——一个计量单位的变化，正在重塑成本结构、定价逻辑与组织运行的基本前提
当智力成果首次具备可计量、可比价、可交易的属性，经济学将面临怎样的范式挑战？10月26日下午，中信出版集团联合腾讯研究院举办《Token经济——当智力成为一种可计量的服务》主题交流论坛。来自经济学界、科研机构及产业实践一线的多位嘉宾，给出了视角各异、甚至相互交锋的回应。
据国家数据局披露，中国日均 Token 调用量已从2024年初的约1000亿跃升至2026年6月的500万亿，两年间增幅逾数千倍。而在真实业务场景中，“单次调用价格持续走低”与“整体账单金额不断攀升”两种趋势并行不悖，构成贯穿整场讨论的核心矛盾张力。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Token：一种全新计量单位的诞生
《Token经济》作者之一、腾讯研究院高级研究员白惠天将 Token 视为理解当下时代的关键切口：它不仅标志着一次度量体系的跃迁——既是大模型处理信息的最小语义单元，也是数字服务计费的基本颗粒度；更类比历史上蒲式耳之于谷物、桶之于原油、千瓦时之于电力，Token 是人类历史上首个专用于计量机器智能产出的标准化单位。
知名金融学者、财经作家香帅亦指出，人们早已习惯说“一滴水”“一度电”，未来也将自然地说出“一个 Token”。她进一步阐释，智力正加速脱离个体依附，被封装为可规模化复制的工业品；而工业化进程的典型特征，正是产品能力持续升级，单位成本却系统性下降。
但两位学者同时强调：不能仅关注 Token 的数量维度。白惠天举例说明，消耗相同数量的 Token，用于润色一封邮件，与用于识别合同关键风险点、规避数十万元潜在损失，其实际价值存在本质差异——这也正是书中反复强调的核心命题：成本按 Token 呈线性增长，价值却由任务结果决定，并呈现高度非线性特征。
供给丰裕之后，价值锚点移向何处？
白惠天提醒，AI驱动的智力供给近乎无限，但人的注意力资源依然稀缺：一篇文章撰写时间压缩至半小时，节省下来的时间往往被新任务迅速填满，个体未必获得真正解放，反而可能陷入更密集的工作节奏。
《Token经济》作者、新可能实验室发起人袁晓辉则将这一判断向前推进：在AI提供充沛智力支持的前提下，瓶颈已从“能否完成任务”转向“能否实现商业闭环”。她以两个案例佐证：深圳两名初一学生自主开发的番茄钟小程序界面精良、收获数万点赞，但尚未形成付费转化；AlphaFold 极大降低了蛋白质结构预测门槛，但要将其转化为临床可用的靶向药物，仍高度依赖现实世界中的实验反馈与迭代验证。“AI并未突破创新的本质约束，真正的卡点恰恰落在后半程。”
香帅认为，人类的“专用智能”并未消退——创造力本质上是依托独特生命经验对通用智能的调用与重构。因此，真实需求并不藏于传统意义上的“大共识”之中，而是散落在微小、具体、高频的真实场景里：抽象需求需在场景中被识别、与用户协同定义、沉淀为高质量数据资产，最终形成持续复利效应。这正是她所提出的4C框架（场景、共创、共识、复利）的底层逻辑。
Token 经济是否真的“经济”？一场质疑与三重回应
圆桌环节中，腾讯研究院副院长李刚以《Token 不经济》一文为引，抛出四点观察：轻量级模型API调用单价未如预期下行，反而出现上涨趋势；Agent架构导致上下文重复调用频发，大量 Token 实质性浪费；产业链利润加速向上游集中；下游应用端尚未形成稳定现金流模式，却已提前大规模投入，风险持续向产业链中下游积聚。
袁晓辉回应称，诸多成本问题本质是工程优化空间：缓存命中与未命中的调用成本可相差约50倍，输入侧的成本结构已被彻底重写。白惠天补充，在实地调研中发现，越来越多企业已开始启动“智能预算管理”决策机制：面对同一项任务，究竟是采购 Token 更划算，还是雇佣人力更具性价比？
大模型 Token 成本节约工具。在请求到达大模型之前自动压缩 prompt 和上下文，减少 60-95% 的 token 消耗，直接降低 API 成本。支持 Claude/OpenAI/Gemini 等主流模型，提供代理模式、CLI 包装、Python SDK 和 MCP Server 四种接入方式。内置一键安...
腾讯 WorkBuddy 北区客户成功负责人张文昭在现场分享了一线AI账单实证。WorkBuddy 定位为“全场景的企业级AI原生工作台”，在他看来，办公形态正经历从工具办公、协同办公，迈向数字员工办公的新阶段。他展示了三个典型案例：腾讯内部HR团队400余人，三个月内在WorkBuddy上自主上线超3600款轻应用，而过去类似系统需求提交IT部门，交付周期动辄以月计；某制造业客户一名员工借助WorkBuddy，仅用4天即完成产线监控软件开发，为企业节省上百万元定制化开发费用；一位中学教师利用WorkBuddy将单次备课耗时从一整天压缩至几十分钟。
张文昭还提出一条渐进式成本优化路径：“先广度覆盖、再深度渗透，最终实现账单价值最大化”。例如，文案生成类任务无需调用高成本大模型，而代码编写等高价值环节，则值得投入优质算力资源。
公司还会继续存在吗？
香帅指出，公司存在的核心逻辑之一在于降低交易成本；而数字化协作工具持续压降沟通摩擦，智能服务又可按需即时调用，组织形态必然趋向扁平化与轻量化，直至演化为“一人公司”。个体作为技能集合体，未来更可能围绕“任务—技能”的动态匹配关系展开协作。她强调，这是一场深刻的“要素革命”——当智能成为基础生产资料，组织架构与生产方式都必须围绕其重构；其中最难攻克的，恰是组织自身的变革能力。
李刚则持审慎观点：组织的部分功能具有结构性刚性，不会因AI普及而消失。例如，法人制度通过限定出资责任上限，为失败者保留东山再起的空间；组织仍承担风险共担、目标聚合等不可替代职能，并非所有复杂任务都适配“一人公司”模式；此外，组织还承载身份认同、文化归属等社会性功能。
多方观点共同勾勒出一条清晰边界：组织形态将持续演化，但不会彻底消亡；而决定转型成效的关键变量，正是组织自身推动变革的能力——这也与《Token经济》一书中的重要论断遥相呼应：仅接入API接口、却拒绝配套组织变革的企业，其生产率提升几乎为零。
人的坐标：从“能担责”到“不掉队”
所有讨论最终回归人本身。袁晓辉指出，人在AI时代的下一个比较优势，恰恰在于“能担责”——Agent可以不知疲倦地执行指令，但唯有人才能为最终结果负责。李刚也强调，人与人之间真实、具身的情感连接，将日益成为稀缺资源。
香帅提醒，技术演进必然呈现典型的J型曲线：初期效率跃升迅猛，但社会适应需要时间缓冲。“社会需要一点点阻尼”：车头已然高速前行，如何确保所有人“不掉车尾”，才是关键命题。
本次论坛并未给出标准答案，但所有思辨最终汇聚于同一落点：当智力正式成为可被精准计量的生产要素，真正亟待解答的问题，从来不是“一个 Token 值多少钱”，而是——人，该被置于何种位置？
今年1月，腾讯研究院院长提出AI发展应秉持“让人放心、把人放大”的原则。置于 Token 经济语境下，“让人放心”，意味着智能服务需具备可解释性、可追溯性，且始终有人对结果负最终责任；“把人放大”，则要求技术必须拓展而非取代人的判断力、创造力以及主动担责的意愿。
从蒲式耳、桶、千瓦时，到今天的 Token，计量单位的每一次更迭，从来不只是记账方式的技术演进；它最终叩问的，始终是效率跃升之后，人能否拥有更多可自由支配的时间、更坚实可靠的生活保障，以及更广阔的发展可能性。这也正是《Token经济》一书的终极指向——Token 经济的终点，依然是人。
