5月17日，2026搜狐科技年度论坛在京盛大开幕。来自科学界、学术界和产业界的近三十位嘉宾共襄盛会，围绕基础科学和人工智能话题展开探讨思辨。
在上午的线上论坛中，上海期智研究院首席研究员、合壹OPC社区创始人李彪在以《Token如何重构未来的经济模式》为主题的演讲中分享了AI时代经济模式的转变。
他认为，Token不是AI经济的最终商品，而是智能劳动进入经济系统的最小账本单位。具体来看，未来AI经济将形成一条Token→Action→Workflow→Outcome→Contract的链条。
李彪认为，未来AI经济真正的重构，就在于这条链不断上移：谁越靠近客户的验收标准与责任边界，谁就越有机会拥有定价权。
同时，他预计，Token大概率会越来越便宜，越来越像水电一样，成为基础资源。底层的智能供给将会变成大宗商品，将重构未来经济系统中的成本、生产、组织和交易。
“AI的下一阶段，不是从人到Agent的简单替代，而是从工具经济走向结果经济。Token是这场迁移的起点，不是终点。”李彪表示。
以下为演讲全文：
大家好，我是上海期智研究院的研究员李彪，目前正在创业，探索AI Agent结果层交易的可能性。很高兴参加搜狐科技年度论坛。
今天我想和大家聊一个看起来很技术、但本质上关乎经济学的问题：Token如何重构未来的经济模式。
Token也叫词元，是AI处理语言、图像、代码等的基本计量单位。过去有一种东西很难被计量，即人的理解、判断和推理能力。
你很难把法务的审核能力拆成标准件来采购。但Token出现以后，这件事情第一次变成了可能。Token使得智能劳动可以被拆分、被调度、被结算。所以，Token不是AI经济的最终商品，而是智能劳动进入经济系统的最小账本单位。
它真正改变的，是知识劳动如何被计量为成本、被组织为生产、被签收为结果，并最终写入合同。在今天这个题目里，我最希望大家记住的词，不是Token，是“重构”。
过去几年大家讨论AI，最常问的是：模型还能不能更强？算力还要不要继续加？Agent能不能更像人？
这些问题当然重要，但大多是从供给侧出发。我想换一个角度问：市场最后到底会为哪一层买单？为Token？为模型能力？为Agent？还是为一个已经完成、可以验收、出了问题有人负责的结果？
这个问题之所以重要，是因为在很多技术周期里，真正改变产业格局的，往往是能力的结算方式。
电力刚出现时，人们惊叹的是电灯、电机和电梯；但电力经济真正成熟，靠的是电可以被计量、被输送、被定价。
云计算也一样。关键变化在于：算力开始可以按小时、按实例、按流量来买单。
今天的AI正在经历类似过程。它早已不是简单的模型调用价格，输入、输出、缓存、搜索、容器，都被拆成不同计费项。
信号很清楚：AI正在从“一个神奇的模型”，变成“一组可采购、可比价的智能资源账单”。一旦智能可以被计量，它就会变成成本；一旦变成成本，它就会进入预算、采购、合同和风控。这才是Token真正的经济意义。
我会把未来AI经济的结算对象，描绘成一条不断上移的链：Token→Action→Workflow→Outcome→Contract。
最底层是Token，是最小的认知账本单位。往上是Action：一次搜索、一次判断、一次工具调用。再往上是Workflow：多个Action串起来，形成一段业务流程。再往上是Outcome：一个可以被验收的结果。最顶层是Contract。它不只是交付结果，还要写清楚什么叫完成、如何计价、出了问题谁负责。
这条链之所以重要，是因为越底层越像资源，越上层越像服务，再往上就是合同。底层的价格锚是成本，上层的价格锚是价值。
我认为未来AI经济真正的重构，就在于这条链不断上移：谁越靠近客户的验收标准与责任边界，谁就越有机会拥有定价权。
先说第一层重构：成本结构。
过去企业购买知识劳动，无非三种方式：雇一个人，买一个软件，请一个服务商。AI出现之后，多了第四种：按使用了多少智能来付钱。
过去老板问的是：这件事需要几个人？做几天？多少钱？未来老板大概率不会直接问需要多少Token。但系统背后一定会把这些算清楚：Token消耗、检索次数、重试比例、人工兜底率。最终算出来的，是每完成一件的综合成本。
这听起来像技术账单，其实是知识劳动的成本锚在变化。过去，成本锚是工时、是编制。未来，一部分知识工作的成本锚会变成一个组合：AI用了多少，人兜底了多少。
拿合同审核举例。过去你会问：需要几个法务、看多久？现在你会开始算另一笔账：每份合同要多少上下文？调几次知识库？有多少比例要人工参与？一份合格的审核结果到底花多少钱？
Token带来的第一层变化，就是把一部分知识劳动从按人头计价，推向按完成件计价。成本被重新拆开，生产方式才会被重新设计。
那么，生产方式如何重构？光靠Token是不够的。企业还需要把自己的数据和流程规则喂进去，把AI接进真实的业务系统，搭好评测体系，定清楚责任边界。
斯坦福数字经济实验室主任Brynjolfsson把这个叫做生产率J曲线，通用技术早期看不到效果，是因为配套还没到位。很多企业接了API，但是体感没有变化，不是Token没用，而是围绕Token的配套还没搭完。
围绕Token重写生产流程，这是生产方式的重构。但，一旦这些配套到位，会带来一个更深的变化：很多原本只能在企业内部完成的知识劳动，可能不再需要留在内部了。
科斯问过一个经典问题：如果市场那么有效，为什么不是所有事情都外包？为什么还要有公司？
他的回答是：因为交易本身有成本。找供应商有成本，谈判、写合同、监督、验收、追责都有成本。当这些成本太高，企业就宁可自己雇人做。
AI正在改变这件事。Token让智能成本可计量，日志让过程可追踪，工具调用链让动作可回放，评测体系让质量可比较。这些能力叠加，会把一部分知识劳动的交易成本压下来。
结果就是：原来只能作为“岗位”存在的工作，未来可能变成一段可以被采购、可以被验收的结果服务。
所以AI对组织的影响，远比“替代多少人”更复杂。更准确地说，它会让企业重新划线：什么必须留在内部？什么可以交给市场？这是组织边界的重构。
整条链上最关键的一次跃迁，发生在从Workflow到Outcome：也就是从“我调用了多少能力”，转向“我完成了什么结果”。
美国一家叫Intercom的公司，他们的Fin AI Agent已经不按调用次数收费，而是按outcome定价，一场对话里，不管Agent做了多少动作，都只算一个outcome，例如解决用户问题、转人工、判定不匹配，0.99美元一个；有效意向客户筛选是9.99美元。
客服是边界相对清楚的场景，所以它率先出现。但它释放的信号更重要：在某些场景里，结果已经成为正式的结算对象。
但“按结果收费”说起来容易，做起来却很难。一个结果要成为经济对象，至少要跨过四道门槛。
第一道是验收。什么叫完成，什么叫失败？出了问题如何解决？这些说不清，结果就无法交易。这道门槛听起来简单，但很多企业内部其实也还没做到。
第二道是归因。这个结果，是AI带来的，还是本来就会发生？没有baseline，没有证据链，企业不会长期为一个“感觉有帮助”的工具支付结果溢价。
第三道是定价。从按Token付费到按结果付费，不会一步跳过去。它更像一个阶梯：从按资源、按动作、按流程，逐步走向按结果计费。
第四道是责任。AI到底是给建议，还是能执行？如果只是给建议，责任在用户，AI就是高级工具；如果它能承诺结果，不达标就重做或补救，就进入了结果交易；如果它在明确边界内还承担赔付，那才是真正意义上的结果合同。
但现实是，今天绝大多数AI产品都停在第一层，只给建议。敢走到第三层、第四层的，凤毛麟角。
所以我觉得，未来AI产品之间拉开差距的关键，在于敢承诺做到哪一层：谁敢承诺，承诺到什么程度，出了问题谁来兜底。这本身就是定价权。
底层智能的供给越来越可比价，越可比价越接近成本竞争。那么，谁会从这场重构里拿到新的定价权？我认为会转向两类角色。
第一类是上下文编译者。他们做的是把行业里真正值钱的东西，编译进一套可执行的系统。什么是真正值钱的东西？比如隐性的规则、流程之外的工作、判断的边界、特殊情况的处理。
很多行业最值钱的知识，不在公开文档里，而在老师傅的判断里、法务的红线里、客服主管的升级规则里、风控团队多年积累的经验里。这些过去叫经验、叫直觉。未来，谁能把它们变成系统的、可运行的东西，谁就有机会。
第二类是结果运营者。他们不卖静态工具，而是运营一段持续运行的Agent服务：有监控、有日志、有评测、有更新、有SLA、有人工兜底。客户只需要关心一件事：这段工作能不能稳定完成。
当然，围绕“结果市场”还需要一系列配套，比如：评测认证、审计合规、担保保险、纠纷处理。当AI从工具走向结果合同，责任就不能只停留在产品说明书的一句免责声明上。责任会成为商业模式的一部分。谁能管理风险，谁就能参与利润分配。
最后，回到本次的主题。Token如何重构未来经济模式？Token的重要性与它贵不贵其实关系不大。恰恰相反，它大概率会越来越便宜，越来越像水电一样，成为基础资源。但正因为它可以被计量、被拆分、被采购，它才让一部分知识劳动第一次进入更精细的经济系统。
它先重构成本，让知识劳动从按人头、按时间，走向按Token计价。再重构生产，逼着企业围绕上下文、工具、评测和责任，重写内部流程。
再重构组织，让一部分原本只能在企业内部完成的知识劳动，变成可以在市场上采购的结果。最后重构交易，让市场从购买工具，走向购买结果，再走向购买带责任边界的结果合同。
未来会变成大宗商品的，是底层的智能供给。但真正具备议价权的，是把智能嵌入具体场景之后，能被验收、能被追责的结果。
AI的下一阶段，不是从人到Agent的简单替代，而是从工具经济走向结果经济。Token是这场迁移的起点，不是终点。
