一个AI行业的"新度量衡"，正在悄悄改写全球经济规则。
2026年3月，英伟达GTC大会后，黄仁勋说了一句让全场安静的话：
"一个年薪50万美元的工程师，如果一年消耗不到25万美元的Token，我会非常担心。"
他还补了一刀："如果顶尖工程师说'我打算只用纸和笔工作'，那跟芯片设计师拒绝用EDA工具一样荒谬。"
Token是什么？为什么一个技术术语，能让全球最贵的芯片公司CEO拿来衡量人的生产力？
答案可能比你想的更颠覆。
一、每次经济革命，都从一个新的"计量单位"开始
经济学家有一个很朴素的判断方法：看计量单位。
每次重大的经济变革，都会诞生一个不起眼但至关重要的新单位。这个单位定义了什么东西可以被交易、被定价、被纳入经济体系。
农业社会有蒲式耳。在标准化之前，粮食只能在集市上以麻袋为单位估价，一袋小麦和另一袋小麦的"量"完全取决于袋子的大小和卖家是否诚信。蒲式耳的出现让远期合约成为可能，让买家可以在芝加哥购买他从未见过的堪萨斯小麦。没有蒲式耳，即使铁路通了，你也无法为一批没亲眼见过的小麦定价。
能源时代有桶。1标准油桶等于42加仑，这个源自宾夕法尼亚油田主的临时选择在1866年被标准化后，石油成为可以跨国定价、全球流动的商品。"桶"让石油从一种地方性矿物转变为全球金融市场上可以对冲、做空、期货化的资产。
电气化时代有千瓦时。1889年英国工程师首次提出"千瓦时"概念，此后逐渐成为全球通用的电力交易单位。只有当电力有了标准计量方式，电网调度、电力交易市场、工业能耗管理才成为可能。
信息社会有比特。香农在1948年通过定义信息的数学框架，使"比特"成为信息的度量单位。有了比特之后，电话线路的容量、硬盘的存储空间、互联网的带宽都有了可以计价的度量。
这4个单位有一个共同点：它们计量的都是某种可还原为物理过程的对象。蒲式耳计量物质，桶计量容积，千瓦时计量能量，比特计量信息的编码与传输。
但词元（Token）完全不同。
二、Token：人类历史上第一个"智力计量单位"
Token计量的不是物质、能量或信息，而是机器处理智力任务的产出量。
消耗一个Token，意味着你购买的不是存储空间、计算次数或信息传输，而是模型对你的问题进行一次智力加工的服务。理解一句话、生成一段代码、做出一个判断——这些过去只有人类大脑才能完成的智力活动，现在第一次拥有了可精确计量的单位和可执行的价格。
Token由此成为人类历史上第一个用来计量类似人类智力活动产出的基本单位。在以往的经济发展中，还没有出现过对应的东西。
我们第一次能够像买一桶油、一度电那样，按量购买智力服务。
这种转变的本质可以概括为：智力即服务（Intelligence as a Service）。
过去购买智力，我们买的是人，是工时，是岗位，是项目。智力被绑定在某个具体的人身上，无法被单独计量。如今购买智力，我们买的是Token，是任务，是工作流，是结果，乃至不知疲倦的数字员工。
智力第一次脱离单个具体的人脑，可以被连续调用、计量和计费。
打一个工业时代的比方：蒸汽机和电动机让体力劳动第一次被大规模能源化；大模型正在做类似的事，只不过对象从体力劳动变成了认知劳动。
三、一个已经运转起来的经济体
Token经济不是未来时，而是进行时。而且它的增长速度超过了几乎所有之前商品在同一阶段的扩张速度。
先看一组数据：
全球头部AI公司OpenAI在2026年3月披露，其API处理速率已达每分钟150亿Token。而不到半年前的2025年10月，这个数字还是每分钟60亿Token。5个月增长了1.5倍。
这还只是API端口，不包括ChatGPT消费者端的消耗。同期Anthropic、谷歌、Meta以及中国的数十家模型提供商各自运营着规模不等的推理基础设施。
全球范围内，截至2026年年初，推理已占据全部AI算力的约2/3，2023年这个比例还只是1/3。
中国市场的增长更为惊人。根据国家数据局2026年3月在中国发展高层论坛上的披露：
中国日均Token调用量在2024年年初约为1000亿，2025年年底跃升至100万亿，2026年3月已突破140万亿。两年时间增长超过1000倍。
从全球看，IDC在2026年4月发布的一份报告显示，2025年全球AI基础设施支出达3180亿美元，比2024年的1530亿美元翻了1倍有余。
四、单价暴跌99%，总支出反而翻倍——AI版"杰文斯悖论"
这些数字背后隐藏着一个反直觉的结构性事实：单价在暴跌，总支出反而在暴涨。
以GPT-4级别能力为基准，2023年年初的推理定价约每百万输出Token 60美元，到2025年，同等能力水平的市场价格已不到1美元，降幅接近两个数量级（99%）。
但同期全球AI基础设施总支出翻了一倍有余，头部厂商的收入也在同步飙升。
在经济学上这叫"杰文斯悖论"——19世纪蒸汽机效率提高，理论上煤炭消耗应该更少，但事实是煤炭总消耗反而暴涨。
Token市场正在上演同样的剧情，而且节奏更快，幅度更大。
为什么？因为当一种东西变得足够便宜，人们不会少用，反而会找到100种新的用法。Token价格暴跌不是抑制了需求，而是打开了需求的天窗。
五、Token经济让传统经济学"集体懵圈"
规模和增速只是表象，真正有意思的是，Token经济在实际运行中不断挑战既有分析框架。
假设你是一家中等规模科技公司的战略负责人，CEO要求你从零搭建企业AI采购体系。你很快会发现，MBA课程教过的那一套，在Token市场上往往面临巨大挑战。
供给侧：全球有数十家模型提供商，成本结构完全不同。OpenAI背后的累计投资已达上千亿美元，开源社区里一些团队用几百万美元就能微调出在某些任务上接近前沿水平的模型。
需求侧更让人头疼。法务部门本月消耗了5000万Token审合同，下月可能涨3倍；工程团队部署了几个智能体之后，Token消耗量一周内暴涨10倍，而你事先完全无法预测。
定价方面：不同厂商的单位推理成本、资本开支摊销、模型能力和服务质量差异巨大，能力价格又在快速下行。你甚至没法确定下个季度同样的预算能买到什么水平的能力。
最让人困惑的是价值评估。同样1000万个Token，律师用来审合同可能规避了价值上百万美元的法律风险，市场部门用来写周报可能只节省了半小时工时。你当然可以为单个场景计算投入产出，但很难用一个统一口径衡量所有场景的Token投入——但CFO偏偏要你给出一个"企业Token ROI"。
六、Token的三个"反常识"特征
把这些困惑归拢一下，Token同时在好几个维度上偏离了传统经济分析中最常用的简化前提。
第一，同质计量，异质价值。同等数量的模型调用，在计量口径上近似相同，进入不同任务后产生的经济价值却可以差出几个数量级。传统商品当然也有使用场景差异，但很多质量差异已经在生产端被标注、分级并进入价格。Token的难点在于，调用前只能看到模型、上下文和价格，最终价值却要在具体任务中才显现出来。
第二，两套时钟同时运转。成本以每年跌幅超过90%的速度暴跌，但物理基础设施的扩张完全跟不上这个节奏。算法效率可以在硬件不变的情况下独立提升，而晶圆厂从动工到投产需要3~4年。
第三，Agent正在成为新的"消费主体"。Token的调用决策正在部分从人类手动提问，越来越转向由Agent和工作流在既定目标下持续触发。当Agent开始在既定目标下决定调用什么模型、消耗多少Token，需求对价格、延迟、失败率和任务价值的反应速度，就会和我们熟悉的消费品市场明显不同。
七、这本书想回答什么？
腾讯研究院的新书《Token经济》分为7章，每一章围绕一个被Token经济重新打开的问题展开讨论：
第一章：Token到底是什么？从技术底层解释Token的生产机制。
第二章：为什么同样的Token能产生100倍甚至更大的价值差异？
第三章：3年价格大幅下降的底层机制是什么？为什么单价暴跌，企业Token总账单反而持续上升？
第四章：为什么Token总是不够用？当调用从一次性问答走向长程Agent和产业工作流，会发生什么变化？
第五章：Token效率如何改写产业链利润分布、开源闭源定价权和中美竞争格局？
第六章：智力即服务如何从底层Token计量，被包装成按量、订阅、积分、工作流、结果和数字员工等商业模式？
第七章：当Token跨境流通同时牵动算力、能源、数据和工作流时，现有的贸易、税收和监管框架为什么会出现分类困难？
7章合在一起，回答的是一个更大的问题：
当计量对象从物质、能量和信息，延伸到类似人类智力活动的产出时，经济运行的规律会发生什么变化？
八、写在最后：Token值得被认真对待
从2026年回看，Token从一个技术术语进入经济视野不过短短3年时间。
面对如此崭新的课题，这本书提出的分析框架还很初步，但有一个判断很有信心：
Token值得被认真对待，不是因为它规模大、增长快，而是因为它把机器智力服务变成了可计量、可定价、可治理的经济对象，是理解AI对经济影响的关键。
理解它需要的不是更好地套用现有框架，而是承认现有框架的前提假设有哪些改变，以及我们该如何处理这些改变。
过去是公司拥有技术，再由人加入公司创造价值。
未来则可能出现另一条路径：
人拥有智能，再由智能帮助人组织技术、资源和关系。
当Token让智力服务变得像水电一样可以按需购买，当Agent让每个人都能调动一支"数字员工"团队，当A2A让AI分身之间可以自主建立商业连接——
AI时代真正值得关注的，不只是还会诞生多少家万亿美元公司，更是当过去属于超级平台的部分能力开始流向个人，会诞生多少前所未有的超级个体。
相关文章
