Token三次改名背后，藏着 AI 经济的草蛇灰线

杜晓宇腾讯研究院副院长

当前，以大语言模型、智能体为代表的人工智能技术加速迭代，词元（Token）作为智能服务的计量与结算单位，正在重塑价值创造、产业组织与社会运转的底层逻辑，催生全新的词元经济形态。

2026年10月21日，由腾讯研究院和金融科技50人论坛联合学术支持的“词元经济理论、实践与政策研究”成果——《一本书读懂词元经济》在2026金融街论坛年会金融街之声——“金融街发布”相关活动上正式发布，为理解词元经济底层逻辑，前瞻布局AI商业新增量，提供了重要的参考。

以下为本书序言：

2003年大学毕业后，我便进入人民银行系统工作，先后在条法、支付结算岗位工作，后面又来到了腾讯研究院，很有意思的是，我的几段工作经历，竟一直和Token这个词结缘。

从事支付结算业务时关注的Token，我们习惯叫它“令牌”，即将银行卡号等支付交易信息替换、让真实信息不在交易链路里裸奔，付款更安全些。后来我在中国支付清算协会工作，算是国内最早从事金融科技领域的自律管理工作，其中很重要的一块是研究区块链产业。在那里，Token换了个中文名字，叫“通证”，一时间“通证经济学”的说法很热，大家争来争，争它到底算不算一种新的价值载体，是不是新的互联网3.0方式。现在我在腾讯研究，花心思最多的，还是研究Token，它现在的中文叫“词元”，是大语言模型里最小的内容载体，但我更加关注的是由此演进出的词元经济。

Token同一个词，二十多年里换了三次身份：令牌、通证、词元。每一次，它都踩在一轮技术浪潮的节点上。词元经济这一回，我几乎是本能地被它吸引，这不只是工作上的延续，更像和一个老熟人又一次重逢。恰好杨涛老师是国内最著名的支付和金融科技领域的专家之一，对Token每一个含义所对应的行业都有深入研究。我们商量了一下，决定就Token的最新含义词元，共同组织编写一本从行业发展视角解读的新书。

借这篇序言，我想把这段时间自己的一些思考，和各位读者交流，也请大家批评指正。

什么是词元经济

先从一件看起来是小事、其实不小的事说起：名字。Token翻成中文，既可以是“令牌”，也可以是“通证”，但放到大模型的语境里显然不合适，于是我们对它的翻译有分词、词元、智元这几种。我在几次发言里都建议，统一为“词元”是个很好的翻译，信、达、雅都具备，也避免了翻译中一些需要规避的地方。而词元经济中的“词元”，我们更没必要再给其安一个玄乎的新含义，它还是大模型处理信息的最小单位。所谓词元经济，是以这个最小单位为计量基础，把围绕词元的生成、流通、交易和应用串起来的一整套智力服务新业态。

有人会问，今天大模型用词元数量计价，往后会不会换成别的指标？很可能会。以后不用词元计价，或者减少了词元消耗，但这都不影响我们将之称为词元经济。银发经济说的不是白发，冰雪经济说的不是冰天雪地，词元经济所代表的，也不是Token这串字符本身，而是它背后正在长出来的那条产业链。

我越想越觉得，词元真正的份量，在于它让“智力”第一次有了标准化的计量单位。在这之前，智力服务的价钱总是和人绑在一起：咨询按人天报价，律师按小时核算，翻译按千字收费。算的都是“谁干了多久”，不是“交付了多少脑力成果”。智力没法从具体的人身上剥离出来，自然也没法标准化地定价和交易。词元改变了这件事。一次法律咨询的来回，可以用词元数量计量出来，智力服务从此有了类似电力行业“千瓦时”那样的标尺。

当然，词元和千瓦时不一样。电是同质的，一度就是一度；而不同模型、不同任务产出的词元，智能密度差得远。所以词元作为计量单位是成立的，作为价值尺度，还得再乘上一个质量系数。

围绕词元经济，眼下还有不少问题需要进一步厘清：它和已经耳熟能详的数字经济、数据要素到底是什么关系？它的产业边界划到哪里、统计口径怎么定？计量该用哪一把尺子？商业模式靠什么走通？这些问题都不是一句话能讲完的。这本书的不少章节，就是想把这些问题一条一条摊开来讲清楚。

词元经济因Agent而兴

要理解词元经济为什么是这几年才“火”起来的，得回到Agent这个词。

过去两年，大家比的是谁的模型参数大、能力强。进入2026年，风向在变。主流模型之间的差距在收窄，竞争的重心从“谁的模型更”挪到了“谁能把模型用好”。模型本身只是发动机，真正让产业起来的，是Agent——它把模型嵌进具体的业务流程，分解任务、调用工具、串起一整套工作流，词元的消耗才从对话问答的小尺度，跳到了驱动业务的大尺度。

所以发展词元经济，底层的电力、芯片、数据中心当然要抓。但仅仅抓这一头还不够。如果只把钱砸在算力，而消耗端还停留在让大模型陪人聊天、替人写文案，那词元的增长就只是简单的内容替代——AI写的文案替了文案策划的活，AI画的图替了设计师的活，AI做的PPT替了职场文员的活。如果智力成果被大批量地供给出来，而可承接智力的真实业务并没有同步增长，结果就是智力的产能过剩，甚至往往是低水平的智力产能过剩。

真正能撑起词元经济的增量，得来自Agent对千行百业的带动。金融、医疗、法律、制造、政务、教育、跨境贸易，每一个行业里都有大量原本受高昂人力成本、专业门槛太陡而成本高企或者效率低下的业务，现在因为Agent能以可承受的成本介入，开始变得可落地推进。这才是有效需求的释放，是经济动能的真正增量。

这件事说起来容易，做起来难，门槛主要在工程上。我自己印象很深的一组数字：同一个模型，一字没改，只换了外面的工程框架，编程任务的成功率就能从42%跳到78%。模型是发动机，可决定它能跑多远的，是变速箱、是底盘、是会不会开车的人。Agent要真正在一个行业里跑通，背后是大量的数据治理、流程改造、知识沉淀和权限设计，这些工作虽不光鲜，但绕不过去。

举一个我反复琢磨的例子。数据交易这件事讲了很多年，一直被两个难题卡住：原始数据一旦出库，权属和安全都难以管控；可不出库，又卖不动。换个思路，把数据先做分层处理，再训练成垂直Agent，对外开放的不是数据本身，而是模型和Agent的能力——按调用计费、按场景结算。数据“可用不可见、可用不可取”，交易反而走通了。这个例子小，但它说明Agent是把过去许多“卡住”的环节重新盘活的关键。

回过头来看，词元经济今天走到哪一步了？我的判断是，还很早。今天这一波热闹，本质是“Agent+”，路子和当年的“互联网+”很像，大概也要走三个阶段。一是“拿着锤子找钉子”，技术先铺开、到处试场景。二是把体验做到极致，每次大模型迭代、每次Agent升，都把很多应用变成内化的组件，最后大概会出现一个AI领域的Oﬃce，使AI可以被非常便捷、标准化地使用，使用AI越来越不需要复杂的准备工作。三是Agent也许能完全替你思考，自我迭代、自己干活，帮你去找其他的Agent干活，考验的是Agent对用户的理解能力和自进化能力，而非用户的提示词。当然我们现在可能还处于最开始的阶段，未来任重道远。

这本书有大段篇幅，正是讲词元经济在不同行业里落地的样貌——制造、医疗、跨境、金融，每一章都想回答一个朴素的问题：在这个行业里，词元到底怎么从一个技术名词，变成可以撬动业务的杠杆。

词元经济需要高质量的词元

词元本身作为内容单独看，无所谓好坏，所谓词元服务质量，其实是模型能力、应用服务、场景兑现三层的综合表现。再说定价。现在主流是“按词元数量计费，或者按订阅打包”，两条路都有结构性的毛病。按数量计费，算的是成本不是价值——同样的一百万词元，拿去闲聊值不到一美元，拿去做法律审阅可能值上千美元，能差出上千倍，可用户付的是同一档单价。订阅打包更麻烦，低价订阅碰上重度用户，越用越亏。互联网那套“免费加广告”的老办法搬过来并不适合：社交、搜索服务每增加一个用户，几乎不增加成本，大模型却是每一次推理都在真金白银地烧算力，规模越大，亏得越多。

国际上已经有人在试新路子，比如按解决的工单收费、按完成的合同收费，把计价标准从供给侧的用了多少”转向需求侧的“做成了什么”。中国市场的难处还要更深一层：我们的C端用户习惯免费，而B端习惯了打价格战，主流模型的API标价只有美国同类的一到两成甚至更低。中国厂商一边要扛同等量级的研发投入，一边要在低得多的回报水位上参与竞争，盈利空间被两头挤。这不是单个企业扛得动的，我想，可能需要政策引导市场回归价值定价。

衡量词元经济的成色，我也建议换一把尺子：别只数它消耗了多少词元，更要看每一单位词元产出了多少经济价值。就像看一个国家的电气化水平，不能只看发了多少度电，还得看每度电创造了多少GDP。

词元经济是人和AI协作共赢

讲到最后，我想回到一个更根本的问题：词元经济兴起以后，人怎么办？

流行的一种说法是“会用AI的人不会被淘汰，不会用的才会”。这话我不太认同。冲击该分两层看。一层是岗位。你被替代，其实不是因为你不会用AI，而是因为你干的活不如AI干得好、干得便宜，但是这样的场景很少，往往是一些成本原因的裁员被包装成了高大上的AI裁员叙事。另一层是行业。有些行当会整个消失，这时会不会用AI都留不住你，唯一的出路是带着原来的本事，转身加入被AI重塑过的新行业。等哪天AI工具普及得像Word一样，会不会用AI，这道槛儿本身也就不存在了。

那真正的出路是什么？我自己琢磨了一个公式，描述AI时代人和AI的关系：

第一项，人的AI次方，讲的是输入端。AI以指数级放大人的认知边界，一个人借助AI能接触到的信息、能调度的工具，能快速掌握的能力比过去高出几个数量级。

第二项，人乘以AI，讲的是补短板，利用AI做你过去不敢做的事情。一个不会写代码的人，可以借助AI写出能跑的程序；一个不懂法律的人，可以借助AI看懂一份合同。AI补齐人的短板，让人能做以前做不到的事，但是如果你对相关知识一点都不了解，人的数值是0，这个算式其实是无意义的，在完全不懂的领域，我认为不可能靠AI做出真正有价值的内容，往往产生“数字泔水”。

第三项，人加AI，讲的是强强联手。在人本来就擅长的领域，AI是一把放大器，让人把擅长的事做得更深，而在AI技术水平相当的情况下，人才是根本，特别是在你擅长的优势领域，AI并不能让你的能力成倍增长，比如你擅长做PPT，AI能帮你更快处理，但是并不一定比你做得漂亮；汪曾祺先生讲写文章要有文气，如果你擅长写文章，肯定看不上完全用AI生成的内容，会觉得文字平平，但是改起来却很麻烦。

三项加起来，才是词元经济里人的位置，人不是被替代，也不是简单地会用AI工具，而是借着AI把自己的认知、能力、判断推到更远的地方。

回到这本书。从认知到原理，从场景到基建，再到个人、企业、国家各自该怎么应对，各章作者都下了真功夫。他们大多是各自领域里的行家，为了把专业的东西讲得让普通人也能看懂，反复打磨，删改了一稿又一稿。这份用心，令我十分敬佩，也感谢全书各位作者、编辑老师的付出。

词元经济还在很早的阶段，但已经乘风而起。书里不少判断，过几年回头看，对的会有，错的恐怕也不少。但能把当下想清楚的那部分先记下来，和读者交流，本身就是一件非常有意义的事情。

不当之处，欢迎批评指正。

是为序。