Token 产生的路径及价值变现模式

来源：《中国电信业》2026年第5期，作者：毛骏（中国信息通信研究院 ）

当前，根据应用场景的不同进行区分，Token 产生主要有三大路径，分别是伴随人工智能大模型兴起的算力 Token，伴随加密代币发展的区块链 Token，以及满足授权认证需要的身份认证 Token。

伴随人工智能大模型兴起的算力Token

算力Token 表现为人工智能大模型在处理和生成信息时调用算力资源的计算能力。在ChatGPT、DeepSeek、OpenClaw等人工智能大模型和智能体技术规模应用、“人工智能+”相关政策的推动下，算力 Token 的热度很高，国家数据局发布的数据显示，2024年初中国日均词元（Token）调用量为1000亿，2025年底跃升至100万亿，2026年3月已突破140 万亿，两年增长超千倍。国家统计局在国新办发布会上首次提到 Token 调用量数据，说明算力Token统计指标已获得官方统计部门的认同。可见，随着人工智能模型服务商技术能力的提升，大模型应用在个人家庭生活、企业生产经营、政府监管治理等领域推理计算需求的释放，大模型应用规模爆发式增长使得算力Token已经成为可显性量化、规模巨大、快速增长的Token产生方式。

伴随加密代币发展的区块链Token

区块链Token 在 Web3.0 的世界里以区块链数字资产权益凭证载体的形式出现。Web3.0被认为是基于区块链等核心技术搭建起来的下一代互联网生态系统，Web3.0 去中心化、机器信任、数据确权的技术特点，让互联网更加安全，通过区块链让用户可以建立一个去中心化、不可篡改的分布式账本来掌握自己的数字资产。早期区块链 Token 作为比特币等加密代币的价值与权益凭证，现在扩展到数字作品、藏品的专属所有权，成为数字资产载体的凭证。区块链 Token 的产生主体为区块链项目方，区块链项目方通过正式向公众推出区块链数字权证生成区块链 Token，启动数字资产权益的生态系统，围绕资产确权、生态激励、金融应用开展数字资产权益凭证的流转和交易，依托去中心化自治组织成员基于共同的信念、价值观形成的共识机制，通过智能合约约定的管理规则进行数字资产安全传递与权限管理。

满足授权认证需要的身份认证Token

身份认证Token 在 Web 和移动应用服务中作为安全凭证用于身份验证和授权。身份认证Token 通常由中心化应用服务器生成并返回给用户端，将用户身份信息、权限信息等数据直接存储在 Token 中，客户端在后续请求服务过程中携带该 Token，服务器不需要存储用户会话数据，通过解析 Token 验证用户身份，决定是否授权访问资源。使用身份认证 Token，服务器无需存储用户会话数据，减轻了服务器的负担，身份验证不需要频繁查询数据库或其他服务，可以跨域、跨平台传递，验证过程通过解析Token完成，提高了身份验证的效率。

随着人工智能大模型应用日益深入社会经济活动，大模型企业正在探索构建Token 价值生成和分配逻辑，通过市场来组织资源实现价值创造，推动企业竞争力提升和行业可持续发展。目前，以 Token 运营为核心的主流价值变现模式有三种，分别是资源变现模式、服务变现模式、生态变现模式。

直接售卖Token 的资源变现模式

这种模式的核心逻辑是“算力即服务”，将算力资源以标准化形式输出。依托自建或购买的算力资源能力，通过 API（应用程序编程接口）对外提供算力服务，用户按 Token 消耗量付费，构建“收入=模型单价×Token消耗量”的收费模式，按次或者按量实现精确变现。考虑到输入/ 输出Token成本差异较大，定价方式按输入/输出Token分别计费，对不同版本的模型单价也不同。

采用这种模式的典型代表有OpenAI、DeepSeek 等。在 DeepSeek-V4-Flash 模型版本下，设置了百万Tokens输入（缓存命中）、百万Tokens输入（缓存未命中）、百万Tokens 输出三种类型单价。在DeepSeekv4-pro 模型版本下，同样的三类单价均高于DeepSeek-V4-Flash。资源变现模式由于技术成熟和模式清晰，用户通过API调用模型，API记录Token 消耗，厂商按消耗收费，有助于规模化复制，同时由于模式清晰简单，同质化竞争严重，因此竞争的关键点在于模型质量和Token成本，模型质量决定使用量，Token成本决定收益。

封装Token 成应用的服务变现模式

这种模式的核心逻辑是将Token 转化为客户愿意买单的业务价值。通过将 Token 消耗内化，为客户提供完整的应用或服务，构建“收入=Token价格×调用次数×模块应用数”的收费模式，按服务价值收费，把复杂的AI能力封装成服务，让用户在获取服务后无需复杂配置即可立即投入使用。采用这种模式的典型代表有阿里巴巴、字节跳动等。

近期阿里巴巴成立的Alibaba Token Hub（ATH）事业群就是将 Token 封装成应用的服务变现模式的升级版，通过整合通义实验室、MaaS 业务线、千问事业部、悟空事业部及AI创新事业部，形成通义实验室提供基础模型技术支持，MaaS 业务线提供模型服务平台，千问事业部、悟空事业部及 AI 创新事业部推动 AI能力在各类场景落地，覆盖从基础模型研发、模型服务平台到个人与企业端 AI 应用的完整业务布局。服务变现模式把 Token 的技术价值转化为用户便捷获取效率的商业价值，有助于开展差异化竞争提高用户的黏性，同时由于需要整合前端，对模型技术应用的要求比较高，需要进行的技术投入比较大。

Token 作为价值交换媒介的生态变现模式

这种模式的核心逻辑是通过Token 构建一个多方参与、价值自动流转的“经济体”。通过激励和调节 Token 的流向，激活整个开发者生态和应用生态，平台方从生态的总交易额或总价值中获利。这个模式在区块链和 Web3.0 领域非常成熟，现在正在被其他行业所借鉴。

RWA（真实世界资产）代币化是生态变现模式中一种非常典型的应用，它将现实世界中存在的非数字实体资产以及与之相关的收益权、合同权益等，通过区块链技术将其 Token 化，使之能够在区块链上交易和流通。RWA资产范围广泛，既可以是传统金融市场股票、债券等金融资产，也可以是房产、货物等可认定的实物资产，还可以是书画、古董等文化资产。目前，我国已有企业开始实践，如协鑫能科公司的光伏RWA 项目，以 82 兆瓦户用分布式光伏电站为锚定资产，完成国内首单光伏 RWA 发行，融资超过 2 亿元人民币，通过区块链 + 物联网技术实现发电数据实时上链，形成稳定收益包，预期年化收益率 6.8%-8%。朗新能源充电桩RWA 项目将覆盖 400 余座城市的 9000 余个充电桩，在香港发行 RWA，将其运营收益权代币化，跨境融资 1 亿元人民币。

用户对Token 付费意愿不强

从个人用户来看，对Token 这个概念还比较陌生，当你告诉他查资料、写材料需要花钱购买 Token 时，可能得到的第一反应是“这也要收钱？”个人用户对 Token 的价值认同不高，特别是在长期享受免费互联网服务的消费观念下，对查资料等浅层次任务付费的意愿不强。只有对处理长文档、自动化处理等任务有刚性需求的用户才会感受到 Token 的价值并愿意付费，但是目前这样的个人用户还是少数，即使是这样的用户对按 Token 计价，在任务处理过程中会产生多少 Token 进而要付出多少费用是无法预估的，产生的不确定性也会影响付费意愿。企业用户付费意愿要比个人用户强得多，对 Token 付费产出的降本增效效果要求高，Token 按量付费使得成本随着使用量浮动，尽管灵活但是不可控。因此，设计用户可预期花费总量的 Token 收费模式很重要，如个人用户每月固定的会员费、企业客户关键任务长期消费承诺的订阅收费等方式，都有助于让用户对使用成本心中有数，进而提升用户付费意愿。

Token 增长投入产出不匹配

Token 快速增长带来的巨大算力投资压力是大模型公司面临的共性问题，一方面，为了训练出下一代更聪明的模型，需要频繁、大规模地进行模型训练，对算力的需求巨大；另一方面模型上线后，随着用户使用量的增长和应用复杂度的提升，算力需求也呈指数级增长。指数级的算力需求增长需要巨量的算力投资，如OpenAI计划到2030年实现总计约6000亿美元的算力支出，来支撑未来数年模型训练和推理所需要的海量计算资源。同时，巨量算力投入对企业经营成本产生冲击，Epoch AI数据显示，Anthropic、Minimax、智谱AI等人工智能企业算力支出占总成本的57%至70%。如果收入增速不及预期，企业将难以支付这笔巨额的算力账单。可以说，目前人工智能大模型的能力是巨额算力堆出来的，也是当前整个行业无法跨越的核心财务鸿沟。减轻算力成本压力可以从技术创新、商业模式、精细运营等方面提效，如阿里通过技术创新和软件优化，降低单位算力成本，英伟达、甲骨文、OpenAI通过商业模式创新，形成“大模型—云基建—算力芯片”算力成本转嫁合作闭环，很多大模型公司正在做的将任务类型按复杂度和优先级分级绑定不同档位的模型以提升算力消耗的价值等都是行之有效的方法。

Token 运营面临安全风险挑战

“人工智能 +”向更多领域的融合发展，大模型在赋能千行百业的同时，其安全风险也不容忽视。不同于传统信息系统安全问题集中在硬件、操作系统、网络协议、数据存储系统等方面，大模型广泛应用，特别是产业化和场景化应用的规模部署，带来的安全风险不仅体现在传统信息系统安全风险载体上，在数据、模型、应用等新型载体上也面临极大挑战。Token 消耗量数量级的大规模跃升、模型算法的复杂度增大、应用形态多样化扩展，将进一步放大安全风险规模，延伸到更广的领域。与此同时，国家层面人工智能监管领域密集出台多项制度，合规执法手段坚决落地，使得安全合规能力已经成为大模型企业能否进入市场的入场券。如何开展大模型安全合规经营，需要多维度的应对策略。通过严格落实备案登记要求抓好准入环节，通过构建分类分级的数据全生命周期管理机制加强数据治理，通过形成立体化的主动检测监测的联动技术手段保障内容安全，通过建立健全内控运营管理机制体制构建合规经营制度“护城河”。

总之，企业推动Token价值变现要综合考虑市场、技术、成本、商业策略和合规经营等多种要素。合规经营是决定企业能否持续经营、能否赢得市场信任的前置条件，技术是Token 价值变现的基础，市场是Token价值变现的起点和终点，没有市场再强大的模型也只是镜花水月。成本是Token定价的刚性底线，商业策略是Token价值变现的转化器，二者结合构建的商业模式直接影响企业的盈利。