文章核心观点 - 国家数据局将Token正式定名为“词元”，标志着以词元为价值载体的智能经济已进入国家战略视野，其调用量的爆发式增长是“人工智能+”行动快速落地的体现，催生了“词元经济”这一新经济形态 [4] - 词元已从技术参数演变为数智服务的产出单元和计价基准，其独特的经济属性对经典经济理论构成挑战，系统研究词元经济对抢占智能经济制高点、引领新质生产力具有关键战略意义 [4] 词元调用量增长与市场地位 - 中国日均词元调用量从2024年初约1000亿激增至2026年3月的140万亿，26个月增长1400倍；相比2025年底的100万亿，短短三个月又增长40%以上 [7] - 中国是全球词元调用量最大的国家，调用量是排名第二的美国的近2倍；2026年3月16日至22日，中国AI大模型调用量占全球的36%，连续三周超过美国 [7] - 行业预测中国Token消耗量年复合增长率将高达330%，5年增长400倍；AI推理Token消耗量预计将从2025年的约10千万亿增长至2030年的约3900千万亿 [7] 词元作为经济基本单元的特性 - 词元实现了信息的标准化封装、精确计量和透明定价，主流大模型普遍采用“每百万词元”方式计价 [14] - 词元的生产与消费模式独特，训练阶段投入巨额固定成本（如GPT-4训练成本超1亿美元），通过海量调用摊薄，生成百万词元成本不足1美元，具有“高固定成本、趋零边际成本”的结构性特征 [15] - 词元调用量的快速增长是智能体（AI Agent）规模化应用的结果，2026年被产业界视为“智能体规模化应用元年”，智能体已迅速演变为一个千亿级新兴产业 [8] 词元作为生产要素的独特经济属性 - 非竞争性与无限复用性：数据要素具有非竞争性，一人使用不影响他人使用，使得边际成本在达到一定规模后无限趋近于零，颠覆了基于稀缺性的传统价值理论 [16] - 正外部性与强化型网络效应：数据要素价值随使用规模呈指数级增长，形成“数据飞轮效应”，导致市场易形成“赢家通吃”的动态非均衡结构 [17] - 强场景依赖性与非标准化：词元的价值高度依赖于具体应用场景，同一输出在不同场景下创造的价值差异巨大，使得传统基于“生产成本”的定价理论失效，市场转向“价值定价”等策略 [17] - 投入产出的非线性与阈值效应：数据要素的投入与产出存在显著的非线性关系和阈值效应，模型能力会在数据、算法、算力达到临界点时发生质的飞跃（涌现），这给传统生产函数分析带来挑战 [18] 词元经济的特殊性及其影响 - 极致的规模经济与成本结构：词元经济具有极端的“L型”成本曲线，用户和调用量越大，单位词元分摊的固定成本越低，平均成本持续下行，这解释了2024-2026年间主流模型API价格暴跌60%-80%而市场总收入却翻倍增长的现象 [20] - 动态非均衡与市场锁定效应：词元市场具有强大的“赢家通吃”锁定效应，基础模型层已形成寡头格局（全球核心玩家不足10家），而应用层呈现充分竞争，竞争焦点已从价格战转向“智能性价比”和技术“军备竞赛” [21] - 宏观层面的“通缩-通胀”分裂：AI服务端因成本下降出现通缩（如机器翻译、代码生成价格下降），而支撑AI运行的物理资源端（如高端GPU、HBM、电力）则因需求爆发出现通胀，导致传统通胀指标可能失真，货币政策陷入两难 [22] - 核算与统计的“三重失灵”：企业购买API服务常被记为费用而非资产，导致“智能资本”投资被低估；大量零边际成本的AI服务创造的消费者剩余未被计入GDP；基于实体商品成本的监管在数字服务市场几乎失效 [23] 对治理与理论体系的挑战与建议 - 完善统计监测体系：现行国民经济核算体系难以捕捉词元经济的真实价值，应构建涵盖词元调用量、算力利用率、模型性能价格比等核心指标的月度统计发布制度 [24] - 健全相关竞争政策：监管重点应从传统的“成本-利润”逻辑转向保障公平接入、推动算法透明，建立适应词元经济和智能经济的竞争政策范式 [24] - 创新经济学理论研究：词元经济暴露了经典经济学范式的局限，需建立能够处理非竞争性商品、竞争性资源、正外部性和动态规模报酬递增的新分析框架 [25]