城市发展“词元经济”的内涵、路径与对策

全球技术地图

2026年11月9日 17:16
北京

去阅读

*词元（Token）串联起人工智能的“五层蛋糕”产业链，正在成为智能体时代的新型要素与结算单位。城市作为算力基础设施与应用场景的承载地，可依托要素禀赋沿“产业链错位锚定”与“隐性知识词元化”两条路径切入词元经济。针对核算难、税基外溢、单城闭环失效、供需错配与出海壁垒五重挑战，本文提出建设城市级算力调度平台、以后端奖补培育本地MaaS集成商、以政府购买服务化解中小企业合规与成本门槛、以政府首购开放公共应用场景、依托自贸区开展词元跨境流转压力测试五方面对策。*

2026年进入智能体时代以来，全球人工智能行业竞争已明显转向推理效率、系统部署、场景适配及与产业流程的结合。英伟达CEO黄仁勋在2026年度GPU技术大会上提出“Token经济学”概念，掀起了全球关于Token的讨论热潮。黄仁勋提出，Token已成为重要的生产要素，未来的AI行业竞争将不再局限于模型参数规模，而取决于Token的生产效率与成本优势。随后，国家数据局在中国发展高层论坛上将Token译为“词元”，并公布中国AI日均词元调用量已从2024年初的1000亿飙升至2026年的140万亿，印证了产业化进程的高速发展。与此同时，词元经济作为发展中的新概念，也衍生出了诸如“词元出海”“词元创新生态”等新提法，其中既包含前瞻性的洞见，也掺杂了一些误解和夸张。作为算力基础设施与产业应用场景的核心承载地，城市如何高质量发展词元经济、实现产城双向赋能，成为高质量发展亟需回答的命题。因此，本文拟通过梳理词元的核心概念，分析城市发展词元经济的路径，剖析可能存在的难点并提出方向性对策建议。

一  词元的概念和内涵

在传统计算机科学领域，Token通常指“令牌”或“词法单元”，代表着一种凭证或最小处理单元。进入大模型时代，这一概念被自然延伸，成为大模型处理自然语言的最小单元。由于计算机无法直接理解整段文字，必须将文本进行“切词”处理。随着多模态技术的发展，图像的像素块、视频的帧乃至传感器捕捉的物理信号，在底层均被统一转化为词元。在这个机制下，词元既是输入给模型的指令，也是模型生成的输出。要理解词元的经济价值，必须厘清其与算力的关系。

从物理与工程视角看，词元是算力消耗的量化具象。在AI领域，算力通常指以GPU为代表的AI加速芯片执行浮点运算、处理海量数据的能力，用FLOPS（每秒浮点运算次数）来计量，代表硬件的“理论峰值”。在物理层面，无论以算力还是词元进行计量，其载体都统一于智算中心中的GPU集群。在软件与工程层面，大模型本质上是将算力转化为词元的“引擎”。无论是在训练阶段依据缩放定律所需的海量词元，还是在推理阶段受限于内存带宽动态消耗的词元，其规模都直接决定了算力调用的总量级，二者在底层计算逻辑中形成了强绑定关系。

从应用视角看，使用词元就是在消耗算力，但二者的商业逻辑处于不同层级。大模型公司需要向智算中心、云算力企业购买或租赁GPU集群，部署自有模型，这属于IaaS（基础设施即服务）范畴；而B端企业或C端用户，通过按量计费或包月订阅的方式向大模型公司购买API服务，这属于MaaS（模型即服务）范畴。过去，产业界多以“算力时长”或“GPU卡时”作为IaaS层的交易度量单位；而词元经济则将度量标准上移至MaaS层。在这个体系中，词元充当了算力服务化、标准化后的“流通货币”。同时，词元本身也成为一种高度标准化的数据要素资产，谁掌握了高质量、特定行业的词元流，谁就掌握了AI时代的生产资料。用户使用词元，归根到底是在消费GPU的算力、智算中心的电力以及大模型公司的算法能力。

从性能评估视角看，引入词元作为核心指标，能够更精准地校准“理论算力”与“有效算力”的偏差。算力仅代表硬件的理论计算上限，在实际推理场景中，受限于“内存墙”、卡间通信延迟、底层算子融合效率等因素，极易出现高算力、低吞吐的现象，类似于“厨房全是大厨，餐厅却上不出菜”的情况。因此，相较于静态的FLOPS指标，词元吞吐率即每秒生成的词元数量等指标直接对应了真实的算力消耗与业务收入。它比单纯的理论指标更能直观反映智能计算基础设施的真实产出效率、商业变现能力以及区域人工智能产业链的实际运行健康度。

从产业生态视角看，上述概念对比有助于厘清词元出海的认知误区。如果海外用户调用的是部署在新加坡或美国等海外云节点上的中国开源模型，其推理计算并未发生在中国境内的数据中心，这种情况下的词元出海实际上仅有AI算法在出海，并未带动国内算力与能源的附加值转化。只有当海外用户调用的底层计算资源直接来自中国的智算节点时，才称得上是电力、算力与模型的一揽子出海，如此才能将国内低价或过剩的电力资源、高昂的硬件折旧成本以及研发人员的智力成果进行打包变现，将低附加值能源转化为高附加值数字产品的出口贸易，这正是构建全球算力网络枢纽的核心要义。

二  词元经济何以可能

既然词元与算力存在紧密的关系，为何不沿用“算力经济学”的表述，而是提出“词元经济学”这一新范式？这可以从需求激增、产业度量能力以及经济属性等维度进行理解。

首先，智能体时代的来临引发词元消耗的持续激增，带来庞大的增量市场。2026年初，Openclaw的爆火让工程化部署智能体成为一种潮流，其根本动力是模型能力和整体智能水平提升至可用水平。在智能体架构中，基于思维链和外部工具API调用的复杂推理范式，导致词元消耗呈指数级放大。在此背景下，经济学中的“杰文斯悖论”在推理阶段显现：词元推理能力提升和边际成本下降，将原本被成本约束抑制的海量潜在需求大规模释放出来，全社会在词元上的总支出反而愈发庞大。摩根大通预测，中国AI推理Token消耗将从2025年的约10千万亿增长到2030年的3900千万亿，五年再涨370倍——全球巨量的需求成为词元经济的逻辑基础。

其次，词元展现出了极强的产业杠杆效应，成为了驱动新质生产力与科技创新的引擎。参照黄仁勋提出的AI产业链“五层蛋糕”架构，即“能源-芯片-AI基建-模型-应用”五大产业，词元是唯一能直接反映终端应用价值，并逆向穿透至底层物理基础设施的度量衡。对词元的规模化供给和消耗，会沿着价值链逆向传导，直接转化为对国产GPU、液冷服务器、高密度算力集群、跨境海底光缆乃至智能电网的强劲需求。在当前地缘科技博弈背景下，这种庞大的内需拉动效应具有特殊的战略对冲意义。当美国通过小院高墙策略对高端算力芯片实施出口管制时，国内通过优化算法提升现有集群的词元产出效率，并依托庞大的应用场景进行规模化反哺，实际上是利用国内大市场深度为国产底层软硬件生态的迭代赢得了宝贵的演进空间。

再次，词元经济正在重塑产业发展的空间逻辑，实现了能源供给与应用场景的物理脱钩。在传统工业范式下，高耗能产业必须向能源产地富集，但在词元经济中，能源与应用通过数字网络实现了深度解耦。中西部能源丰富地区可以将绿电就地转化为词元，再通过高速通信网络在几十毫秒内传输至东部中心城市。这意味着，城市发展词元经济的核心竞争力，不再单纯取决于拥有多少智算中心，而在于如何构建丰富的智能体应用场景来消费这些异地生成的词元，从而实现产城的跨地域价值协同。

最后，词元的经济学性质可能蕴含了一套全新的发展模式。词元继承了数据要素的非竞争性与零边际复制成本，以及正外部性、强化型网络效应等特点。在此之上，腾讯研究院提出，词元具有传统物理生产要素无法触及的“可编程性”，同一批词元输入同一个底层大模型，仅凭提示词指令的不同就能实现自身价值的百千倍跃迁。由此，词元的经济价值将不再取决于它的生产成本，而是主要取决于它的应用场景和使用方法。中国工程院王坚院士也指出，词元将成为区分杂乱“数据”与有序“信息”的临界点，是将不可定价的数据资源通过“词元化”转变为可定价资产的技术载体。词元让数据的价值得以升华，它是数据要素市场真正形成的重要标志。这种高标准化、可量化的特性，使得词元天然适合作为AI时代数据与智能服务交易流通的基础计价单位。

尽管词元在理论上具备了成为新型生产要素的关键特征，但其在现实商业闭环中的确立仍需依赖完善的价值实现机制、流转交易机制与合规体系。从价值实现来看，正如无问芯穹联合创始人戴国浩提出，所有生产力的核心，都是将输入价值转化为输出价值。在词元经济中表达为：输入价值→ 供电体系→ 电能→ 芯片和系统→ 词元→ 模型和算法→ 生产力→ 社会评价体系→ 输出价值。未来，如果词元可以直接映射为价值产出甚至经济回报，那么使用词元将被理解为一种标准化的要素投入，类似于消耗75升至95升汽油即可驱动汽车从杭州抵达北京。然而，词元经济从理论走向实践目前仍面临两大挑战。一方面，从词元到生产力的价值转化链路尚未完全闭环，缺乏确定性和稳定性。另一方面，词元的流通不仅是算力的交易，更涉及海量数据在生成与调用过程中的确权保护。这就要求必须构建针对词元贸易的涉外法律服务、跨境数据流动监管以及专门的合规服务系统。这种从价值链条打通到合规体系建设的双重需求，迫切需要依托城市这一复杂的物理空间与产业载体，通过前瞻性的场景导入与制度创新，为词元价值的最终闭环提供真实的试验田。

三  城市发展词元经济的路径

面对词元经济的浪潮，城市究竟该如何发力？综合来看，存在两条发展路径。

第一条路径是向产业链上游溯源，在词元产业链中形成错位锚定。能源、芯片、AI基建、模型、应用这五层产业链对生产要素的需求差异极大，但若以词元为最终产出物，城市的产业匹配逻辑将发生质变。例如，具备充裕绿电禀赋和高能效水平（低PUE）的城市，其目标不应仅仅是建设机房，而是要利用成本优势，在词元吞吐量、单位成本、每瓦产出、每兆瓦收入等效率指标上追求极致，打造全球低边际成本的“词元工厂”。而具备头部大模型和高人才密度的城市，则应向模型层突破，通过算法优化提升单卡词元产出效率，抢占词元质量的定价权。此外，词元经济的五层产业链并非抽象概念，而是由无数中观细分赛道构成的庞大实体产业群。芯片层涵盖芯片设计、制造、封装和测试全流程；AI基建层涵盖IT硬件、供配电、制冷、柴油发电机、模块化机房等设备，以及算力租赁、云服务、边缘计算、IDC租赁、算力平台与软件开发等服务；模型层，除了各类通用大模型，还有聚焦金融、医疗、教育、法律、政务、工业制造的垂直行业大模型，以及采集、标注、治理、安全等数据服务；终端应用层涵盖AIGC工具和创作、机器人和具身智能、低空经济、智能驾驶、大模型服务等。只要立足本地现有的产业基础和要素禀赋，在上述任意一个细分赛道上做深做透，哪怕只是在庞大的五层架构中切下某块的细分节点，也能深度融入词元经济的价值循环。这种切入细分单打冠军的错位锚定策略，是城市切入词元经济最可行的路径。

第二条路径是向应用层下沉，以隐性知识词元化重塑本地特色产业链。对于非一线城市而言，通用大模型虽具备广谱的常识智能，但缺乏特定垂直领域的专家智能。二三线城市的真正壁垒，不在于算法和算力，而在于几十年沉淀的特色产业集群中蕴含的隐性知识与工艺参数。因此，这类城市的核心主线不是简单地调用API，而是将本地的行业隐性知识转化为词元。通过结合高价值的行业私有数据进行检索增强生成或微调，把原本锁在工厂里的经验转化为高价值的行业专有词元流，从而在细分赛道上孵化出具备高壁垒的AI专精特新企业。在此主线之上，当本地产业的数字化底座打磨成熟后，城市若有余力，方可适度鼓励AI一人公司（OPC）等新型业态，将其作为繁荣本地数字原生环境的生态补充，而非将其视为产业突围的“超车弯道”。

词元经济产业链具有极高的技术与资金壁垒，不同发展能级、资源禀赋和基础条件的城市面临的机遇与挑战存在显著差异。基于比较优势原理，城市需将上述两条路径与自身定位进行精准匹配。科技与场景策源型城市，例如北京、上海、深圳、杭州等，其核心优势在于占据产业链微笑曲线两端，向上通过算法优化获取词元质量的定价权，向下繁荣高频数字原生应用，成为词元流的调度枢纽与结算中心，这对应上述路径一中向模型层突破的策略。能源与绿电富集型城市，如内蒙古、宁夏、贵州等国家算力枢纽节点城市，其核心优势在于依托低PUE与廉价绿电优势，承接全国非实时算力需求，打造规模化、低边际成本的词元工厂，这对应上述路径一中的错位锚定策略。特色制造与产业基座型城市，如苏州、无锡、东莞、佛山等，其发展逻辑对应上述路径二中的隐性知识词元化策略。这类城市的真正壁垒在于丰富的产业场景与沉睡的工艺数据，一旦完成词元化改造，将在细分赛道形成极高的进入门槛。资源与基础双弱型城市，即缺乏算力基础与特色产业集群的一般地级市及县域，需要理性认识到词元经济不宜作为主导产业发展。若脱离实际强行布局算力产业链，将面临高额的无效投资与沉没成本风险。对这类城市而言，词元经济的合理定位是回归普惠工具属性，利用公有云服务提升本地政务与公共服务效率，应避免将其盲目纳入地方产业招商与考核体系。

四  城市发展词元经济的挑战

词元经济是一个仍在发展、验证过程中的概念，城市能否像推动其他产业一样推动词元经济，目前面临五个方面的共性挑战。

第一，词元作为中间投入品的属性，导致其在国民经济核算中难以体现产业增加值。现行基于GDP的统计框架对实体货物和最终服务较为敏感。词元在产业链中扮演的角色类似于工业时代的电力或钢铁，属于典型的中间投入品而非最终消费品。如果地方政府仅仅统计词元的直接交易额，会严重低估其对实体经济的真实贡献。如何建立一套科学的测算体系，准确量化本地企业消耗词元后所撬动的实体经济增量附加值，成为一个统计上的重要难点。

第二，API调用模式导致算力生产地与商业应用地的空间分离，极易引发税基外溢。在云端商业模式下，词元在异地的算力集群中生成，而商业价值的实现发生在本地企业端。如果城市依靠财政大规模发放算力券，极易造成本地财政资金补贴异地算力基础设施，最终产生的增值税和企业所得税往往沉淀在API提供方的注册地，造成本地掏钱、异地受益的财税错配。

第三，词元的高流动性否定了单城市闭环的可能，易导致低效的属地化建设。大模型产业链存在严格的最小经济规模阈值，词元本质上属于数字服务流，天然具有跨域流动的便利性，单个城市的财力与人才池根本无法承载全产业链的闭环运转。然而，部分地方政府出于政绩考量，仍试图以物理园区为界推动本地算力本地消化的全链条布局。这种将跨域流动的数字服务物理化、属地化的闭环思维，必然导致低水平重复建设与算力闲置。发展词元经济，必须摒弃属地化拥有的狭隘观念，在“东数西算”和全国一体化算力网中找准自身定位。

第四，在特色制造型城市中尤为突出的中小企业与AI供给需求错配问题，制约了词元经济向实体产业的规模化渗透。从算力供给看，市场呈现明显的“中间断层”：一端是面向小规模推理的入门级配置，另一端是价格高昂的超大集群，而大多数成长型企业真正需要的、兼顾性能与成本的中等规模弹性算力供给长期不足，导致企业要么牺牲效率、要么背负过重成本。从需求侧看，中小企业普遍面临资金不足、专业人才匮乏和场景识别不清等短板，往往难以独立完成选型、部署与运维等工作。与此同时，数据治理与合规要求在特定场景下直接抬高了使用门槛。比如，在涉及患者病历的医疗辅助诊断、涉及交易流水的金融风控审批，以及涉及核心图纸的工业制造等领域，企业掌握的多为高度敏感的个人隐私数据或核心商业机密。受限于严格的数据安全法规，这些企业无法轻易将数据接入公有云调用词元服务，而进行本地数据脱敏或私有化部署的成本又过于高昂。这种“公有云不敢用、私有化用不起”的困境，导致大量具备真实业务痛点的小微企业被迫游离于词元经济的获益范围之外。这使得即便城市拥有丰富的词元供给，也难以真正转化为广大市场主体的生产率提升。

第五，词元服务出海面临非关税性质的数字贸易壁垒。随着中国大模型推理能力的提升，通过API向全球输出词元服务本是高效路径。但当前地缘政治博弈加剧，词元服务正逐渐成为数字贸易的新载体。部分发达国家正在以数据跨境安全审查、算法黑箱合规性等看似中性的技术监管理由构筑新型的防御机制，实质上是针对中国词元服务输出设置隐性壁垒。这不仅阻断了本地词元经济参与全球价值链的路径，也对国内大模型的国际化合规架构设计提出了极高挑战。

五  城市发展词元经济的对策

第一，重塑空间布局逻辑，从单点建设智算中心转向运营城市级算力调度平台。大模型产业链的最小经济规模阈值决定了单个城市无法也不应追求算力供给的完全属地化，但能源与绿电富集型城市除外，其低成本自建算力正是比较优势所在。其余城市应将资源从新建大型智算中心的物理硬件投资，转向城市级算力调度运营平台：构建智能算力路由系统，将本地零散算力与“东数西算”枢纽节点的异地算力统一编排，让本地企业以低门槛顺畅调用异地词元。

第二，优化产业政策工具，将扶持重心向培育本地模型服务集成商倾斜。词元服务模式下，API交易产生的税收易沉淀在提供方注册地，普惠性算力补贴反而会用本地财政补贴异地基础设施。财政支持应从发放算力券，转向以降本增效实效为标准的后端奖补。同时培育本地MaaS 集成商，鼓励其对接头部大模型接口、结合行业需求二次开发封装，以整体解决方案交付本地企业，把增值收益与税收留存本地。

第三，弥合市场供给断层，以政府购买服务方式化解中小企业合规与成本门槛。市场上中等规模弹性算力供给长期不足，而中小企业又面临“公有云合规流程复杂、私有化部署用不起”的两难问题。政府应引导建设规模适中、弹性计费的普惠推理算力资源池，对医疗、金融等敏感数据场景，依托公共数据平台采购经国家安全认证的数据脱敏、隐私计算与安全传输服务，支持企业以隐私计算“数据可用不可见”或本地化部署等多元方式合规接入词元服务，而非强推单一公有云路线。

第四，开放城市公共场景，以政府首购机制打造词元经济的试验田。词元应用必须在真实业务流中迭代，政府应从管理者转变为首个买家，建议梳理开放政务咨询、交通调度、智慧医疗等公共场景，面向社会公开发布需求清单，在招标中破除唯资质、唯规模倾向，允许轻量化方案参与竞争，并配套首台套保险补偿与政府首购机制，为初创企业跑通商业闭环提供真实订单。

第五，探索制度型开放，依托自贸区平台开展词元跨境流转的压力测试。依托自贸试验区对接国家数据跨境流动管理规定，制定大模型推理服务的数据出境负面清单，对文化、工业设计等低敏感领域的词元调用数据流建立免予安全评估的绿色通道。在此基础上，择定若干真实跨境业务场景先行放量，观察数据出境通道在真实业务流量下的安全性与传输效率，跟踪企业合规成本变化，并建立风险事件的熔断与清单回缩机制，以实测结果为国家层面完善数据跨境流动规则提供基层经验。同时整合涉外法律与标准化资源，为企业提供目标国算法备案、隐私保护属地化改造等合规辅导。

六  结语

无论词元经济在应用层如何演进，其底层逻辑始终是算力硬件与模型智能的双向奔赴。词元的价值密度从根本上取决于大模型的智能水平。如果国内模型在核心能力上与海外顶尖水平出现较大落差，那么国内产出的词元在质量和附加值上就会显著降低。在这种情境下，国内的词元供给将难以触达高利润的复杂业务场景，只能在基础、低门槛的应用中陷入同质化的价格内卷。因此，大模型能力的持续提升，是维持词元经济高价值运转的关键前提。

在此基础上，算力芯片与模型算法呈现着螺旋上升的共生关系。高端算力芯片的突破，为大模型迭代提供了必要的物质基础；而大模型能力的持续提升，又是将算力转化为高价值词元的转化器。缺乏自主可控的算力底座，大模型的持续演进就会受制于人，产业链的韧性将受到考验；同样，若模型能力长期滞后，国产算力硬件也缺乏海量高质量推理需求的拉动，难以实现真正意义上的规模化商业闭环。

只有在算力底座自主可控与模型能力紧跟前沿的双重保障下，中国丰富的绿色能源与庞大的实体产业场景才能有效结合，将算电协同的潜能彻底释放。基于这种综合优势，中国产出的词元将在成本控制和供应稳定性上形成难以撼动的比较优势。当中国的模型服务能够凭借这一优势突破外部的数字贸易壁垒时，中国词元将真正成为全球智能时代不可或缺的基础性战略资源。