（完整版.pdf） 以下仅展示部分内容
在与 AI 交互时，后台账单计费的单位并非“字”或“条”，而是“词元”（Token）。作为大模型处理文本的最小单位，词元已成为 AI 时代的新型“计价货币”。每一次 API 调用、每一份商业账单，均基于词元进行核算。
马清泉律师团队推出的《Token 经济 100 问 - 一本书读懂 Token(词元) 合规》，以 100 个源自企业管理者、法务及投资人的真实提问为切入点，从技术原理、商业逻辑、产业生态及法律合规等多维度，深度拆解“词元经济”。本书区别于普通科普读物，其核心优势在于法律视角：不仅阐释概念，更提供合同签署、数据合规及风险防控的实务指引。
本文提炼全书精华，解析词元如何成为 AI 硬通货、产业链价值分配机制以及企业如何规避法律红线。
01 词元是什么？大模型不认"字"，只认"词元"
大模型并不直接识别汉字或字母，而是通过“分词器”（Tokenizer）将文本切分为最小片段，即词元。例如，“数据资产化”可能被切分为三个或多个词元，具体取决于训练数据的统计频率。
主流切分方法为 BPE（字节对编码），通过合并高频字符组合形成固定词汇表。字是语言学概念，边界固定；而词元是统计学概念，代表对模型最高效的文本切分方式。API 账单上的消耗量即为词元数量，这是词元经济的基石。
模型工作流程分为两步：一是“阅读”，将输入转化为输入词元并理解其关系；二是“写出”，逐个生成输出词元。输入与输出词元之和受限于模型的“上下文窗口”。词元之于大模型，犹如像素之于图像、原子之于物质，是智能服务的最小不可再分单位。
02 词元经济：它不是噱头，而是一场正在发生的"记账革命"
“词元经济”指围绕词元的生产、定价、流通与消费形成的价值分配体系。其发展历经三个阶段：2020-2022 年的计量工具期、2023-2024 年的产业链形成期，以及 2025 年至今的经济形态期。目前，词元已被视为一种新型经济要素。
书中构建了清晰的分析框架：数据经济是“原料层”，算力经济是“加工层”，而词元经济则是“产品层”。数据质量决定词元上限，算力效率决定成本下限。
关于词元的比喻，书中指出：词元兼具石油的稀缺性（高质量数据）、电力的基础设施属性及货币的计价功能，但更准确的定义是“以自然语言为载体的标准化智能服务单位”。理解词元经济，已成为 2026 年企业数字化转型的必选项。
03 词元定价：为什么输出比输入贵 4 倍？价格战会打到免费吗？
词元收费模式主要包括按量付费、包月订阅、阶梯定价及自建部署等。其中，输出词元价格通常是输入词元的 2 至 5 倍。原因在于生成过程是“自回归”的，每生成一个词元需重新计算此前所有上下文，算力消耗远高于并行处理的输入过程。
过去两年，主流模型词元价格呈“摩尔定律式”下跌，降幅达 90% 至 99%，主要得益于硬件提升、推理优化技术及市场竞争。截至 2026 年上半年，国内旗舰模型价格约为国外同级模型的十分之一至三分之一。
短期内词元不会完全免费，因 GPU 和电力边际成本不为零。未来更可能形成“基础词元免费、高端词元收费”的分层结构。此外，利用“词元缓存”技术复用固定内容计算结果，可显著降低企业成本。
04 词元产业链：谁在赚钱，谁在"交学费"？
词元产业链分为五层：基础设施层（芯片、数据中心）、模型层（参数训练与推理）、中间件层（API 网关、RAG 系统）、应用层及用户层。英伟达等芯片厂商凭借定价权与生态锁定，被视为“军火商”，占据利润上游。
AI Agent（智能体）的兴起将引爆词元消耗。相比传统一问一答，Agent 自主规划与多步执行特性使其单次任务消耗词元量可达百倍甚至千倍，主要驱动因素包括任务复杂度提升及“思考词元”的增加。
产业链地图显示，利润重心位于上游芯片与中游模型，而中间件层因启动成本低、优化空间大，成为创业者的黄金赛道。
05 词元与数据资产：你的数据，正在变成 AI 的"燃料"
数据是词元的原料。高质量、结构化及领域专业的数据能显著提升模型输出词元的信息密度与价值，形成“数据壁垒”。这引发了新的会计挑战：企业将数据转化为专属 AI 能力后，其价值如何确认为无形资产或新资产类别，目前尚无成熟准则，但已是大势所趋。
此外，数据确权面临新挑战。当数据被融入模型参数，数据主体的删除权及“三权分置”在词元场景下的适用性仍需法律进一步界定。词元经济的核心竞争力公式为：词元价值=数据质量×模型能力×应用场景适配度÷词元成本。
06 词元合规：这本书的真正主角
词元经济受网络安全法、数据安全法、个人信息保护法、著作权法及生成式人工智能服务管理暂行办法等多部法律法规交叉规范。主要合规风险点包括：
- 训练数据合法性：公开数据不等于可任意使用，需遵守 robots.txt 及服务条款，严禁使用来源不明或未授权的个人信息。
- 提示词注入：绕过内容限制属违约，窃取数据则可能触犯刑法。
- 著作权归属：司法实践倾向于认定投入了智力创作（如精心设计提示词）的用户享有著作权，但简单指令难以主张权利。
- 责任分配：模型缺陷致损由服务商担责，用户未核实直接使用也需承担注意义务责任。
- 内容标识：AI 生成内容必须添加显著标识。
- 数据出境：调用境外 API 通常构成数据出境，需依规进行安全评估或签订标准合同。
企业首要任务是进行 AI 使用盘点，摸清工具使用情况、数据流向及是否存在“影子 AI"，以此构建治理体系起点。
07 词元安全：幻觉、记忆化、提示词泄露，都是真金白银的风险
词元安全风险贯穿全生命周期，包括输入端数据泄露、模型端“记忆化”导致敏感信息输出、输出端幻觉与虚假信息、供应链端停服漏洞及运营端监管风险。
特别需注意两点法律细节：一是系统提示词若包含安全防护规则，可能构成商业秘密，一旦被提取将双重失守；二是 AI 幻觉引发的法律责任，使用者若未核实直接采信，需自行承担后果。建议企业建立输出事实核查机制，保留完整交互日志，并在合同中锁定 SLA 与数据条款。
08 词元治理：企业怎么管好这笔"AI 预算"？
“词元治理”要求企业将词元视为核心资产进行管理。核心动作包括：
- 组织架构：设立跨部门角色，覆盖技术、法务、财务及业务视角。
- 预算管理：设置部门级用量上限，监控 ROI，清理低效应用。
- 审计日志：详细记录每次调用的模型、数量、成本及数据等级，作为合规证据。
- 效率优化：采用多模型混合策略，简单任务用小模型，复杂任务用大模型，结合 RAG 与微调技术降低成本。
建立词元治理体系不仅是合规需求，更是构建未来竞争力的护城河。
09 词元金融与未来：从"估值新指标"到"AGI 前夜"
词元消耗量可作为企业估值的参考指标，反映 AI 渗透速度与效率，但需结合增长率、ROI 及供应多元性综合判断。目前词元额度在法律上定性为“预付费服务凭证”，类金融交易存在合规风险。
随着 AI 责任险等保险产品的出现，企业应评估风险敞口。未来四大拐点包括多模态融合、推理模型带来的“思考词元”激增、端侧部署及 Agent 大规模落地。即便 AGI 尚未实现，针对"AI 权利”等议题的立法准备亦需提前布局。
10 给三类人的一句话建议：管理者、从业者、政策制定者
给企业管理者：词元效率将成为标配竞争力。应立即摸清 AI 底数，建立治理框架，并将词元成本纳入财务管理。
给 AI 从业者：技术优势难以持久，对伦理的敬畏与对用户权益的尊重将是区分优秀团队的关键。
给政策制定者：需秉持“包容审慎”原则，既守住安全底线，又为创新留出空间，推动计量与评价标准的制定。
词元经济并非威胁或噱头，而是需要系统理解的时代变量。正如电子支付催生第三方支付监管，今日对词元规则的思考将深刻影响未来 AI 时代的制度文明。
编辑：Zero