你每个月要用掉多少Token? Token是AI语言模型处理文字的最小单位，由于AI服务通常按处理的Token数量收费，Token 也成了衡量模型用量、成本和上下文长度的常用计量单位。
随着AI被大规模应用，「Token 经济」也成为了热词。中国已然是Token消费大国。到今年3月，全国日均调用量突破140万亿，三个月内增长超过四成。¹ 顺着这个数字很容易想象出一幅画面：某座城市的调用量快速增长，原本闲置的算力中心跑满了，企业把智能体接进客服、研发、销售和办公流程，员工开始大规模用AI辅助工作……这些事情确实在发生，Token也可以像GDP一样被统计、被排名、被写进年终报告。但这幅画面没有回答一个问题：对经济和社会，这意味着什么？普通市民能从中得到什么？
我们可以从供需关系来理解这一点。将 Token 计入「供给侧」和「需求侧」这两本账目，前者涵盖了产能、调用、成本、投资、企业收入和地方政绩；后者则关乎工资、就业、闲暇、社保、公共服务和家庭购买力。
在中国，Token经济的特殊之处在于，它极其擅长扩张第一本帐，又习惯把第一本帐的成果直接当成第二本帐的成果。于是供给被叫作需求，中间投入被叫作消费，企业降本被叫作繁荣。正因为AI是真有生产力的东西，谁控制这条价值的阐释，谁拿走它的收益，才更值得追问。
文｜谷雨
编辑｜阳少
Token，一种新的「用电量」
Token确实是可以像用电量一样被计量的技术指标，但工业用电量上涨，不会告诉你电流向了效率更高的产业，还是低效的过剩产能。同样，一次Token调用，可能生成一份真正帮你省下几小时的报告，也可能只是反复修改一段最后根本没用上的文字。
用量是投入，任务是过程，收入和利润是企业层面的结果，生产率则是更高一层的经济结果。这几层，离市民生活的距离完全不同。企业利润的改善，至少还有一条通路：把收入分给员工，员工再拿去消费。但如果Token不断提高外卖骑手的接单效率和单量，却没有提高他的实际收入，这条通路就断了。
这不是抽象的担忧，140万亿的日均掉用量，本身就值得被拆解。字节跳动旗下的火山引擎四月披露，豆包大模型的日均Token使用量已经突破120万亿。² 也就是说，全国总量的绝大部分来自这一家平台，而推高这个数字的，主要是AI视频生成：单条视频的生成与迭代，动辄要消耗数千万Token。这幅图景，和「千行百业全面渗透」根本不是一回事，它更像是一家公司、一类场景、一个正在爆发的内容产业。把日均调用量当成整体经济健康度的指标，放在这个结构面前，很难站得住脚。
企业买Token，在自己的帐上当然算需求。但放进整个国民经济，它很可能从头到尾都只是中间投入。只有当它压低了产品价格、提高了工资、增加了闲暇、改善了公共服务，或者造出了人们愿意买、也买得起的新产品，Token才算真正进了第二本帐。
这就是供给侧和需求侧的分野。前者是一种典型的生产主义，大概也是很多人谈「Token经济」时默认的叙事：把生产能力、固定资产、技术能力和产业规模，排在家庭收入、社会保障和最终消费之前。这个排序不是偶然的。居民的安全感不容易量化，服务品质也很难写进年终报告；但万卡集群、每度电的Token产出、日调用量、园区数量、投资规模，全都可以量化，可以规划、融资、补贴、排名、考核。芯片、服务器、电网、液冷、数据中心，都有明确的采购主体，适合产业基金、银行信贷、国企投资、地方项目介入。
反过来，提高失业保险、给流动人口发养老金、改善基层公共服务，要的是长期、经常性的财政承诺（中国目前失业相关支出不到GDP的0.1%，OECD国家平均是1.0%）³ 还会直接触碰中央和地方的责任划分。前者是政绩，后者是麻烦。
于是，一场技术革命，首先被读成了新的固定资产、新的地方产能、新的行政可见性。这个解读不是一方拍板完成的。地方政府需要投资和政绩，国有数据公司需要业务，算力中心需要跑满利用率，园区需要招商引资，云厂商和模型公司需要早期客户——而国企和政府部门，正好可以充当那批最早的买家。
Token经济，既不是市场自己长出来的，也不是由一道命令造出来的，它来自各方的推动，理由却各不相同：有人要战略安全，有人要资产利用率，有人要收入，有人要融资，有人要考核成绩。把这些不同的算盘缝合在一起的接口，就是Token。
电影《银翼杀手2049》
用扩张产能的方式刺激需求
北京亦庄提供了一个几乎完整的样本。当地提出，到2030年把智能经济产业规模做到4000亿元：建成四座万卡级词元工厂，算力规模突破10万P，度电词元产出提升到当前的六倍以上，建成词元分发与消费基础设施，培育50个以上智能体研发协作平台，吸引超过5000家OPC实体。
这套政策工具的打法，和中国其他产业政策一脉相承。不只做基础建设，而是覆盖并补贴整条产业链：算力租赁按费用的30%补贴，每年1亿元数据券，词元聚合与统一结算平台最高5000万元，智能业务重构与交付平台每年最高1000万元，一路补贴到企业在实际场景中消耗Token为止。政府支持工厂生产Token，支持平台分发Token，也支持企业使用Token。
补贴有其合理的部分。新技术常常在推广初期卡壳，比如基础设施不足、企业不愿先行先试、供给方找不到应用场景，这些都是典型的协调失败。算力券和Token券可以压低第一次采用的成本，逼企业打开数据和流程，甚至长出原本不存在的服务。
但还值得注意的是一个“语义转换”。相关章节以「全面拓展智能经济消费模式」为名，主要内容却是鼓励医疗健康、商业航天、汽车制造等企业开放高吞吐场景，驱动Token被大规模、高频消耗；对开展实际场景应用的企业，按Token消耗费用的50%给予最高500万元资金支持。⁴
也就是说，在一个题为「拓展消费」的章节里，政府按企业中间投入的消耗量，补贴了一半。企业购买Token是购买生产资料，属于中间投入，不等于居民最终消费；政策发生在购买端，也不等于它就是需求侧政策。政府替企业降低Token成本，企业增加调用，平台拿到收入，调用量反过来又成了扩大产能的理由——钱就这样在政府、平台、企业之间转了一圈，闭合成一个环。只要这个环没有伸出一条支路，通向工资、社保、公共服务、可靠的降价或居民转移支付，所谓需求侧，就仍然只是供给侧在购买自己的产品。
这是我在整篇文章里最想说清楚的一个区分。我们并不是没有刺激需求，而是太习惯用扩张生产能力的方式刺激需求。过去的四万亿是这样，光伏是这样，轮到Token，把同样的习惯又延伸进了智能时代。
电影《攻壳机动队》
供给侧论述的局限
供给侧论述通常有一条很漂亮的直线：模型更强，Token更便宜，所以用得更多；用得更多，所以生产率提高；生产率提高，所以企业收入和利润增加，劳动者收入随之增加，钱就进入了需求侧。每一环单独看都可能成立，但这么多年的供给侧经验告诉我们，每两环之间都隔着部门利益、行业竞争和分配格局。
先说最直接的一层：Token不等于利润，它首先是一张不可控的帐单。到2026年中期，正是这张账单让很多美国企业望而却步。KPMG的季度调查显示，约一半的受访高管缩减了智能体部署，理由是成本超过收益。智能体和Harness把通用模型接进公司的数据、工具、权限、记忆和工作流，一次问答变成可以连续执行的任务。模型不再只是员工偶尔打开的聊天框，而可能成为一切任务的载体，至少表面上看很高效。⁵
但价值不能只用消耗量判断，从Token Maxxing（指2025年前后在大型科技公司普遍出现的做法：尽可能高强度使用AI，以员工的Token用量衡量其创新程度，把消耗量本身当作进步指标。由于AI定价随用量线性上升，该做法直接导致了2026年的账单反噬。）的热潮走到现在，"Token等于效率"这个神话基本上已经破了。没有多少人还在怀疑AI提高效率的能力，真正的问题是：大规模使用AI完成了什么任务，省下多少时间，增加多少收入，又产生了多少核验、返工、错误和合规成本？只把前三项写进统计，把后四项留给员工默默消化，企业拿到的就是一份漂亮但片面的评估。
于是有了一道最基本的阶梯：调用不等于任务完成，任务完成不等于收入增加，收入增加不等于利润改善，利润改善也不等于宏观生产率和社会福利同步上升。每上一级，都需要新的证据支撑。这不是专门为AI设置的门槛，任何一笔中间投入都得过同样的财务常识这一关。
即使一个AI项目确实提高了企业效率，事情也还没完。调用量、平台收入、企业利润和下游客户价值，是四件不同的事。从智谱2025年的年报看，API调用和收入都在高速增长：全年收入增长132%，MaaS平台的年度经常性收入在十二个月内提升60倍，同期经调整净亏损却仍扩大29%。
而且这不是靠降价换量，智谱在2026年一季度把API价格上调83%，调用量反而增长400%。⁶定价权、用量、收入三者齐升，利润依然没有跟上。这些数字不能证明模型业务没有价值，高增长企业当然可能以亏损换研发和市场，但它们能证明的是：我们不能拿一级指标冒充下一级结果。光伏走过同一段路，亏损并没有随着规模扩张收窄，反而越来越大：通威股份2024年净亏损70亿元，2025年预告亏损90亿至100亿元。⁷
再往后是分配问题。假如AI创造了100元增量价值，芯片公司、云、模型提供者、应用平台、使用企业、劳动者和消费者，都会来分这块蛋糕。从供给侧的逻辑看，这100元大概率大部分被链条上游的企业拿走。技术没有取消分配政治，只是把分配政治换了一身AI的外衣重新登场。
宏观结构让这个分配问题更明显。IMF估算2024年中国资本形成总额约占GDP的40%，⁸《求是》称同年居民消费率约39.9%。⁹ 两个数字口径不同，不能直接做精密比较，但指向同一个结构：投资规模极大，家庭部门占有的经济资源相对有限。这是关于中国经济的基本常识。
世界银行对2025年财政冲量的估计是GDP的1.6%，其中直接面向家庭的部分只有约0.5个百分点，其余主要是公共投资。该行同时指出，增长与就业的联系正在减弱。¹⁰ 这些现象不能归因于AI，但它们构成了AI进入中国经济时的初始条件。当企业普遍面临需求疲弱和价格竞争，最容易先拿AI去做的，不是发明一个新的消费世界，而是降低成本、减少招聘、加快供给、提高出口竞争力。
对单个企业，这非常理性；对所有企业加总起来，就可能变成一个典型的合成谬误：压低工资与青年就业，居民预期和消费更弱，价格竞争更激烈，企业于是更依赖自动化继续降本。我不打算就此断言AI的终局，但这个循环，在很多行业已经重复发生过。若生产率收益主要停留在固定资产、平台租金和上游企业利润上，微观层面的效率提升，就未必能转化成宏观层面的收入增长。
电影《摩登时代》
一千个亨利·福特，和缺席的那一半
在Token经济的讨论里，问题早已不只是消耗了多少Token，而是整套生产模式正在被重塑。在接受虎嗅的专访中，长江商学院教授孙天澍说：
中国这一轮AI更大的机会，不在复制新的消费互联网，而是在AI To B：智能体对千行百业的产业重构；每个垂直产业都可以借助AI拥有自己的「产业大脑」，每个企业都需要建立自己的「智能体系统」；完成这场转化，需要一批理解产业隐性知识、业务架构和组织变革且有AI原生思维的「亨利·福特」——他们不是给旧流程增加一个AI功能（+AI），而是第一性原理重新设计生产方式、商业模式与产业秩序（AI+），就如福特先生在100年前的电气时代，在底特律高地公园，设计围绕电力为中心的「流水线模式」那样，重构生产力与生产关系，开创了汽车工业「电力原生」新时代。
「亨利·福特」这个比喻有洞察，也有盲点。洞察在供给侧：把一个聊天框塞进旧流程，通常只能带来局部改善，企业真正要做的是重新设计任务、人机分工、数据权限、模型路由、验证标准和责任归属。这一点没有错。
盲点在于，流水线从来不只是效率技术的提升。福特博物馆的资料显示，1913到1914年的流水线试验把一辆Model T的组装时间从12.5小时压到93分钟。¹¹ 代价同时出现。据Raff与Summers对福特档案的整理，1913年海兰帕克厂的年离职率约370%，为维持平均13,623人的在岗规模，全年要雇5万余人次，日均缺勤率一成。福特因此把「九小时工作日、日薪2.34美元」的旧制度，改成「八小时工作日、日薪5美元」的新方案。¹²
这两位作者明确排除了劳动力短缺和吸引高技能工人两种解释——当时厂门口的求职长队已是底特律一景，而技术变迁的方向恰恰是去技能化。这和后来被浪漫化的「让工人买得起自己造的车」几乎没有关系，它首先是一家留不住人的工厂的自救。
但它的结果是实在的。离职率次年降到54%，1915年降到16%，缺勤率从一成降到2.5%；同期Model T的名义售价从1914年的550美元降到1916年的440美元，公司净利润仍在上升。 工人有了稳定的劳务关系和更高的收入，也有了住房和储蓄。只是这后半句需要一个补充：储蓄和住房不是自然溢出，而是领取资格的条件。五美元日只发给年满22岁、在职满六个月的男性，还须经福特「社会学部」约150名调查员入户核查生活习惯，酗酒、赌博、居所不洁、不定期储蓄都可能被取消资格；方案实施头六个月只有69%的劳动力合格。这是高强度流水线的伴生品，也是福特的需求侧那一面——但它是被设计、被附加条件、被监管出来的，不是从流水线里掉出来的。
政治经济学所说的宏观福特主义，因此是两件事。一件是标准化、任务拆解、去技能化、大规模生产和严格劳动纪律，它彻底改变了工业生产，也正是今天的Token供给侧想象所需要的。另一件不是企业家的善意，也不是一项加薪政策，而是一套大规模生产、相对稳定的工资、大众消费、福利制度和长期雇佣互相支撑的积累体制。¹³
Token论述很容易制造出第一个「福特」，它鼓励流程重构、成本下降、产能扩张、AI架构师和超级个体。但它还没有证明第二个「福特」会出现：生产率提高之后，工资会不会涨，工时会不会降，社保和公共服务会不会改善，家庭购买力接不接得住新增的供给。中国需要的也许不是一千个福特，而是福特主义缺席的那一半。
指出这个盲点的人其实就在同一场会议里。沃顿商学院教授Lynn Wu在孙天澍所在研究部主办的研讨会上，基于加拿大二十年的机器人采用数据指出：高技能和低技能岗位相对安全，受冲击最大的是中等技能劳动者；更长期的效应是从低技能通往高技能的晋升通道断裂，社会流动性也会因此重构。¹⁴
顺着这个问题回到中国经济。很多人把Token和它背后的AI经济看作房地产之后的新引擎，甚至是新的资本吸收器。这个推论有解释力，但必须克制。两者在制度形式上确实相似：土地、信贷和园区可以换成电力、算力券和国企云，平方米和投资额可以换成PFlops、Token量和API收入，地方招商竞争也可以从楼盘转向芯片、模型和算力项目。
但相似只到这里为止。房地产曾经吸收大量低技能和中等技能劳动，向后连着钢铁、水泥、家电、装修，向前连着土地财政、信贷和家庭的财富预期，它确实制造过就业、居民收入和财富效应。¹⁵ AI基础设施高度资本密集，AI本身又是劳动节约型技术，它可以吸收资本和电力，却不会自动产生相称的工资总额、本地就业和家庭需求。Token工厂可以扩大生产能力，但它造不出自己的购买者。¹⁶
电影《摩登时代》
从产量回到生活
Token的消耗量只能告诉我们这台经济机器转得多快，却不能告诉我们谁因此得到了工作、收入、时间和更好的生活。要判断Token经济，最后大概只需要问三个问题：Token的增长来自市场付费、公共补贴，还是组织内部循环？AI项目创造的是新增收入和新服务，还是主要用于减少人力、压低成本？生产率收益进入了家庭收入、公共服务和消费，还是停留在企业利润、平台租金和固定资产投资？
这三个问题现在都没有答案，140万亿更像一个巨大而明亮的数字，像一座夜里不停运转的工厂，我们看得见灯光、电表和流水线，却还不知道工厂外面的人买不买得起它生产的东西。
Token经济最大的风险，不是Token本身没有价值，而是真实的AI生产力再一次被装进一套只擅长扩张供给的制度。它会造出更多智能时代的福特、更多精密的流水线、更多可以被统计的产量。而福特主义的另一半不会从流水线里自动掉出来，它在历史上从来是劳动关系、财政承诺和政治压力一起谈出来的结果，不是产能扩张的副产品。
脚注及参考资料