1. 系统解释AI时代*受关注的新经济变量，回应*前沿也*现实的产业议题2.提出;Token时代的价值与效率逻辑，帮助企业、投资人、政策制定者理解AI如何形成新的成本、利润与竞争优势3.帮助普通个体提前理解下一轮商业规则变化4. 腾讯研究院专家权威解读5.吴汉东（中南财经政法大学原校长、文澜资深教授） 杨斌（清华大学经济管理学院教授，清华大学可持续社会价值研究院院长）作推荐序；陈志武（香港大学香港人文社会研究所所长） 马化腾（腾讯公司董事会主席兼CEO）　吴晓波（财经作家、吴晓波频道主理人）　 施展（上海外国语大学全球文明史研究所教授）　联袂推荐！

要理解Al和AI经济，必须先理解Token。从能源、芯片、基础设施、大模型到上层应用，Token第一次为整条AI产业链提供了一个可以贯通上下游的计量单位，Token经济由此产生。蒲式耳计量粮食，桶计量石油，千瓦时计量电力，比特计量信息；与这些传统单位不同，Token计量的是智力服务的产出。过去依附于人脑的思考、判断与创造，开始由机器大规模生产，按需调用，并开始进入宏观经济核算。当智力可以被计量、被定价、被交易，人类社会的经济运行逻辑也将随之改变：企业的竞争优势将被重新定义，产业链的利润分配将被重新划分，个人能力的价值也将面临重新评估。未来*重要的商业机会出现在哪里？哪些行业会率先受益？谁又能获得新的财富红利？《Token经济》从本质、价值、成本、需求、竞争、商业和制度7个层面，系统回答了一系列决定AI经济走向的关键问题：为什么同样数量的Token，创造的价值可能相差上干倍？为什么单位价格不断下降，企业的AI总支出反而持续增长？当智能体成为新的调用者，市场需求、商业模式与产业竞争格局将发生怎样的变化？未来又将如何影响科技竞争走向、社会规则制定及个人发展？在一个智力服务走向规模化供给的时代，真正稀缺的将不再是技术，而是识别机会、组织智能，并将其转化为现实价值的能力。这不仅是AI发展的新阶段，也是未来10年价值创造与财富流动的新起点。

白惠天腾讯研究院高级研究员，清华大学经济管理学院博士后，北京大学光华管理学院经济学博士，华盛顿大学访问学者。曾就职于世界银行，从事中国经济增长动能研究。

袁晓辉腾讯研究院高级顾问，新可能实验室发起人，清华大学经济管理学院博士后，清华大学城市规划博士，世界经济论坛（WEF）AI治理联盟专家组成员。科技博主;晓辉博士。

司晓腾讯集团副总裁，腾讯研究院院长，法学博士，斯坦福大学访问学者，《互联网前沿》主编。兼任清华大学社会科学学院行业博士生导师、香港大学和香港中文大学特聘高级研究学者、中国法学会理事等社会职务。

推荐序一 当智力成为可被计量的客体 / 吴汉东推荐序二 洞察 Token 经济的;是与;势/ 杨斌序言 当智力有了价格 / 司晓

导言 理解 Token，才能理解 AI 经济第一章 本质：Token 到底是什么第二章 价值：Token 并非生而平等第三章 成本：一个 Token 要花多少钱才能造出来第四章 需求：为什么 Token 总是不够用第五章 竞争：Token 效率正在改写产业格局第六章 商业：从卖 Token 到卖智力服务第七章 制度：Token 经济需要怎样的规则重建结语 Token 经济的终点，依然是人

致谢注释

马化腾 腾讯公司董事会主席兼CEO我一直觉得，技术的价值在于创新，更在于它*终被多少普通人用上。Token也一样能不能有更多组织和个人用得上、用得起、用得放心，是AI普惠绕不开的一道题。这本书没有停留在概念上，而是认真回答了一个更重要的问题：AI该怎么服务到更多人和更长远的文明。值得一读。

陈志武 香港大学香港人文社会研究所所长如果你想搞懂AI经济，就得从《Token经济》开始。未来，Token会将经济带向何方?发展机会在哪里?这些问题对投资者、创业者和政策研究者都很重要。这本书是难得的底层逻辑读物。

施展 上海外国语大学全球文明史研究所教授《Token经济》抓住了AI时代*底层的变化。理解Token，不只是理解大模型，更是理解下一轮秩序如何生成。

吴汉东 中南财经政法大学原校长、文澜资深教授书中所论虽落笔于经济，所触却是更深一层的命题人类如何理解、安顿与界定lsquo;智力这一独特的客体。三位作者长期共事于腾讯研究院，既能立足产业一线观察前沿变化，又能保持社会科学应有的克制与审慎。

吴晓波 财经作家，吴晓波频道主理人这本书不仅在讨论;AI能做什么，更是在追问;AI应该为谁做什么。人类发明了计量单位，却不能臣服于计量单位，后者*终要服务于人、社会和新的产业文明的诞生。

杨斌 清华大学经济管理学院教授，清华大学可持续社会价值研究院院长《Token经济》是给决策者的扫盲书。它从Token是什么一路讲到跨境服务的规则真空，把一件正在发生的大事，讲到了政策制定者听得进、公司经营者用得上、地方掌舵者看得懂的程度。

?????????????????????????????????????????????????

导言理解 Token，才能理解 AI 经济

经济学家有一种识别产业革命的朴素方法：看计量单位。我们回顾历次重大的经济变革，会发现一个不起眼但至关重要的变化反复出现一种新的计量单位的诞生。计量单位定义了什么东西可以被交易、被定价、被纳入经济体系。一旦某种模糊的产出被标准化度量，围绕它的定价、交易、竞争和制度就会自然浮现。

每一次经济秩序的改写，都伴随一个新的计量单位农业社会有蒲式耳。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。蒲式耳的出现不只是让交易更方便，还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。铁路运输降低了跨区域交易成本，但正是标准化的蒲式耳使期货交易成为可能。没有蒲式耳，即使铁路通了，你也无法为一批没有亲眼见过的小麦定价。蒲式耳让农业产出第一次变成了可以远程交易的标准商品。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。内燃机和汽车工业创造了石油的巨量需求，但;桶作为标准化计量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。石油经济的驱动力是内燃机，而让石油市场可以全球化运转的基础设施之一则是;桶。电气化时代有千瓦时。1889 年，英国工程师首次提出;千瓦时（kWh）概念；1948 年，国际电工委员会（IEC）正式承认;度为千瓦时的俗称，允许非官方使用；此后千瓦时逐渐成为全球通用的电力交易单位。电力在发电厂和千家万户之间流动，但只有当它有了标准的计量方式，电网调度、电力交易市场、工业能耗管理才成为可能。可以说，千瓦时让电力的生产和消费第一次有了可计价的成本尺度。信息社会有比特。香农在 1948 年的论文《通信的数学理论》中通过定义信息熵的数学框架，使;比特成为信息的度量单位，让信息从一个抽象的哲学概念变成了可以精确测量、传输和存储的客观存在。在有比特之前，信息量是一种模糊的直觉；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。比特让信息的存储、传输和交易有了统一的度量基础。这 4 个计量单位有一个共同点：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。比特看起来脱离了物理世界，但它归根到底计量的是信号的编码长度，衡量的仍然是有多少。一个比特存了什么内容，这段内容有没有用，都不在比特概念的范畴里。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这改变了一切。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。Token 正是这套交易结构的计量单位，它计量的是智力服务的产出，但它本身并不是智力。打一个工业时代的比方，Token 之于智力服务，有点像原材料和能源之于工业生产原材料的质量和数量、能源的质量和数量，就类似于 Token 的质量和数量。换一种说法，一部分认知劳动第一次从具体人脑、岗位和工时中被拆出来，变成可以连续调用、计量、计费和组合的服务。Token 计量的是机器智力服务的产出，但它本身并不是智力。如果一定要打一个工业时代的比方，它不太像交通运输，更像工业化生产本身。交通运输解决的是;把已有东西运到哪里，而大模型解决的是;把输入加工成什么判断、方案和结果。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。工业生产离不开原材料、能源和工艺：原材料的质量和数量、能源的质量和数量、工艺的成熟程度，会共同决定产品能否稳定生产。机器智力生产也类似：数据、上下文、提示词、工具说明和企业知识库构成输入材料，电力、芯片和推理时间提供能源，模型架构、路由、缓存和工作流编排则构成工艺。Token 的质量和数量，正是观察这条认知生产线的一套新仪表。但;按量购买智力服务与按量购买石油有一个根本不同。石油、小麦、电力的价值主要由生产端决定。一蒲式耳小麦的品质在收割时就已确定，一桶原油的品级在出井时就可测量。Token则恰恰相反，它的价值完全由使用场景决定。用同一个模型审阅一份价值百万美元的并购合同，与用它闲聊天气消耗的 Token 数量可能相当，创造的经济价值却是天壤之别。而且这个差异只能在调用完成之后才知道，事前无法标注、无法分级。更特别的是，Token 在不同用途之间切换的边际成本接近零。同一个模型、同一个 API，换一条指令就能从闲聊切换到合同审查。这就形成了 Token 一个很突出的特点：生产端可以被统一计量，消费端交付的却是高度非标准的智力成果，两者彻底脱钩。传统经济学供需分析的一个前提假设是生产端特征与消费端价值是耦合的，这个假设在 Token 时代不再成立。后面的章节会展开论证这一点。

一个已经运转起来的经济体Token 经济已经真实存在，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。全 球 头 部 人 工 智 能 公 司 OpenAI 在 2026 年 3 月 披 露， 其API 处理速率已达每分钟 150 亿 Token。要知道这个数字只是API 端口的统计，还不包括 ChatGPT 消费者端产品的消耗。而不到半年前的 2025 年 10 月，OpenAI 在开发者日上公布的数字还是每分钟 60 亿 Token。从 60 亿到 150 亿，5 个月增长了 1.5 倍。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。在全球范围内，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 1 000 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 1 000 倍。从全球看，IDC（国际数据公司）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 3 180 亿美元，比2024 年的 1 530 亿美元翻了 1 倍有余。Token 正在变成一种新型生产要素，不是未来时，而是进行时。2026 年 3 月在英伟达 GTC（GPU技术大会）大会后的一次访谈中，黄仁勋说了一句话：;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。他甚至还说：;如果顶尖工程师说lsquo;我打算只用纸和笔工作rsquo;，那么这跟芯片设计师拒绝用 EDA（电子设计自动化）工具一样荒谬。这里的要点不在于具体金额，因为 Token 价格持续下降，数字会很快过时，而是在于它折射出一种正在形成的衡量标准：Token 消耗量正在成为衡量知识工作者生产力的一个新维度，就像上一代人用带宽和云服务的规格来衡量一家公司的数字化程度一样。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。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。关于这个悖论的底层机制，后面的章节会展开讨论。

Token 经济让我们困惑的地方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（首席执行官）要求你从零搭建企业 AI 采购体系。你很快会发现，MBA（工商管理硕士）课程教过的供应商评估、成本分析、采购谈判那一套，在 Token 市场上往往面临巨大挑战。就供给侧来说，全球有数十家模型提供商，它们的成本结构完全不同。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 5 000 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哪个部门、什么时候、会产生多大的消耗量。传统采购可以汇总一个相对稳定的年度需求计划，而 Token 的需求天然是碎片化、波动剧烈且不断膨胀的。在定价方面，*简化的竞争模型会说，在充分竞争、产品同质且企业可自由进入退出的条件下，价格会受到边际成本和长期平均成本的约束。但 Token 市场很难满足这些前提：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。*让人困惑的是价值评估。同样 1 000 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（首席财务官）偏偏要你给出一个;企业 Token ROI。把这些困惑归拢一下，我们发现 Token 同时在好几个维度上偏离了传统经济分析中那些*常用的简化前提，而且这些偏离恰好在同一时期发生，并相互放大。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，*终价值却要在具体任务中才显现出来。这不是经济学从未见过的问题，却把;同质计量和;异质价值之间的张力推到了极端。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。两套速率完全不同的时钟在同时运转。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。现有的贸易和监管框架也常常难以归类。一次 Token 消耗同时包含算力输出、数据处理和智力生成，现有框架通常分别处理这些问题，但 Token 把三者压缩进同一次服务交付。这些问题各有成因，但它们的组合效应远大于各部分之和。单位价格下降和能力提升加速了 Agent 进入工作流，Agent 的持续执行放大了需求，需求爆发暴露了物理供给瓶颈，供给瓶颈又反过来改变价格、模型选择和应用门槛。经济学曾经解释过电力、半导体、互联网等通用技术扩散中的价格、投资和竞争问题。每一次新技术出现，既有框架都会遇到边界，随后也会发展出新的分析工具。这一次也不会例外，但需要调整的幅度可能更大。电力让能源可以远距离交易，半导体重塑了计算成本，互联网改变了信息分发；这些变化都深刻，但它们通常没有把;同一计量单位下高度异质的智力成果;系统作为连续调用主体;算法效率与物理基建两套时钟同时叠加在一起。Token 把这些变化压到了同一个市场里。这不意味着传统经济学错了，供需平衡、边际分析、交易成本理论在各自适用的范围内依然成立。但如果不先检查它们依赖的前提条件，直接把这些工具搬过来，就容易误判 Token 经济的运行方式。当分析对象从物质商品变成了机器处理智力任务的产出，曾经稳健的前提假设不再自动成立，建立在这些假设之上的工具就需要重新校准。这本书尝试做的，就是这个校准工作。

这本书尝试回答什么这本书分为 7 章，每一章围绕一个被 Token 经济重新打开的问题展开讨论。第一章从*基础的问题开始：Token 到底是什么？我们从技术底层解释 Token 的生产机制，讨论它作为一种智力即服务的计量单位，为什么同时连接底层算力消耗和上层智力产出。第二章讨论价值：为什么同样的 Token 能产生 100 倍甚至更大的价值差异？我们尝试建立一个分析 Token 价值的框架，解释这种极端不均匀的价值分布从何而来。第三章讨论成本：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？第四章讨论需求：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，需求约束、消耗量级和组织转化能力会发生什么变化？第五章讨论竞争：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？为什么芯片层、模型层和应用层的利润不是固定分布，而会随着稀缺性、切换成本和工作流嵌入 程度变化？第六章讨论商业：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？企业又如何把 Token 账单转化为可治理的智能预算？第七章讨论制度：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？中国又如何在接口标准、资源供给、跨境服务和本土制度建设中参与规则形成？7 章合在一起，我们想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？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，但有一个判断我们很有信心：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。