Token经济学七问——一份关于AI新经济的入门地图
Token经济学七问——一份关于AI新经济的入门地图
来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, 办公效率, 网络安全, 编程, 区块链, 物流, 数字化, 机器人, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/xkoHKGg9EO-C_sUAPMwVjA
摘要
白惠天、袁晓辉 腾讯研究院 2026年3月31日，OpenAI宣布完成新一轮融资，同时披露了一个重要数据：用户每分钟调用API接口的Token量超过了150亿，这样计算下来一天是21.6万亿。1 刚好在几天前，中国国家数据局公布，中国日均Token调用量突破140万亿，两年增长1400倍。2 Token是什么？简单说，它是AI处理和生成信息的基本单位——你向AI提一个问题，消耗一些Token；AI给你一个回答，生成一些Token。一个Token大约对应一到两个汉字，具体因模型而异。为什么要关注Token？因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格，“桶”...
核心内容
白惠天、袁晓辉 腾讯研究院
2026年3月31日，OpenAI宣布完成新一轮融资，同时披露了一个重要数据：用户每分钟调用API接口的Token量超过了150亿，这样计算下来一天是21.6万亿。1
刚好在几天前，中国国家数据局公布，中国日均Token调用量突破140万亿，两年增长1400倍。2
Token是什么？简单说，它是AI处理和生成信息的基本单位——你向AI提一个问题，消耗一些Token；AI给你一个回答，生成一些Token。一个Token大约对应一到两个汉字，具体因模型而异。为什么要关注Token？因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格，“桶”让石油有了期货市场。有了Token，AI经济就有了可以算账的单位。围绕这个单位，目前也正在形成一套全新的经济逻辑：有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。这就是Token经济学要讨论的事。而以下七个问题，试图为这个正在成型的新经济体系画一张地图。
**
**
**
**
Token经济学的产业背景
Token经济学不是凭空冒出来的学术概念，它有一个很具体的产业背景。2026年3月，英伟达CEO黄仁勋在GTC大会前发表了一篇署名文章，标题叫AI Is a Five-Layer Cake（《AI是一个五层蛋糕》）。他把AI产业拆成五层：能源、芯片、基础设施、模型、应用。前三层合起来叫AI工厂，核心功能是制造智能。3后两层中，模型层是智能的载体，应用层让智能发挥价值。
来源：英伟达官方博客，Jensen Huang署名文章（2026.3.10），笔者翻译绘制。贯穿五层的统一计量单位就是Token，英伟达对Token的定义是：Token是现代AI（生成式AI）的基本单位，也是AI的语言和货币。4AI工厂的关键经营指标——吞吐量、单位成本、每瓦产出、每兆瓦收入——全部围绕Token展开。五层蛋糕回答的是在产业链中哪里能赚到钱，Token概念回答的是这个产业用什么单位来计算效率、成本和收入。这些概念合在一起，构成了AI产业经济的分析框架。需要说明的是，这里说的Token本质是AI计算和服务交付的计量单位，不是指区块链上的可交易资产，所以Token经济也不是加密货币世界的Tokenomics。
**
**
**
**
Q1. 全球一天消耗多少Token？
我们先看一组数字，建立量级感。OpenAI的API每分钟处理150亿Token，折算一天约21.6万亿。谷歌2025年9月披露，Gemini每月处理1300万亿Token，日均约43万亿。而中国国家数据局2026年3月的数字是：日均140万亿——大致相当于OpenAI和谷歌之和的三倍。两年前，中国的日均Token调用量还只有1000亿。两年，翻了1400倍。140万亿Token是什么概念？粗略折算，相当于每天生成约2000亿篇千字文章。全中国14亿人，人均每天"消费"上百篇AI生成的千字内容。当然实际不是这么算的——大量Token消耗来自企业级API调用、智能体运行和模型间交互——但这个量级本身就说明问题。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。5
我们现在看到的，可能只是开胃菜。
**
**
Q2. 一个Token能创造多大的价值？
并非所有Token生而平等。同样一个Token，用来闲聊的，百万个值0.01美元，用来写代码值200美元，用来做法律文档审阅的，值1000美元，价值差了十万倍。数据来源：Litowitz et al. (2026)；Bergemann et al. (2025)；各厂商API定价页。为什么？因为Token有一种此前生产要素不具备的属性：可编程性。同一个底层模型，接收不同的prompt，可以变成翻译、程序员、律师、科学家——直接产出不同价值的智力成果。钢铁做不到这一点，石油做不到，甚至电力也做不到。没有任何一种传统生产要素，能仅凭"指令不同"就改变自身价值百千倍。耶鲁大学Cowles基金会的Bergemann等人精确地捕捉到了这个特征：Token是可合同化的计量单位——数量可精确计量，但价值完全取决于它被编程做什么。6这产生了一个反直觉的现象：不到5%的Token消耗，创造了超过80%的可测量价值。所谓平均Token价格，就像用平均房价来描述一个既有茅草屋又有摩天楼的城市——数字正确，但毫无意义。这种价值分层已经体现在宏观数据中。Collis和Brynjolfsson（2025）估算，生成式AI在2024年仅为美国消费者创造的消费者剩余就高达约970亿美元——用户从AI中获得的价值，远超过他们实际支付的金额。7而这些剩余价值，绝大部分集中在高价值应用场景。理解这一点至关重要。Token的价值不取决于它的生产成本，而取决于它被用来做什么。这是理解后面所有问题的前提。
**
**
Q3. 生产一个Token要花多少钱？
生产一个Token的价格是不同的，取决于你用什么模型、做什么任务。用轻量模型处理简单问题，比如GPT-4o-mini回答一句闲聊，消耗掉的电力约为0.03瓦时——比LED灯泡亮一秒钟还少。而用最强的推理模型做深度分析，比如GPT-5处理一个复杂的科学问题，，能耗可以高达18瓦时——是轻量模型的600倍。也就是说，同一家公司的不同模型之间，生产Token的成本就能差出几百倍。为什么差这么多呢？三个因素：一是模型大小，参数越多，生成每一个Token需要的计算量越大；二是任务复杂度，新一代推理模型在输出每一个可见Token之前，会在内部进行大量隐式推演，相当于想了几十步才说一个字。用户看到一个Token，模型内部可能已经生产了上百个。单个可见Token的成本，被思考过程成倍放大了。也就是说，光是生产端，同一家公司不同模型之间的Token成本，就能差出几百倍。但总体趋势是清晰的：Token在飞速变便宜。数据来源：Epoch AI (2025)；NavyaAI (2026)；Tom's Hardware / 罗德岛大学AI实验室 (2025)；各厂商API定价页。2022年，调用GPT-3级别模型需要60美元/百万Token。到2026年初，同等能力的开源模型只要0.06美元——降了99.9%。驱动降价的是三股力量的相乘效应：硬件效率每年提升2-3倍，算法效率每年提升2-3倍，系统优化每年再提升2-4倍。三者相乘，Token成本每年下降5-10倍。同样规模的模型，从上一代GPU换到新一代，每个Token的能耗就能下降约10倍。但这里有一个反直觉的事实：Token越便宜，全世界在Token上花的钱反而越多。2022-2026年间Token单价降了99.9%，但同期全球企业AI云支出从115亿美元涨到了370亿美元，翻了三倍多。为什么降价却没省钱？经济学家对此不会感到意外——这是经典的杰文斯悖论：当一种资源的使用效率大幅提升，总消耗量不降反升，正如蒸汽机效率提升后，煤炭消耗不降反升一样。Token价格的下降，将原本被成本约束抑制的潜在需求大规模释放出来。当Token价格是60美元
...(内容截断，完整内容请查看原文)
本页由自动化脚本生成，待人工审核补充