以词元为锚点 推动智能经济高质量发展
【学思践悟】
当前，以大模型、智能体为代表的生成式人工智能加速迭代，词元（Token）正在从技术计量单位演进为连接技术供给与商业需求的“结算单位”和智能经济时代的“价值锚点”，催生出极具增长潜力的词元经济新业态。习近平总书记指出，“要培育具有重大引领带动作用的人工智能企业和产业，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态”，为推动智能经济发展提供重要遵循。准确把握词元的计量、配置和治理功能，有助于推动人工智能技术优势更好转化为生产效率、创新动能和发展优势。
夯实智能经济可计量运行基础
智能经济快速发展，对模型调用和资源消耗的计量提出了新的要求。词元为衡量模型使用提供相对统一的计量尺度，使智能服务的成本核算、价格形成和绩效评价具有更清晰的信息基础，为市场化运行提供重要支撑。
一是夯实计量基础，提升智能经济可观测性。随着人工智能由技术研发加快走向规模化应用，模型调用、智能生成和场景应用日益成为智能经济运行的重要形态。传统流量指标主要刻画用户访问、信息传输和平台连接强度，难以反映模型推理复杂度、算力消耗和任务完成情况，也难以满足智能服务成本核算和绩效评估需要。词元贯穿模型输入、推理和输出环节，能够将部分难以直接观察的模型活动转化为可记录、可核算的数量信息，为衡量服务使用规模和资源消耗提供相对统一的计量尺度。
二是完善价格形成机制，提升智能服务供需匹配效率。大模型服务的交易对象是特定场景下由模型调用形成的服务产出。用户需求、模型能力和算力成本存在显著差异，价格形成需要以可识别的数量和成本信息为基础。词元计量为平台核算资源消耗、企业评估调用成本和用户比较服务价格提供基础依据。模型服务价值并不由词元消耗单独决定，还取决于任务完成度、模型质量和服务稳定性。应将词元计量与任务完成度、模型质量和场景价值结合起来，形成更具可比性的成本效能评价，使价格信号充分反映资源成本、服务质量和供需关系。
三是健全绩效评价，提高智能经济运行治理效能。智能经济发展的成效最终体现为效率提升、成本节约和质量改善等实际产出。词元本身不等同于经济价值，但可以为评估技术投入及其经济效果提供基础信息。将词元调用与任务产出、成本变化、服务质量等指标结合，有助于识别人工智能应用的实际成效。在企业层面，可以加强智能化投入预算和成本管理；在宏观层面，可以为智能服务统计监测和政策评估提供微观依据。通过建立投入强度、成本变化与产出效能相结合的绩效评价体系，有助于推动智能经济由重调用规模向重应用效能转变。
拓展智能经济效率跃升空间
人工智能由技术能力转化为现实生产力，关键在于嵌入生产过程、改善资源配置并实现产业扩散。词元提高模型投入和使用成本的可识别性，为比较投入产出、优化生产组织和配置算力资源提供信息依据，推动人工智能应用提质增效。
一是重塑生产过程，拓展全要素生产率提升空间。生成式人工智能通过模型调用参与知识加工、内容生成和决策辅助，使自然语言需求能够转化为设计方案、程序代码、经营分析和客户服务。与主要承担信息传递和流程自动化功能的传统数字工具相比，大模型能够更深入地参与知识密集型任务，改变劳动、技术和组织的组合方式。生产率提高并非词元调用数量增长的直接结果，而更多取决于模型能力与劳动者技能、专业知识和业务流程的有效结合。词元计量能够为识别模型投入、核算使用成本和优化人机分工提供基础，帮助企业合理界定机器生成、人工判断和专家校验的边界，优化组织流程和人机协同方式。
二是优化资源配置，强化智能经济成本约束。智能经济发展依赖数据资源、模型和算力等要素协同配置。缺乏清晰的资源消耗信号和成本约束，容易造成盲目调用、重复建设和低效投入。词元计量能够把模型调用转化为相对明确的数量和成本信息，为企业依据任务复杂程度、质量要求和预算约束选择模型方案提供参考，也为平台优化算力调度提供依据。算力资源配置应综合任务绩效、服务质量、时延和实际成本，比较不同应用的边际成本与边际收益。随着超大规模智算集群、算电协同和全国一体化算力监测调度加快推进，应进一步强化成本收益约束，促进算力资源向产出效益更高的场景合理配置。
三是促进产业升级，提升产业体系智能化水平。人工智能具有较强的通用技术属性，其经济效应取决于能否由单点应用向研发、生产和服务等环节持续扩散。词元计量提供相对统一的调用核算基础，有助于降低模型服务采购、使用和管理中的信息成本，促进模型能力融入企业生产经营。随着高质量数据集建设和行业模型应用持续深化，需求牵引、模型迭代和场景拓展相互促进，推动智能技术嵌入研发设计、工艺仿真、质量监测、设备运维和供应链管理等环节。提高模型服务的可计量性和成本可识别性，为人工智能规模化应用提供基础支撑，促进科技创新和产业创新深度融合，提升现代化产业体系智能化水平。
完善智能经济规范发展生态
人工智能商业化规模化应用不断深入，对制度规则和治理能力提出了更高要求。随着词元由基础计量延伸至定价、交易和结算，需要进一步完善计量计价、市场治理和安全规范，形成稳定透明、规范有序的市场环境。
一是完善计量计价规则，夯实智能服务市场基础。清晰稳定的计量计价规则是智能服务规模化交易和有序竞争的重要前提。大模型服务计价涉及输入词元、输出词元、上下文长度、推理复杂度和服务等级等多种因素。应推动形成口径清晰、披露充分、便于比较的词元计量和成本核算规则，引导平台合理披露计费方式、能力边界和服务等级。统一计量标准旨在提高服务可比性，模型价格仍应体现模型能力、服务质量和供需关系形成的合理价差。行业组织和监管部门应加强市场治理，防范不合理计费、误导性宣传和服务能力夸大等不当行为，维护公平有序的市场环境。
二是深化产业应用场景，提升智能服务应用效能。词元的经济功能需要通过模型服务融入实际生产经营加以实现。应坚持场景牵引和需求导向，促进专业数据与行业模型结合，推动模型能力嵌入业务流程，形成投入产出关系清晰、可复制可推广的应用模式。在制造业领域，围绕研发设计、质量检测和供应链管理拓展应用；在生产性服务业领域，围绕风险管理、客户服务和运营管理提高智能化水平；在公共服务领域，围绕政务服务、社会治理和应急管理提升响应能力。同时，完善公共算力供给和行业模型服务，探索与不同业务需求相适应的计费模式，降低中小企业智能化应用门槛，提高智能技术的普惠可及水平。
三是健全安全治理体系，筑牢智能经济发展底线。模型调用涉及数据安全、隐私保护、商业秘密、生成合成内容、知识产权和责任归属等问题，治理规则滞后会增加交易成本和技术应用风险，影响市场主体预期。推动词元规范应用，应把安全治理贯穿模型调用全过程，完善数据分类分级保护和人工智能生成合成内容标识机制，健全知识产权保护、算法治理和责任分担规则，形成平台、企业、用户和监管部门权责清晰、协同有效的治理格局。同时，要明确词元作为模型服务计量计价基础的功能边界，警惕其泛金融化、证券化。
（作者：张人中，系中国社会科学院习近平新时代中国特色社会主义思想研究中心研究员、经济研究所助理研究员）