李国庆，北京工业大学马克思主义学院讲师。
摘 要：词元（Token）作为大模型处理信息和生成内容的基本单位，已由算法内部的技术环节，逐步转化为理解模型运行、服务计价和价值分配的重要范畴。词元经济是围绕词元生产、调用、反馈和分配形成的新兴经济形态，也是智能经济在大模型运行、智能服务供给和产业价值转化层面的具体化表达。就技术内涵而言，词元是数据要素进入智能生产过程后的基础性形式，词元经济以智力服务的计量和价值实现为支撑，反映智能经济形态下的新型生产关系。就产业逻辑而言，词元经济推动智能服务从模型供给延伸至场景嵌入，即推动传统产业在存量焕新中实现流程再造和价值跃迁，推动新兴产业在增量扩张中形成可持续性的智能服务，推动未来产业在潜量培育中加快技术验证和场景孵化。就治理体系而言，应在高质量发展主题和总体国家安全观统领下，把战略安全、市场秩序、文化主权、法治伦理和社会公平贯通起来，以战略安全治理确立词元经济的发展坐标，以市场秩序治理规范词元经济的运行机制，以语义文化治理维护词元经济的话语主权，以法治协同治理完善词元经济全周期机制。
关 键 词：“人工智能+”；智能经济新形态；词元经济；现代化产业体系；新质生产力；“十五五”时期
一、问题的提出
“十五五”时期是我国加快发展新质生产力、推进现代化产业体系建设的关键阶段，发展人工智能的战略意义也由推动技术创新延伸到经济形态塑造。党的十八大以来，习近平总书记高度重视数字经济和人工智能发展，强调要“充分发挥海量数据和丰富应用场景优势，不断做强做优做大我国数字经济”［1］，并提出“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”［2］。“十五五”规划建议明确要求“全面实施‘人工智能+’行动”［3］，2026年政府工作报告首次提出“打造智能经济新形态”“推动重点行业领域人工智能商业化规模化应用”［4］。这表明我国正在从以数据积累、平台连接和产业数字化为主要特征的数字经济阶段，进一步迈向人工智能深度嵌入生产生活全过程的智能经济阶段。
理解智能经济新形态，不能停留于应用场景和产业规模的外部描述，还需要进入大模型运行过程，考查数据如何被处理，产业价值如何被计量和分配。正是在这一意义上，“词元”开始从人工智能技术术语转化为经济分析的重要切口。词元是大模型处理信息的“最小数据单元”［5］。作为观察智能经济发展的重要指标，2024年初我国日均词元调用量约为1 000亿，到2025年底跃升至100万亿，2026年3月已突破140万亿，两年增长超过1 000倍［6］。词元调用量的爆发式增长，不仅是人工智能使用频次增加的技术现象，更是智能经济加速成形的现实信号。面对这一新趋势，2026年3月25日，全国科学技术名词审定委员会发布公告，优先推荐“词元”作为人工智能领域名词Token的中文名，面向全社会发布试用［7］。与此同时，国家数据局在中国发展高层论坛2026年年会上正式采纳并使用“词元”这一术语，进一步推动其进入公共政策和产业实践视野。
所谓“词元经济”，是指在生成式人工智能和大模型广泛应用条件下，围绕词元的生产、调用、反馈和分配而形成的智能经济样态。词元经济不是替代数字经济、算力经济或平台经济的上位概念，而是对智能经济内部运行机理和价值关系的深化表达。词元正在成为连接数据资源、算力消耗和应用场景的基础性单元，进而具有计量、结算和治理意义。这意味着“以词元为核心的价值体系与商业逻辑正在形成”［8］。从这一角度看，它涵盖两个关键环节：第一，数据如何通过大模型被转化成可计量、可利用的数据单元；第二，词元如何在实际应用场景中被调用并最终产生产业价值。
由于词元经济是一个新兴概念，相关讨论散见于政策解读、报刊评论、产业报告和少量理论文章之中，尚未形成稳定的研究范式。在概念界定层面，相关研究认为词元已从技术单位转化为一种“AI运行的计价单位”［9］，与数据之间存在本质差异［10］，并成为一种独立的生产要素［11］，开创了语义可计算的全新经济逻辑［12］，其调用量增长是词元经济发展的必要条件［13］。在作用属性层面，有学者强调词元经济的技术路径，认为其本质旨在深度解决大语言模型应用的“量化和规模化问题”［14］，属于智能经济的重要子集；有学者着眼于经济机制，指出词元经济的深层价值在于重塑相关要素的定价机制、资源配置模式与市场化应用生态，具有显著的经济与社会治理价值。在产业实践层面，现有成果指出随着单位成本的下降，智能体应用、算力平台和大模型服务的爆发式增长，词元正经历从“通用语料堆砌”向“行业Know-how语义对齐”［15］的转变，有助于打通数据、算力、算法三大要素的市场化流通［16］。现有研究初步揭示词元经济的技术基础和产业价值，但对其作为智能经济基础研究对象的学理阐释仍显不足，尤其需要进一步说明其何以成为观察数智化生产、产业组织和治理秩序变革的关键范畴。基于此，本文拟在界定词元经济基本含义的基础上，说明其生成机理、产业逻辑与治理要求，以期为理解智能经济形态提供一个具有解释力的分析视角。
二、“人工智能+”背景下词元经济的技术内涵
作为智能经济的“细胞形态”，词元一方面是数据要素在大模型运行中的基本量化单位，其流转更关联市场规则、收益分配、整体安全等多重社会关系。词元经济的技术内涵既要说明数据要素如何在智能经济形态中具象化为词元这一新的存在形式，更要揭示智力服务如何由模型能力转化为市场价值，用户、平台、数据、资本和治理主体之间的关系又如何围绕词元发生调整。
（一）词元支撑数据进入智能生产并转化为智力服务
任何成熟的经济形态都需要相应的价值尺度和计量单位。农业经济离不开土地、亩产和粮食重量，工业经济离不开吨、千瓦时、工时和公里，信息经济和数字经济则离不开比特、字节和点击量。比特和字节虽可以较好度量信息存储和传输，却难以反映数据的语义密度、知识含量、模型处理难度和智力服务价值。相同字节规模的文本，可能只是日常闲聊，也可能是法律条文、工业故障记录、医学病例或科研文献。数据进入大模型之后，智力服务不再只是为信息存储、检索、呈现及交易提供便利，更是对语言、知识、图像、代码及行业经验等复杂知识的深度理解、逻辑推理、内容生成与任务执行。但是，数据要素无法自发生成智力服务，厘清词元作为数据要素融入智能生产过程的基础单元属性，是理解这一转化逻辑的前提。
从技术层面看，词元不是自然语言中的“词”，也不是简单的汉字、单词或标点符号，而是模型依据分词器、语义结构和训练需要形成的基本离散单元。它可以是一个字、一个词、一个词的一部分，也可以是代码符号、图像片段或其他能够被模型识别的内容单位。全国科学技术名词审定委员会将Token定名为“词元”，也正是因为“词”体现其语言和语义根源，“元”体现其基本单元属性。随着大模型从文本走向多模态，词元也可以被更广义地理解为各类内容进入模型系统后的基本处理单位。词元并不是把数据进行简单地细化切分，而是使数据、语言、知识和场景经验在进入大模型之后获得语义化和可调用化的表达形式。
从运行机制看，词元经济并非否定数据要素的重要性，而是突出数据要素是如何通过词元化作为生产过程的价值实现载体。以往关于数据经济的讨论，更多关注数据采集、确权、开放、流通、交易和安全，但如果仅把数据看作待开发、待交易、待流通的“静态的原始素材”［13］，就难以解释大模型为何能够形成语言生成、重组知识、辅助推理并执行具体任务。数据要转化为智力服务，首先需要经过词元化（Tokenization）［16］处理，才能进入模型训练、推理调用、场景反馈和持续优化的过程。这一转化过程可以作如下简要理解：原始数据并不能直接被模型有效使用，而是需要经过清洗、筛选、整理和去重，转化为模型能够识别和处理的词元；模型在大量词元中学习语言关系、知识结构和任务模式，并将这些关系沉淀为可供调用的模型能力；用户提出问题时，输入内容会被转化为词元，模型再依据已有参数生成新的输出词元，从而形成问答、分析、写作、编程、检索辅助等服务；用户的追问、修正、评价和使用结果，也可能成为新的反馈材料，继续参与模型优化。可见，词元化正是数据进入大模型并发挥作用的关键环节。
从马克思主义政治经济学视角看，词元化过程体现了劳动对象形态的深刻变化。传统工业生产主要加工自然物质，数字经济更多加工数据和信息，而智能经济则进一步把数据、信息和知识加工为模型能够处理的语义对象。词元本身没有物质形态，却必须依托芯片、服务器、数据中心、电力、网络和算法系统才能发挥作用。它表面上是信息颗粒，背后则凝结着语料生产、数据清洗、人工标注、模型训练、算法优化和用户反馈等社会劳动。词元并不是脱离社会生产过程的纯技术单位，而是数据要素在智能生产过程中获得现实作用的基本形式。
可见，词元经济揭示了智能经济区别于一般数字经济的重要机制：它不是简单描述数字资源规模，而是说明数据要素如何在大模型运行中完成从资源形态向服务能力形态的转化。正是在这一意义上，词元可以被理解为数智生产过程中的新型价值细胞，是数据要素在智能经济下的具体化和活跃化表达。
（二）词元经济以智力服务的计量和价值实现为支撑
词元的出现是“把数据和信息区分出来一个非常重要的分水岭”［17］。词元经济之所以能够从技术概念转化为经济概念，关键在于词元将原本难以度量的数据转化为可核算的交换单元，使进入大模型之后的加工、调用、生成和反馈过程具备了相对清晰的计量尺度，从而构建了AI产业应用和价值创造的核算基础。生成式人工智能服务与传统软件服务有根本不同。传统软件通常按授权、席位、订阅或功能模块计费，而大模型服务则更多按照输入和输出的词元数量、模型等级及工具调用情况进行综合计量。用户向模型提问需消耗输入词元，模型生成回答产生输出词元。智能体在规划、检索、工具调用与反馈分析中也会持续消耗词元。这使得原本相对抽象的智力服务“有了标准化的计量单位”［18］，得以转化为可以核算成本和组织交易的经济活动。
从价值链看，词元在电力、算力、模型和应用之间建立起了新的连接。电力驱动数据中心运行，算力支撑模型训练与推理，模型通过词元处理语言、知识与任务，应用场景则通过词元调用获取智能服务。以往，算力规模、模型参数与数据资源往往分别计量，其经济转化路径并不清晰。词元的出现，使模型运行的成本和智力服务的产出之间形成了更加直接的联系。词元“是排行榜上大模型调用量的评估标准，也是大模型厂商销售套餐的计费单位”［19］，已成为衔接技术供给和市场需求的关键结算基础。
词元经济绝非简单的“按字数收费”，而是将词元消耗与任务复杂度、模型能力、场景价值和服务质量深度关联。随着大模型从简单问答迈向代码生成、专业分析、智能体协同与行业决策，同等数量的词元在法律分析、医疗辅助、工业设计或金融风控等不同场景中产生的经济价值亦有不同。在各式服务场景中，词元经济的重点不仅是降低单位词元成本，更在于提升单位词元的有效产出，推动AI经济评估从单纯关注计算效率转向更加注重服务效能。随着智能体应用发展，未来智力服务的计价模式将进一步发展为“词元消耗+工具调用+任务复杂度+结果价值”的复合计价体系，反映出技术效率、市场博弈与场景风险三者的综合作用。
可见，词元经济以智力服务的可计量性与价值实现为支撑，系统回应了智能经济中的一组基础命题：人工智能如何从技术能力转化为市场服务，如何从模型运行转化为成本核算，如何从数据加工转化为价值创造。词元经济正是在这个意义上使智力服务被衡量、定价与交易，进而支撑人工智能从技术展示走向规模化应用和制度化治理。
（三）词元经济反映智能经济形态下的新型生产关系
伴随大模型训练与智能体落地，数据挣脱了单一场景的使用桎梏，并以词元为通用载体贯穿智能经济全流程，清晰映照出技术变革背后社会生产关系的演化。
首先，词元经济重塑了智能生产中的主体关系。在传统数字平台中，用户主要以消费者、浏览者和数据提供者的身份参与平台运行；而在大模型场景中的用户活动，都会转化为词元，成为模型改进和产品优化的重要资源。特别是在智能体持续运行的条件下，用户活动、工作流程、知识经验和场景需求会被不断记录、整理和调用，进而转化为新的词元流。用户不再只是人工智能服务的被动消费者，也在一定意义上成为智能生产过程的参与者和贡献者。这一变化带来了新的问题：用户贡献如何确认，数据权益如何保护，平台能否无偿吸收用户在使用过程中形成的知识和经验。这些问题已经超出了单纯技术效率的范围，进入了生产关系和利益分配领域。
其次，词元经济改变了平台组织智能生产的方式。大模型平台通过模型接口、上下文窗口、调用规则和智能体运行环境，组织词元的输入、处理、生成和反馈。传统平台经济主要控制流量、用户、广告和交易入口，而大模型平台则进一步控制模型能力入口、知识调用入口和智能服务入口。在词元经济中，平台的组织能力主要体现在三个方面：一是对高质量词元资源的占有和整合能力，二是对词元调用流程与计价规则的设定能力，三是对模型持续迭代和服务供给的支撑能力。平台不仅影响智能服务的成本结构和企业应用的收益空间，也可能在智能生产体系中形成新的组织优势。
最后，词元经济关系到智能时代的语义秩序和文化安全。大模型并不是价值中立的语义机器。哪些语料被纳入训练，哪些知识和表达被重点强化，哪些价值判断被嵌入模型，都会影响模型输出的知识结构和话语表达方式。在这个意义上，词元经济关联着“算力意识形态话语全球扩张”［20］问题，关系到一个国家的语言表达能力、文化传播能力和价值阐释能力。
总体而言，词元是数据要素进入智能生产过程后的基础表现形式，兼具劳动对象和劳动资料的双重属性。它既是模型识别、加工和重组数据知识的基本对象，也是在提示组织、语境设定和工具调用中连接劳动者与模型系统的重要技术媒介。词元经济的发展表明，智能生产过程不再单纯依赖数据积累或模型规模，转而依靠多要素协同联动以持续提升生产效能。值得注意的是，智能社会中的生产关系仍然是人与人之间的社会关系，只是更多经由数据词元化、模型服务化和平台组织化等环节得以表现，并使生产资料占有、劳动过程组织、价值实现和收益分配呈现出新的样态。在此基础上，有必要进一步分析词元经济如何通过理顺各类生产要素的流转路径与落地方式嵌入产业体系。
三、“人工智能+”背景下词元经济的产业逻辑
“十五五”规划纲要强调“充分发挥我国数据资源丰富、产业体系完备、应用场景广阔优势，激活数据要素潜能，加快数智技术创新”［21］，这一战略部署将数字中国建设推向以算力算法数据高效供给、全方位推进数智技术赋能为路径的新阶段。从产业发展视角看，词元经济的核心价值在于确立了一套清晰且通用的产业运行单元。一方面，词元在算力、数据、模型与应用场景之间搭建起互通联动的底层通路，“使之从相对独立的资源，转变为紧密耦合的价值创造循环”［12］；另一方面，围绕词元的生成、计价、流通与场景落地，进一步推动传统产业、新兴产业和未来产业的智能化升级。
（一）词元经济推动传统产业在存量焕新中实现流程再造和价值跃迁
传统产业是现代产业体系的基础，也是人工智能赋能的主要场域。传统产业的网络化解决能否连接的问题，数字化解决能否记录的问题，词元化则解决生产要素可计量可流转可优化配置的问题。传统产业开展词元化改造，并不是把人工智能当作外部工具生硬嵌入原有业务流程，而是以行业词元为中间载体，将沉淀在生产设备、业务流程与从业人员实践中分散的存量数据、隐性知识和场景经验，重组转化为模型能够调用、反馈并持续优化的标准化词元资源，使之有效转化为新的生产力。
制造企业在平台化转型中普遍面临“数据之间缺乏关联性，数据库彼此无法兼容，导致决策受限和协作困难”［22］等问题，难以跨系统流动与规模化复用。词元经济不仅可以“感知”多环节、碎片化的图纸、工艺说明、设备运行记录、质检结果、维修记录和售后反馈，更能整理成大模型能够理解调用的行业知识，使人工智能不只是回答问题，而是能够进入具体生产场景，帮助企业发现设备异常、改进工艺流程、提高质检效率和优化售后服务。相关案例研究也表明，工业互联网平台正在推动制造企业价值链重构，使企业的生产管理和服务方式发生数字化转型［23］。
词元经济的产业逻辑并不局限于宏观效率提升，也正在通过低门槛、按需化、可计量的智力服务进入基层经济运行。传统产业特别是中小企业数智化转型面临改造经济成本高、产业配套支撑有待完善、关键核心技术亟待攻克、复合专业人才供给不足四类障碍［24］。词元经济为中小企业提供了一种不同于自建模型、自购设备、自组团队的智能化路径，企业可以通过行业平台、模型服务和按需调用机制获取全业务场景智力服务，不再局限于既定技术轨道下的单一渐进式创新模式。这样既有助于降低传统产业智能化改造成本，也有助于推动大模型服务从头部企业向广大中小企业和基层经营主体扩散。
（二）词元经济推动新兴产业在增量扩张中形成可持续性的智力服务
与传统产业侧重存量优化和流程再造不同，战略性新兴产业的关键任务在于创造增量。新一代信息技术、新能源、新材料、智能网联新能源汽车、机器人、生物医药、高端装备、航空航天等领域，已经具有较明确的技术方向、产品形态和市场空间，正在成为培育新动能、塑造新优势的重要支撑。《中国经济高质量发展报告（2025）》显示，我国战略性新兴产业已呈现创新引领、结构优化、区域集聚和全球拓展的发展格局［25］。词元经济作用于新兴产业应理解为，通过词元调用、计量、反馈和迭代机制把快速成长的技术产品、装备系统和应用场景转化为持续性的智力服务生态。
从产业运行看，新兴产业过去更多依靠技术路线突破、产品性能提升和市场规模扩张形成竞争优势。进入大模型时代以后，新兴产业竞争的重点正在从技术扩张进一步转向谁能够把产品运行、用户交互、场景反馈和模型能力结合起来，围绕词元形成稳定高效安全的智力服务生态。词元在此发挥的作用，不只是充当模型处理信息的技术单位，而是使智能服务能够被调用、被计量、被优化和被交易的基础单元。它把模型能力从抽象的技术展示转化为企业可以实际使用的产业能力，使新兴产业领域的产品不再止于一次性交付，而是能够延伸为远程运维、研发辅助、风险识别、个性化服务和全生命周期管理。
可见，词元经济推动新兴产业发展的深层逻辑，在于把“产品”转化为持续服务入口，把“模型”转化为产业可调用能力，把“场景”转化为价值增值空间。具体而言，芯片、服务器、数据中心和电力提供物质基础，大模型和云平台提供能力支撑，行业企业提供应用场景，开发者和用户反馈推动服务迭代。词元则把这些环节连接起来，使不同主体能够围绕智能服务的调用、质量、成本和效果形成协作关系。正是在这一意义上，词元不只是参与数据处理，更深度参与新兴产业的价值创造、服务组织和生态构建，推动战略性新兴产业由技术产品竞争走向智能服务能力竞争。
（三）词元经济推动未来产业在潜量培育中加快技术验证和场景孵化
未来产业不同于战略性新兴产业。战略性新兴产业的重点是培育壮大和规模扩张，未来产业的核心任务是把前沿技术从科学探索转化为产业能力。2024年，工业和信息化部等七部门发布《关于推动未来产业创新发展的实施意见》，指出未来产业“当前处于孕育萌发阶段或产业化初期，是具有显著战略性、引领性、颠覆性和不确定性的前瞻性新兴产业”［26］。就现实发展而言，我国未来产业发展仍面临着“硬件设施超前投入与人才效能释放滞后、再生产循环长效周期与评价尺度错位、资源配置规模优势与制度治理衔接不畅”［27］等挑战。鉴于此，词元经济对未来产业的赋能呈现为一种服务于前沿技术甄别、概念验证、场景试验、价值研判等全链条的微观机制。
其一，词元经济为未来产业前瞻布局提供技术识别与路线研判支撑。量子科技、生物制造、氢能及核聚变能、脑机接口、具身智能、第六代移动通信等未来产业，兼具颠覆性和不确定性，前期选择往往决定后续资源配置效率。词元经济以大语言模型的数据处理能力为技术支撑，对前沿技术资源与各类场景需求进行系统性梳理整合，并转化为可以对比研判、随时调用且支持逻辑推演的智能化可用资源。依托这一能力，行业内对于前沿技术的甄别筛选、发展路线判断以及研发方向选定，不再单纯依靠少数专业人员的主观经验。结合大范围的知识联动分析与实际场景反馈，产业研发布局能够获得更全面的数据支撑，进而提升未来产业前期规划的科学性与精准度。
其二，词元经济为未来产业概念验证和场景试验提供过程记录与反馈机制。未来产业不能停留在实验室成果和技术设想层面，关键在于能否进入真实场景反复验证，并在应用过程中不断调整技术路径。词元能够记录智能系统执行任务的过程、实验反馈、场景变化和结果评价，将原本分散的试验信息转化为可追踪和优化的过程性材料。这样，技术是否成熟、场景是否适配、风险是否可控，就能够获得更加具体的判断依据。对于概念验证中心、中试平台、示范应用和监管试点而言，词元经济能够提供更细致的反馈机制，推动前沿技术更快完成从“可能可行”到“场景可用”的转化。
其三，词元经济有助于推动未来产业的早期价值识别和生态孕育。未来产业在发展初期通常缺少成熟产品、稳定收入和清晰市场规模，传统指标难以及时评价其真实潜力。如果只以短期收益判断未来产业价值，容易压缩长期创新空间。词元经济则可以从任务完成质量、技术成熟度、场景适配度、服务效果和反馈改进等方面，提供过程性、动态化的评价依据，帮助政府、资本、企业和科研机构判断哪些方向具有持续投入价值，成为未来产业早期识别技术潜力、组织创新资源和培育产业生态的重要支撑。
四、“人工智能+”背景下词元经济的治理体系
作为生成式人工智能的基本单元，词元“强大的扩展迁移能力使其成为名副其实的新型基础设施，隐而不彰地重塑社会结构和治理形态”［28］。构建词元经济治理体系，要从其技术结构和运行机制出发，把战略安全、市场秩序、文化主权、法治伦理和社会公平贯通起来，坚持安全型治理、发展型治理、法治型治理和协同型治理相统一，在规模化发展基础上实现有序持续发展。
（一）以战略安全治理确立词元经济的发展坐标
词元调用量、词元处理效率、词元定价规则和高质量词元供给能力，关切生成式人工智能的发展主动权，并“将进一步增强全球权力的非对称性”［29］。当前，中美生成式人工智能的竞争已演变为一场覆盖基础设施、核心技术、治理规则与商业生态的系统性、多层次综合博弈，位居中美大国博弈的核心地位。这并非单一技术或产品的较量，而是贯穿算力、算法、数据、模型、标准、规则与应用生态的全链条竞争。芯片与算力的竞争，决定了词元的基础生产力与成本结构；数据与语料的竞争，定义了词元的原料品质与价值密度；模型与算法的竞争，驱动了词元的转化效率与能力边界；平台与标准的竞争，构建了词元的流通规则与市场秩序；而应用与场景的竞争，则最终完成了词元从计算成本到经济价值的兑现。词元经济处于各竞争层次的交汇点与价值枢纽，是国家总体安全的重要组成部分。
在国家安全维度上，词元经济治理涉及三重安全。第一是科技安全。词元的生产、流通与调用，必须依赖高质量多模态语料、先进模型算法、高端智算芯片及安全可信的软件工具链。若上述核心技术与基础设施受制于人，词元经济的发展将缺乏自主可控的底层支撑，极易产生“数字技术依附”［30］。第二是经济安全。在科技自主的基础上，还需确保核心模型、制度规则、平台入口与调用生态不被少数跨国资本或实体垄断，否则将会威胁企业数字化转型成本和产业链供应链稳定。第三是政治安全和意识形态安全。词元作为语义构建与流动的基本单元，是意识形态塑造与文化认同的关键载体。而大模型并非价值中立的语义机器，训练语料、价值对齐、输出规则都会影响社会认知、舆论生态和价值传播。
因此，词元经济治理应坚持“固本培元”与“正本清源”相统一。一方面，要重视“词元经济主权”，继续加强算力算法攻关、算力基础设施建设、提高数据供给质量和应用推广范围，夯实词元经济发展的基础能力；另一方面，要拧紧“词元经济安全”阀门，加强数据质量治理、模型安全评估、应用风险监测和关键基础设施保护，防止词元经济在无序扩张中放大安全风险。
（二）以市场秩序治理规范词元经济的运行机制
鉴于我国在算力和算法等基础层短期内难以实现赶超，“中国更重视人工智能在应用层的快速落地”［31］。这种“应用先行”的战略，在释放巨大潜能的同时，也因基础层支撑相对滞后而更易引发市场失序、创新内耗与生态垄断的风险。因此，要加速构建健全的词元经济市场秩序，通过完善规则、统一标准、加强治理与优化分配，引导其服务于实体经济，避免在资本单一逻辑下偏离正确方向。
第一，以服务价值锚定词元经济的市场边界。词元价值依托于具体模型能力、应用场景和服务效果而存在，是服务计量和价值核算工具，并非脱离智能服务场景便可独立增值的金融资产。应通过交易边界界定、服务标准披露、价格机制规范和平台责任压实，引导市场主体把竞争重点放在模型效能、场景适配和产业赋能上，避免“金融化和泡沫风险”［32］，使词元经济始终围绕实体经济需求和真实智能服务展开。
第二，以规则体系建设提升词元经济的运行效率。我国具有统一大市场、丰富应用场景和较强组织协调能力，应加快构建国家标准和行业标准相衔接的词元经济运行体系。在标准化方面，应明确词元统计口径、质量评价、服务披露、计费规则、安全责任和争议处理机制，增强不同模型平台之间的可比性。在差异化方面，推动词元市场规则要从简单按量计费，走向词元消耗、模型能力、任务复杂度、服务质量和市场价值相结合的复合评价体系，形成透明合理的差异化定价体系，“扭转‘重数量、轻质量’的规模偏好”［13］。在可调度化方面，应推动算力、模型、数据和应用场景高效匹配，避免重复建设与资源错配。
第三，以协同发展机制激发词元经济的生态活力。发展词元经济，需要统筹大模型企业、算力平台、电力企业、数据提供者、行业应用主体、开发者和终端用户之间的关系，形成要素共建、能力共享、风险共担和价值共创的生态机制。其一，推动算力规划、绿电供给和价格机制协同，通过算电联动降低智能服务基础成本，鼓励大模型企业、算力平台和行业企业共建行业级推理服务平台。其二，探索“基础使用费+增量价值分成”等收益模式，运用可信存证、贡献计量和调用记录等工具，使数据、知识、反馈和优化等生态贡献获得合理回报，并明确行业知识库授权使用、数据权益和商业秘密保护边界。其三，完善多方协同治理机制，在重点行业探索模型企业、平台、开发者和用户共同参与的协商机制，明确词元使用、收益分配和争议解决规则，防止价值抽成垄断和分配失衡。
（三）以语义文化治理维护词元经济的话语主权
词元经济治理的特殊性在于它深度嵌入语言、知识、文化和价值观进入智能系统的全过程。词元作为语言知识进入模型系统的基础单元，是连接文化表达和意识形态安全的重要媒介，直接影响模型如何组织语料、建构知识关联、生成内容表达和塑造意义秩序。但由于计算编程语言壁垒、中文优质内容在全球网络数据库中缺失等因素，英文语料和平台生态长期占据优势地位，中国话语在国际舆论场中面临新的结构性失语风险。
维护词元经济治理的话语主权，一是要加强高质量中文语料库体系建设。当前，中文语料库建设仍存在着供给不足、质量参差不齐，具有文化代表性、专业权威性的多模态语料资源收录不足等问题［33］。应系统推进权威中文语料库、行业知识库、公共文化资源库和基础科学高质量数据集建设，推动中华优秀传统文化、革命文化、社会主义先进文化和马克思主义理论、中国式现代化实践经验、中国学术话语和中国产业实践等，转化为规范完整、可持续更新的高质量语义资源。二是要增强人工智能底层技术和中文处理机制的自主创新能力。中文词元体系建设不能只依赖外部模型和外部分词规则，而应结合中文语言结构、中华文化表达方式、中国制度语境和本土应用场景，发展更适合中文表达和中国知识体系的大模型技术路线，才能保证智能系统对中国语言、中国文化和中国道路的表达更加准确、充分和可持续。三是要把词元经济纳入智能传播能力建设。“大模型对训练、建模语料的强依赖性和技术‘强者’所属的文化价值理念可能进一步加剧国际舆论体系中的既有对华偏见。”［34］既有研究发现，“ChatGPT在进行人机互动时倾向将中国价值观与‘文化孤立’和‘民族中心主义’相联系”［35］。发展词元经济，要坚持“全球人工智能治理倡议”［36］，奉行“以人为本”理念和“智能向善”的宗旨，倡导大模型平台内协同共治，使其成为准确阐释中国道路、传播中国声音、展示中国形象的重要平台支撑。
（四）以法治协同治理完善词元经济全周期机制
数据治理重点聚焦数据采集、确权、流通、交易与安全保护，平台治理重点聚焦市场秩序、主体责任、开放竞争与反垄断规制，算法治理重点聚焦算法透明、公平可解释、风险评估与责任追溯，既有治理框架为词元经济治理提供了重要参照。词元经济治理具有跨场景、跨主体和跨领域的特征，需要进一步走向全链条、普惠化和协同性治理。
第一，构建覆盖词元全生命周期的法治规则和标准体系。词元经济贯穿数据词元化的全过程，应围绕词元计量、质量分级、服务披露、价格规则、交易合同、责任认定、争议解决和安全评估建立制度规范。在采集和训练环节，明确数据来源合法性、版权授权、隐私保护、数据质量控制和训练用途边界。在调用和输出环节，防范提示词注入、越权调用、敏感信息泄露和虚假有害内容扩散，明确生成内容责任。在交易和跨境流动环节，依据商业词元、行业敏感词元、公共数据词元、个人信息词元和重要数据词元等类型实施分类分级治理。这样才能使词元经济在可计量、追溯和问责的制度框架中规范运行。
第二，强化人文关怀和普惠治理。“词元经济的生命力，在于能否让AI服务与民生场景深度结合，让普通老百姓看得见、用得上、得实惠。”［37］词元经济的发展要致力于把过去高门槛的智力服务转化为普惠性的公共服务资源。比如，面向老年群体推出适老化智能服务产品，简化操作流程，强化语音交互和安全提示；面向农村地区持续推进算力基础设施和数字公共服务建设，依托“东数西算”等工程提升算力资源调度能力，使农村群众也能享受低成本、便捷化的智能服务；面向普通劳动者、中小企业和个体经营者，广泛开展数字素养与人工智能应用培训，降低智能工具使用门槛，使词元经济发展红利更加公平地惠及社会成员。
第三，形成政府、企业、社会多元主体协同治理格局。政府应承担战略规划、制度供给、安全监管和公共服务保障职责；大模型企业和平台企业应承担合规运营、风险防控、服务披露和技术向善责任；高校和科研机构应加强基础理论、关键技术、伦理规范和人才培养研究；行业协会应推动标准制定、行业自律和纠纷协调；用户和社会公众应参与风险反馈、合理使用和伦理监督。在统一战线工作视野中，应凝聚民营科技企业、党外知识分子、新的社会阶层人士、海外高层次人才和行业组织力量，形成服务国家战略、推动技术创新、维护安全底线、促进技术向善的广泛合力。
五、结语
词元经济是“人工智能+”背景下出现的新型经济形态。它以词元为基础单元，揭示数据要素进入智能生产过程后，经由模型训练推理调用场景反馈与价值实现，逐步沉淀为智力服务并释放相应产业价值。本文从技术内涵、产业逻辑和治理体系三个层面展开分析，意在强调词元经济是智能经济新形态下理解数据要素活化、智力服务计量、产业体系升级和生产关系重组的重要切口。实践先行、应用先行、产业先行，是新技术经济形态成长的一般规律。立足当下，一方面，要充分释放词元经济在降低智能服务门槛、推动产业智能化升级、促进数据价值释放等方面的积极作用；另一方面，要围绕国家安全、市场秩序、文化主权和法治伦理，建立与其运行特征相适应的治理体系。面向未来，应以更加积极主动的姿态拥抱以词元经济为主要代表的智能经济新形态，充分发挥我国拥有庞大的应用场景、完整的产业链条、海量的数据资源和不断完善的算力能源基础设施优势，加速算力、算法、数据、模型和场景深度融合，持续释放词元经济产业价值，为现代化产业体系建设和中国式现代化注入新动能。
参考文献
［1］ 习近平著作选读：第2卷［M］．北京：人民出版社，2023：537．
［2］ 习近平在中共中央政治局第九次集体学习时强调 加强领导做好规划明确任务夯实基础 推动我国新一代人工智能健康发展［N］．人民日报，2018-11-01（1）．
［3］ 中共中央关于制定国民经济和社会发展第十五个五年规划的建议［M］．北京：人民出版社，2026：13．
［4］ 李强．政府工作报告——2026年3月5日在第十四届全国人民代表大会第四次会议上［M］．北京：人民出版社，2026：26．
［5］ 王云杉．漫谈词元［N］．人民日报，2026-01-28（5）．
［6］ 我国日均词元调用量突破140万亿［N］．人民日报，2026-03-24（8）．
［7］ 全国科学技术名词审定委员会关于发布试用人工智能领域名词token中文名“词元”的公告［EB/OL］．（2026-03-25）［2026-04-25］．http://www.cnterm.cn/news/tzgg/202603/t20260325_827999.html．
［8］ 求是网评论员．140万亿词元调用量意味着什么［J］．红旗文稿，2026（8）：46-47．
［9］ 杨卉．中国工程院院士郑纬民：从模型服务走向词元服务，是智能体时代对基础设施的必然要求［N］．每日经济新闻，2026-04-17（5）．
［10］ 丁从明，石梦圆．词元经济学：一种新型生产要素的理论分析框架［J/OL］．重庆邮电大学学报（社会科学版），1-13［2026-05-12］．https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CAPJ&dbname= CAPJLAST&filename=CQYD20260508001．
［11］ 刘继为．何为“词元经济”［N］．学习时报，2026-04-22（2）．
［12］ 刘典．词元经济：智能时代重塑生产力的重要引擎［N］．学习时报，2026-05-08（3）．
［13］ 潘宏亮，杨文光，叶璐．我国词元经济发展的条件、约束与推进路径［J］．中国流通经济，2026（6）：3-14．
［14］ 杨岚．全国政协委员黄群慧：词元经济的三问三答［N］．人民政协报，2026-04-10（11）.
［15］ 洪琳．中国信息通信研究院人工智能研究所所长魏凯：让AI像水电一样普惠千行百业［N］.人民政协报，2026-04-10（11）.
［16］ 中国科协．词元来了：AI对话到底在“花”什么？［EB/OL］．（2026-05-07）［2026-05-08］．https:// www.kepuchina.cn/article/articleinfo?business_type=100&classify=0&ar_id=695977.
［17］ 王坚．话说Token［EB/OL］．（2026-04-05）［2026-04-25］．https://tv.cctv.com/2026/04/05/ VIDEV6DS6qFBqeMjgR2M5fPa260405.shtml．
［18］ 杜晓宇．词元经济的产业逻辑与演进方向［N］．学习时报，2026-05-13（2）．
［19］ Token中文名定了！［EB/OL］．（2026-03-25）［2026-04-25］．https://www.nda.gov.cn/ sjj/swdt/mtsy/0325/20260325113132934906079_pc.html．
［20］ 徐宏潇．数智时代算力经济全球化的资本逻辑及其极化效应［J］．经济学家，2024（10）：64-73．
［21］ 中华人民共和国国民经济和社会发展第十五个五年规划纲要［M］．北京：人民出版社，2026：39．
［22］ 马鸿佳，王亚婧．制造企业平台化转型如何打破“数据孤岛”？——基于人—数交互理论的混合方法研究［J］．管理世界，2024（4）：176-200．
［23］ 张明超，孙新波，刘剑桥．工业互联网平台赋能制造企业数字化转型的驱动因素及作用路径研究［J］．科学学与科学技术管理，2025（10）：102-119．
［24］ 臧冀原，季桓永，黄庆学．数智化赋能传统产业转型升级［J］．中国科学院院刊，2024（7）：1183-1190．
［25］ 韩保江，邹一南，朱晟君，等．《中国经济高质量发展报告（2025）》［M］．北京：社会科学文献出版社，2025：205．
［26］ 工业和信息化部等七部门关于推动未来产业创新发展的实施意见［EB/OL］．（2026-01-18）［2026-05-10］．https:// www.gov.cn/zhengce/zhengceku/202401/content_6929021.htm．
［27］ 潘智璇．推动未来产业发展进程中投资于物和投资于人紧密结合的逻辑机理、现实挑战与实践路径［J］．
统一战线学研究，2026（2）：140-152．
［28］ 张欣．生成式人工智能的算法治理挑战与治理型监管［J］．现代法学，2023（3）：108-123．
［29］ 余南平．通用人工智能时代的国际权力重塑［J］．中国社会科学，2025（4）：41-59，205．
［30］ 周念利，吴希贤．中美数字技术权力竞争：理论逻辑与典型事实［J］．当代亚太，2021（6）：78-101，167-168．
［31］ 李恒阳，唐桂杰．中美人工智能竞逐：现状、特点和影响［J］．美国研究，2025（6）：108-133，7．
［32］ 蔡万焕．政治经济学视角下词元的性质及对生产过程和市场逻辑的重构［J］．天府新论，2026（3）：125-136，159．
［33］ 陈强，邢窈窈．面向生成式人工智能的语料库建设：现状、挑战与未来策略［J］．社会科学，2025（6）：177-192．
［34］ 何苑，张洪忠．主流大语言模型呈现中华文化符号：智能拟态环境的建构［J］．现代传播（中国传媒大学学报），2024（12）：64-75．
［35］ 相德宝，吴艳．中华文化价值、价值偏向及传播策略研究——以国际生成式人工智能平台为研究对象［J］．对外传播，2024（6）：56-60．
［36］ 习近平谈治国理政：第5卷［M］．北京：外文出版社，2025：466．
［37］ 杨岚．全国政协委员张云泉：从算力经济到词元经济［N］．人民政协报，2026-04-10（11）．
基金项目：北京市习近平新时代中国特色社会主义思想研究中心重点项目“北京建设全球数字经济标杆城市的生动实践研究”（25LLYJB143）
引用格式：李国庆．“人工智能+”背景下词元经济的技术内涵、产业逻辑与治理体系［J］．统一战线学研究，2026（4）：99-110．
