来源：环球时报

词元（Token），正在成为人工智能（AI）领域的一个新热词。作为大模型处理语言时使用的基本单位，它是观察AI模型调用、产业嵌入、应用转化等的一项重要指标。据统计，中国词元的调用量在多个全球排名中位居前列，与美国并驾齐驱，标志着中美AI发展态势的深刻变化。同时，词元也为衡量AI产业运行方式、利益分配结构和国际竞争格局提供了一把新尺子，至少承载着三重含义。

“词元经济”蕴含不同盈利逻辑

从产业经济学角度看，词元的出现标志着AI大模型被定型为一种可计量、可定价的服务形态，与传统互联网经济形成显著差异。以往，传统软件产业主要是围绕产品授权和订阅收费展开，用户购买的是一个相对完整的软件工具。互联网平台主要通过广告、会员和流量分发实现价值回收。云计算则以算力、存储和带宽为核心形成资源收费逻辑。与之相对，AI时代企业市场出售的已不只是一个固定功能的软件产品或底层资源本身，而是一次次被调用、被处理、被生成的智能服务过程。在这个意义上，词元成为测算AI模型服务的最小结算单位。

在此过程中涌现的“词元经济”，则意味着AI产业将产生与以往不同的盈利逻辑。它并非围绕一次性交付或固定周期收费形成现金流，而是依靠持续调用和迭代实现反复购买。就此而言，AI模型对企业的渗透率越高、赋能效果越好，就越能够获取更多付费和资本支持。因此，“词元经济”不是传统意义上的“卖产品”，而是一种更接近于“卖吞吐量”的商业模式。

与此相对应，AI产业竞争的重心也将发生变化。早期，该领域竞争更多聚焦于模型训练能力、参数规模和基准测试成绩。而在今天，模型性能固然重要，但真正决定商业化深度和扩展速度的，是推理成本、系统效率、调用调度和场景适配能力等更加重要的基准。AI竞争焦点正在由“谁首先训练出更强模型”，逐步转向“谁能够以更低成本、更稳定质量和更大规模供给高价值词元”。这意味着，低门槛、娱乐化的大模型调用固然能够带来流量，但未必可以形成长期竞争力；而能进入办公、制造、科研以及智能体协同的AI模型则具有更大价值，能够形成更为稳固的生态绑定。这种新模式也将改变企业应用AI的方向。相比搭建更多应用场景，企业尽快通过AI赋能和提效，才能覆盖词元调用的成本。

赋予国际AI竞赛新的意涵

从政治经济学角度看，词元揭示出AI如何重构利益分配和权力结构。词元并非一个孤立的技术刻度，它背后连接着芯片、服务器、数据中心、云平台、模型厂商、应用开发者以及终端用户等多个环节。

词元的生产、调用和收费依附于一整套基础设施和平台体系。从分配结构看，词元所对应的是一种分层的价值链条。处于最上游的是芯片、数据中心、电力系统和云基础设施，它们提供词元生产所必需的物理条件；中间层是AI大模型企业，它们拥有模型能力、接口控制权和词元的定价权；再往下才是基于模型做行业应用和终端服务的企业。终端用户虽然是词元的主要买家，却在整个链条中缺乏主动权。真正厚实的利润通常更容易向基础设施、AI模型企业和投资机构集中。在这种分配模式下，AI不再是轻资产的创业赛道，而是越来越变成资本密集型、能源密集型、基础设施密集型模式。

在国家层面上，这种变化将使国家愈发重视“全产业链”“全栈式”AI发展。一个国家如果想在AI时代保住更高附加值，就不能只发展应用层企业，还必须同步建设芯片、云、数据中心、电力配套和基础模型能力。如果一个国家缺芯片、缺云平台、缺电力和数据中心，即使它有很多AI用户和应用公司，可能也只能“进口词元”，很难把收益、数据和生态控制权留在本国。盈利向上游集中会倒逼国家把AI领域政策重点更多放到基础设施、供应链安全和平台能力建设上。

从国际政治角度看，词元给国家之间AI竞赛带来了新的意涵，其中既有机会也有风险。机会在于，如果一个国家本来就在芯片、云、数据中心和基础模型等方面拥有充足积累，那么AI浪潮就会放大这些优势，带动上游制造、能源、工业配套一同增长。国际咨询机构麦肯锡认为，AI数据中心扩张将触发大规模工业投资，给发达国家工业化带来新的上升空间。风险在于，如果真正高附加值和关键控制力沉淀在国外云、国外芯片、国外基础模型平台上，那么即便下游再活跃，也容易变成“替别人做市场”。

未来一段时期，AI领域的国家间竞争可能围绕两个维度展开。一方面，“词元经济”可能催生新的数字经济壁垒。在算力、平台层面，词元将强化AI领域的“先发优势”，让资源向规模、稳定、高效、低成本的AI平台聚集。少数领先企业的优势或将进一步扩大，形成“马太效应”。领先国家将越发重视国家安全和出口管制，希望保持长期优势，落后国家则可能在经济安全忧虑下倾向于采取本土保护措施。另一方面，标准与合规也将成为新的制度性障碍。随着主要经济体逐步强化AI安全评估、版权责任和跨境准入规则，AI企业将面临更复杂的外部市场环境。

词元所映照的国际竞争，不再只是狭义上的技术竞赛，而是围绕算力、平台、规则、生态等展开的复合性竞争。未来决定一国AI领域国际位置的，不只是其是否拥有强模型，还包括其模型能否穿越规则边界进入国际市场，能否依托本国基础设施持续供给，能否在全球产业体系中形成稳定的调用份额。一国如果能够尽快将词元转化为“产业能力”和“规则能力”，就更有可能在下一阶段国际竞争中占据主动。

凸显长期主义思维的重要性

对于中国AI而言，过去几年最重要的变化之一，正是从“有模型”逐步走向“有体系”。开源生态的迅速扩展和算力底座的持续增强，让中国AI逐步具备将词元转化为产业能力的现实条件。但同时，我们仍需要意识到，中国AI大模型近一阶段国际影响力的提升，很大程度上与开源生态的快速扩散能力有关。相比闭源平台，开源平台在词元的利润率、模型控制能力、生态绑定能力上仍有缺陷，商业模式尚未得到充分验证。从20世纪80年代以来信息产业发展的历史进程看，开源系统往往在产业发展早期占据优势，但后期可能会被系统整合更强、服务更稳定、商业化路径更清晰的闭源系统取代。因此，两条路线的竞争短期内还将胶着。

从AI发展的现实需要出发，中国应坚持长期主义思维。其一，将AI产业发展、国家能力和国际竞争三个层面统筹把握。需要避免将词元简单理解为一个可脱离产业基础而单独追求的数字指标，在重视词元总量的同时，也要关注本国算力体系、模型体系和产业体系能否持续支撑高价值AI服务。

其二，统筹考虑基础设施、AI产业、数字主权以及生态开放合作。对于算力、云平台、模型发展等采取不同的指标进行衡量和监测，避免用词元作为单一衡量标准。词元的增长需要建立在高价值场景和真实产业需求之上，推动其从演示型流量转化为生产型流量。自主可控也需被置于比短期调用增长更高的位置，避免形成表面繁荣而底层受制的局面。继续利用开放生态提升国际影响力和开发者基础，在合作中扩大中国模型、中国平台和中国技术框架的外溢能力。

在支持开源路线的同时，我国也需将发展高端闭源能力支撑关键行业、专业服务和安全敏感场景放在重要位置，形成更高附加值的AI产业生态。

在国际层面，我国应持续支持AI技术与产业的包容性发展，带动广大全球南方国家和AI产业发展起步较慢的国家赶上时代步伐，积极提供有助于AI研发的“国际公共产品”，使更多国家从全球智能经济革命中获益，真正实现智能红利共享。（作者是中国现代国际关系研究院美国所副所长、研究员）