近期，科技巨头 Meta 打算出售富余算力的消息引发了市场对 AI（人工智能）算力过剩的恐慌。对已经在搞 "AI 基建 " 的企业来说，如何让高昂的算力投入真正转化为可计量、可交易、可闭环的业务价值，成为当前的首要问题。

7 月 2 日下午， 一场主题为 "Token 普惠：交付可见价值 重塑 AI 效能 " 的沙龙在北京举办。业内人士在会上指出，AI 要落地，单纯强调技术，不明确价值计量规则的商业模式肯定是无法跑通的，需要一个 " 统一度量衡 "，也就是 Token（词元）。

不过，当前国内 Token 定价仍以成本为核心基准，尚未建立与任务完成度、产出价值挂钩的定价机制，质量评估主要依赖用户主观感知，行业存在计费不透明、计量标准混乱、价值匹配脱节等问题。

Token 成为 AI 时代 " 统一度量衡 "

Token 经济在这一轮 AI 浪潮里扮演着不可或缺的角色。

中国信息通信研究院信息化与工业化融合研究所副所长、高级工程师黄伟认为，AI 要落地，单纯强调技术，不明确价值计量规则的商业模式肯定是无法跑通的，需要一个 " 统一度量衡 "。在工业时代，" 度量衡 " 是电力；在互联网时代，" 度量衡 " 是流量；在 AI 时代，" 度量衡 " 是 Token。

黄伟称， Token 是算力资源的一个量化凭证，实际上扮演的是智能服务的计价媒介，将无形的技术能力转化为可核算成本的有形商品，承担连接 AI 技术与经济价值的桥梁作用。

中国⼈⺠⼤学⾼瓴⼈⼯智能学院副院⻓、教授魏哲巍则指出，大模型的训练如同 " 上学 "，是一次性投入；而如今产业界更关注的推理阶段则像 " 上班 "，每一次智能调用都在实时计费。企业采购 Token，本质购入是可复用、可规模化落地的工程能力与组织能力。他预判，未来 Token 定价将分层分化：基础业务搭配低成本轻量化模型，复杂决策场景搭载高性能大模型，企业必须精准核算不同场景下 Token 投入的效费比。

联想集团副总裁、中国首席战略官、中国技术管理委员会执行主席阿不力克木（以下简称 " 阿木 "）认为，未来，因为技术创新等因素，单位 Token 成本会持续自然降低。他同时提到，随着企业用量增加，Token 总成本一定会上升，当总 Token 成本与总价值曲线相交跨越 " 奇点 " 时，AI 价值将迎来爆发，但目前国内多数企业尚未到达这一阶段。

至于谁有望率先突围，据阿木判断，未来数字化水平极高的头部企业和 AI 原生初创公司有望率先跨越奇点；而数量最庞大、处于中间段的传统企业，则因数字化基础薄弱，极易在看到 " 创新红利 " 前陷入算力支出的 " 成本黑洞 "。

值得一提的是，阿木还就近期的热门话题："Meta 计划出售算力砸崩科技股 " 一事进行了评价。他认为，从长期看，无论中国还是海外市场，AI 算力需求仍有很大空间，没有出现算力过剩的情况。需要注意的是，C 端的成熟头部 AI 产品数量有限，面向企业的 B 端商业化落地潜力尚未充分释放，AI 产业链存在供给侧的话语权过强的问题，导致了结构性供需失衡。Token 价值要全面释放，还需要推动供给侧与需求侧的平衡发展。

业内呼吁统一 Token 计量基准

目前，Token 这个重要的单位并没有明确的价格指引或行业规范。随着下场的玩家越来越多，供应商也开始打起了 " 价格战 "，Token 套餐看似越出越便宜，有的还绑定不少产品，但里面的 " 坑 " 也不少。

黄伟进一步指出，目前定价问题主要集中在三方面：一是计费不透明，部分服务商存在最小计费单位设置不合理、暗中降低模型精度压缩成本的问题，用户无法感知实际算力与模型版本情况；二是计量标准混乱，不同厂商对文本、多模态内容的 Token 切分规则不统一，同内容不同厂商的 Token 消耗量差异可达数倍，用户无法横向比对成本；三是价值匹配脱节，当前 Token 消耗无法直接映射业务产出价值，多模态场景下成本预判误差极大，算力投入回报率难以量化。

在黄伟看来，上述问题需要产业各方共同推进。服务商需常规披露所用算力型号、模型版本等信息，保障用户知情权，不同配置对应差异化定价，不得后台随意切换服务标准；行业需统一计量基准，参照移动流量计量体系，建立全行业统一的 Token 计量基准与标准化核算工具，保障不同主体的 Token 计量具备可比性；相关部门需负责顶层设计与标准制定；技术平台方负责基础设施优化；应用方则负责场景落地与价值沉淀。