文｜南都记者 李玲
2026 年，人工智能（AI）领域的核心概念"Token"（词元）成为关注焦点。作为大模型处理信息的最小语义单元，词元被视为智能经济时代的基础计量单位与价值锚点。当词元成为 AI 价值标尺，其定价机制如何构建？从单纯关注使用规模转向注重实际成效，行业应建立怎样的评估体系？地方布局词元经济又该如何找准定位？围绕上述议题，南都记者在 2026 数博会期间专访了国家数据发展研究院数据资源研究部主任王威。
王威指出，随着应用场景拓展，市场对词元的关注正从消耗量等技术指标延伸至实际应用价值。目前，市场主体已开始结合任务复杂度、场景差异及产出效能探索差异化定价。推动词元产业发展，既需夯实数据、算力等基础供给，也离不开应用场景与实际需求的持续牵引。
词元定价机制：为何难以像电力一样标准化？
南都：有观点将词元比作工业时代的“一度电”，但后者价格相对固定，而词元定价尚不透明且处于波动中，原因何在？
王威：将词元类比为“一度电”，有助于理解其作为基础设施的集中供给与按需调用属性。然而，二者在计量与定价机制上存在本质差异。电力是高度标准化的商品，计量与价格机制成熟；而词元的消耗与定价仍处于探索完善阶段。
从技术特征看，不同模型、任务及应用场景下，词元消耗对应的任务复杂度、信息处理强度及算力投入截然不同。简单对话与复杂推理、多模态生成等任务对资源要求差异巨大。因此，即便完成同一任务，不同模型流程所消耗的词元数量及成本也可能大相径庭，导致难以形成统一的标准化定价。
考核风向转变：从“拼消耗”到“看成效”
南都：年初部分大厂曾将词元消耗量纳入考核，后因成本压力叫停并收紧额度。如何看待这一变化？
王威：这一调整反映了大型企业在 AI 应用深化过程中，开始重新审视投入、效果与成本的平衡关系。
一方面，设置词元预算并将其纳入绩效管理，标志着词元已进入企业资源配置与成本管理的核心视野。另一方面，单纯以消耗量排名或考核存在局限性。不同业务场景下，同等数量的词元产生的业务价值各异，仅看消耗量无法完整反映 AI 应用的实际成效。
企业调整考核方式，体现了对投入产出比的深度关注。未来，词元管理将从单一关注使用规模，转向综合考量业务产出、使用效果及投入成本，更加注重其在实际业务中的应用实效。
价值评估体系：行业标准仍在探索中
南都：当前是否有统一标准来评判词元转化的生产力与价值？
王威：目前行业内尚未形成统一的评判标准，相关的统计核算、产出与消费计量框架仍处于研究探索阶段，这是后续亟需完善的重点。
建立评判标准需充分考量词元服务的多样性。从市场实践看，定价方式已开始综合任务复杂度、应用场景及服务价值等因素。按任务分级、区分通用与专业场景的差异化定价相继出现，为价值分层提供了参考。未来的评判维度可进一步聚焦于价值密度与行业赋能效果。
官方规划：构建统计监测与评估评测体系
南都：作为国家数据局首个正局级事业单位，国家数据发展研究院在探索词元投入产出与应用价值方面有何计划？
王威：下一阶段，我们将深化词元产业与服务的基础理论研究，着力构建词元产业统计监测体系的有效路径，并建立以产出效能、应用效果为导向的评估评测体系。
随着标准与测度方法的完善，有望为评估词元服务的投入产出和应用价值提供可度量、可比较的实证基础，为相关政策研究与决策提供有力支撑。
地方布局逻辑：协同数据、算力与应用
南都：今年以来多地出台专项政策支持词元产业，地方为何如此重视？
王威：这既源于 AI 技术加速进入产业应用，也反映出地方对数据、算力、模型与应用协同发展的重视。
从发展角度看，词元产业连接数据、算力、模型和应用，是 AI 规模化应用的关键环节。随着应用深入，词元服务有望拓展新的场景与产业空间。同时，各地在算力、数据、能源及产业基础等方面禀赋不同，决定了必须结合自身资源与实际需求选择差异化发展路径。
避免盲目建设：三大政策关注点
南都：地方发展词元经济如何避免一哄而上、盲目建设？
王威：建议地方政策重点关注以下三个方面：
一是立足禀赋，找准重点领域
结合本地产业基础和资源条件，明确词元服务的重点应用领域，摒弃唯规模论，更加注重发展质量与实际应用效果。
二是强化场景牵引
围绕制造、金融、医疗、教育、政务等具有现实需求的领域推动词元服务落地，促进 AI 能力与实体经济需求深度融合。
三是统筹布局，优化支持方式
统筹数据、算力、模型和应用布局，根据实际应用效果动态优化政策支持方式，支持各地探索各具特色的发展路径。
激发潜力：四大基础支撑建议
南都：为激发词元产业发展潜力，有哪些具体建议？
王威：长远来看，推动词元产业发展需完善数据供给、基础设施、应用生态和治理体系，为 AI 规模化应用创造稳定基础。
第一，加强高质量数据供给
完善公共数据开发利用机制，促进企业数据资源开发，推进高质量数据集建设。确保数据合规高效流通，提升数据质量与专业化供给能力，为模型训练、推理及行业应用提供坚实支撑。
第二，完善数算网电基础设施
加强算力、数据、网络与能源的协同，提升多模型统一接入和灵活调度能力。推进国产算力与大规模推理需求的适配优化，更好支撑大规模、高并发、跨区域的模型调用服务。
第三，丰富拓展服务应用模式
结合行业需求，探索效果付费、增值订阅等多样化服务模式。研究面向中小企业的普惠化词元服务机制，降低使用成本与技术门槛。围绕制造、金融等重点领域，拓展具有实际成效的典型应用场景。
第四，完善标准与治理机制
推进词元计量、分类分级、质量评估等基础标准研究，构建统计监测体系。持续研究投入产出与应用效果的测度方法，为产业发展提供完善的制度与政策支撑。
综上所述，推动词元产业发展需要基础供给能力与应用需求的双向奔赴。通过供给、生态与治理的协同推进，将进一步释放词元服务在人工智能规模化应用中的核心价值。