存在转化不足,调用规模的扩张都可能只是成本累积,而非价值增长。

由此,必须准确把握词元的经济属性。词元既是智能生产的中间投入,也是智能服务的计价基础,但并非天然同质的商品,也不能直接等同于可投资资产。可计量不等于可直接比较,可定价不等于已经创造价值,可交易不等于可以直接资产化。词元报价只是智能服务的供给价格,不能替代对任务质量、经营收益和持续现金流的判断。尤其需要注意的是,一旦将算力装机或词元调用量直接作为财政补贴、绩效考核和授信融资的依据,企业可能由提高效率转向制造流量,计量指标反而可能成为扭曲资源配置的激励。

从本质而言,词元是价值核算的入口,而不是价值本身。下一阶段的重点,应由追求调用规模转向以更低综合成本创造更多高质量、可信赖的有效词元。相应地,金融支持也应由关注设备投入和调用增长,转向评价有效服务能力、风险控制水平和可持续现金流,推动“算力金融”走向“效能金融”。

建立以单位有效词元综合成本为核心的价值核算体系

实现从“算力金融”走向“效能金融”,首先要回答价值如何核算。词元经济要从“可计量”走向“可核算”,关键不在于把调用次数统计得更细,而在于打通资源投入、词元产出、任务完成和价值实现的传导链条。这一链条包含三次转化:算力、能源、数据和人力投入转化为词元产出,词元产出转化为有效任务,有效任务再转化为风险调整后的经济价值。

一要核算从资源投入到词元产出的生产效率。每一个词元背后,都对应芯片与服务器折旧、电力与制冷、网络传输、数据采购与治理、模型训练与推理、平台调度与运维,以及人工提示、审核和纠错等成本。因此,词元成本不能被简化为厂商公布的应用程序编程接口(API)报价。真正有意义的,不是单一调用价格,而是单位算力、单位能耗和单位资本投入能够稳定产出多少词元,以及芯片利用率、推理吞吐率、缓存复用率和峰谷调度效率如何。这一环节衡量的是词元生产的技术效率,但还不能回答这些词元是否真正有用。

二要推动词元产出转化为有效任务。用户购买的不是抽象的词元数量,而是问题得到解决、流程得到推进、决策得到支持。一次复杂任务往往包含提示输入、内部推理、知识检索、工具调用、智能体协同、结果输出和人工审核等多个环节。多智能体分工可以带来专业化收益,也会增加信息同步、重复推理、角色协调和监督成本,智能体数量增加并不一定提升系统效率。因此,所谓有效词元,是指在特定场景中,经任务完成度、输出质量、系统稳定性和安全合规评价,能够形成合格业务结果的词元调用。相应地,评价重点应由总调用量转向任务完成率、首次解决率、输出准确性、响应时延、重复调用次数和人工复核比例。企业真正需要比较的,不是单位名义词元价格,而是单位有效词元和单位有效任务的综合成本。

三要检验有效任务能否转化为风险调整后的经济价值。任务完成并不等于价值实现,还要看其是否带来工时节约、流程缩短、客户转化、决策改善和风险损失下降。已有研究表明,生成式AI可以显著缩短专业任务的完成时间并提高产出质量,但这种任务层面的效率改善,只有进一步体现为收入增长、成本下降、客户留存、损失减少和经营现金流改善,才能转化为企业价值。技术可用是起点,业务有效是关键,财务可持续才是最终检验。

围绕这三次转化,企业必须算清三本账。一算成本账,既核算芯片、电力和推理费用,也计入数据治理、模型迁移、供应商切换、人工纠错、安全合规、容灾备份和资本占用等全生命周期成本;二算效能账,重点识别多少词元真正完成合格任务,是否存在冗长输出、循环调用、重复检索和大量返工;三算价值账,从增收、降本、提质和控险四个方面衡量实际收益,同时扣除模型错误、数据泄露、服务中断、合规处罚、声誉损失和供应商锁定等潜在代价,形成风险调整后的净价值。

价值核算还要坚持业务验证与财务验证相结合。一方面,将词元调用与具体任务、客户、订单、合同和业务流程相对应,防止测试调用、内部循环和关联交易被包装为真实需求;另一方面,检验其是否真实改变收入、成本、风险和现金流。还应根据场景差异设置评价尺度:办公辅助重在时间节约,智能客服重在一次解决率,智能投研重在事实准确性,信贷风控重在风险识别和损失变化,反洗钱与合规更强调误报率、审计留痕和责任追踪。只有算清成本账、效能账和价值账,才能准确识别真正值得投入的应用场景。

从算力规模竞争转向系统效率竞争

将价值核算由企业内部延伸至基础设施层面,关键在于重新认识算力与词元的关系。算力是智能生产的基础资源,词元是模型调用和智能服务的计量单位。电力和芯片成本影响算力价格,算力价格与模型效率共同决定词元服务成本,并进一步传导至有效任务成本和业务价值。由此看,算力规模不等于词元生产效率,词元生产效率也不必然转化为现实价值。

因此,未来基础设施竞争的关键,不在于拥有多少算力设备,而在于能否统筹算力、能源、网络、数据、模型和调度,提升系统效率。真正需要比较的是,一度电能够支撑多少有效任务,单位算力能够稳定产出多少高质量词元,调度系统能够减少多少资源闲置,高质量数据能够避免多少无效推理以及模型路由能否根据任务难度匹配不同能力和成本的模型。相较于单纯扩充硬件,模型压缩、缓存复用、检索增强和软件架构优化,往往更能降低单位有效任务的成本。

提高系统效率,既需技术优化,也要完善市场配置。训练、微调和推理的需求周期并不同步,不同行业、不同场景的峰谷分布也存在差异。通过算力共享,企业可在高峰期租入算力、低谷期释放闲置资源,并将非实时任务转移至低价时段或低成本地区。相关研究表明,算力回报构成企业参与共享的动力,算力使用的波动性和间歇性形成共享压力,二者共同影响算力价格和资源配置。由此,融资机制主要解决跨年度的资本期限错配,动态共享机制则主要缓解日常经营中的算力峰谷错配。

对中小银行等金融机构而言,提升系统效率不宜依赖重资产、全栈自建。其竞争力不在于拥有最强模型,而在于以合理成本配置适配模型、完成相应任务。更可行的路径是提升数据治理质量,压缩无效上下文,运用检索增强和轻量化模型,建立多模型智能路由,并在私有算力、合规云服务和公共算力之间形成弹性组合。高能力模型应主要用于高价值、高复杂度任务,小模型则更适合标准化、重复性业务。

与模型选择相配套,基础设施部署也应坚持场景分层、风险分级。涉密数据、核心风控、关键决策和重要客户信息,应采用本地部署,确保数据不出域、全流程留痕和人工最终负责;通用问答、办公提效、营销辅助等非敏感场景,则可更多采用合规云服务和公共算力。其要义不在于一律自建或上云,而在于坚持安全为基、场景为王、效率优先。

同时,绿色属性也应纳入系统效能评价。所谓绿色词元,不能停留在概念包装,而应以能源来源可追踪、数据中心能效可核验、峰谷用电可计量和单位有效任务能耗可比较为基础。后台批量处理和非实时推理,可利用错峰调度、低谷电价和绿电消纳降低成本。衡量基础设施竞争力,关键不在于投入多少资源,而在于能否以更低能耗、更少闲置和更高稳定性,持续产出高质量有效词元。

从统一按量计费转向场景化、分层化和风险定价

系统效率决定词元服务的成本基础,服务异质性则意味着不能简单按量计费。相同数量的词元,在不同模型和场景中,可能对应不同的推理能力、计算成本、响应速度、输出质量、安全责任和业务效用。因此,市场交易的并非抽象、标准化的词元数量,而是以词元计量的异质智能服务。

词元服务价格大体包含四个层次:一是基础资源价格,反映算力、电力、网络、芯片折旧、存储和运维成本,构成定价底线;二是模型能力溢价,反映推理深度、专业知识、多模态处理、长上下文和复杂任务能力;三是服务等级溢价,区分实时与非实时、低延迟与普通延迟、保障吞吐与弹性吞吐、高峰调用与错峰调用;四是风险与责任溢价,反映数据隔离、私有部署、模型解释、审计留痕、安全保障和责任承担。

场景差异进一步决定词元服务的价值上限。普通办公问答主要看成本与便利,智能客服更重视稳定性和客户体验,智能投研强调信息准确性和时效性,信贷风控关注风险识别与解释能力,反洗钱和核心决策则必须把安全、审计和责任置于首位。由此,词元服务价格既有资源成本决定的下限,也有场景价值决定的上限。低延迟、高可靠、可审计服务价格较高,并非定价失灵,而是稀缺能力和责任成本进入价格体系的结果。

分层定价有效运行,离不开质量标准和信息披露。缺乏统一口径,需求方难以比较模型能力、隐性成本和责任边界,市场也容易出现低价低质、收费不透明和责任模糊。应通过服务等级协议、场景化基准测试、第三方测评、安全等级认证以及质量和价格披露,建立可比较的服务标准和可信的价格信号。

可见,未来被定价的不是抽象的词元数量,而是词元所承载的能力、时间、可靠性、安全性和责任。词元数量形成基础账单,模型能力和服务时效分别形成能力溢价与时间溢价,安全合规则形成风险与责任溢价,业务场景决定价值上限。只有形成与质量和风险相匹配的价格体系,价值核算才能转化为资源配置机制,并为金融支持由“算力金融”走向“效能金融”奠定市场基础。

推动算力、能源和金融机制协同

价值核算、系统效率和分层定价,最终要落实为相应的制度安排和金融支持机制。推动词元经济健康发展,应重点把握三个方向。

一是健全词元核算与信息披露制度。统一单位有效任务成本、业务转化率、响应时延、安全合规和经营价值等指标口径,推动财政补贴、机构考核和金融定价由规模导向转向效能导向,防止以调用量替代价值判断。二是完善分层分类的人工智能基础设施供给体系。按照场景敏感程度和风险等级,统筹私有算力、合规云服务、区域金融算力中心和公共算力平台布局;同时完善算力共享、跨区域调度和服务质量认证机制,提高存量资源利用效率。三是健全算力、能源与金融协同机制。算力基础设施投资大、回收期长,而模型和应用迭代较快,容易形成期限错配与风险错配。金融体系应依据各环节的资产属性和现金流特征,综合运用绿色信贷、产业基金、融资租赁、长期购电协议和算力服务合同融资等工具,提高金融期限、技术周期和现金流结构的匹配度,推动算力和能源基础设施形成可持续投资闭环。

词元经济看似是智能服务计量和调用方式的变化,实则是人工智能价值核算、资源配置和金融支持方式的系统重构。未来竞争的焦点,将从谁能生产更多词元,转向谁能以更低成本、更低能耗、更强合规和更高可信度,创造更多风险调整后的有效价值。推动价值核算、系统效率、分层定价和金融机制相互协同,是词元经济由“词元工厂”迈向“价值工厂”的关键。

(作者吴轲为中国人民大学国际金融学院副院长、财政金融学院应用金融系主任;王涧秋为首都经济贸易大学金融学院金融科技系副主任)

主要参考文献

1王云杉. 我国日均词元调用量突破140万亿[N]. 人民日报, 2026-03-24(008).

2任保平, 冯星源. 词元经济价值实现的逻辑与方略[J].改革, 2026,(6):63-74.

3王勇,傅芳宁,李红军. 算力资源的动态共享:价格形成与政策分析[J]. 经济研究, 2026,61(5):49-72.

责任编辑:韩胜杰