（本文作者孙华平，山东财经大学北京研究院学术副院长）
一、词元经济的兴起与核心逻辑
词元（Token）是大语言模型处理文本的最小语义单元。在中文语境下，一个汉字通常对应1个至2个词元。模型的输入与输出均以词元为基本运算单位，每一次计算所消耗的算力、电力与硬件损耗，都与处理的词元数量呈正相关。因此，词元不仅是技术概念，更是将AI能力商品化的天然度量衡。
随着大语言模型商业化进程加速，“按词元计费”正在成为人工智能服务的主流定价模式。这一转变标志着AI从免费公测阶段进入精细化运营的产业周期，也催生了一种新型经济形态：词元经济。
词元经济的运行逻辑可以概括为三个特征。
第一，精确计量。每一次AI交互都被拆解为可量化、可追踪的词元消耗；
第二，供需定价。不同模型、不同时段的词元单价存在差异，价格由算力供给、模型负载和市场需求共同决定；
第三，价值衍生。词元本身并非最终产品，而是生产其他价值的中间投入。用户购买词元的目的是换取模型输出的信息、创意、决策支持或自动化服务。
因此，词元经济的本质是“以算力换智力”的间接交易，这一转型要求参与主体完成从“流量思维”到“词元思维”的范式转换。在流量经济时代，平台关注的是用户时长与点击量；而在词元经济时代，核心指标转向了单位词元的产出价值。过去可以随意尝试的多轮对话、冗余描述和模糊指令，在按词元收费的约束下将直接转化为可计算的成本。
这意味着，使用AI的能力不再仅仅是“会不会提问”，而是“能否以尽可能少的词元投入，获得尽可能高质量的产出”。
二、参与主体的核心能力维度
词元效率可以定义为：单位词元消耗所带来的有效产出价值。用公式表达为：词元效率=产出价值/消耗词元数。其中，“产出价值”具有高度情境依赖性。对内容创作者而言，可能是文稿的可发布质量与传播效果；对企业而言，可能是决策信息的准确度与行动效率的提升幅度。
为了直观说明词元效率的差异，考虑以下两个向同一模型发出的指令：
指令A（低效型-约10个词元）：“写一篇关于环保的文章。”指令B（高效型-约60个词元）：“请以环境经济学的研究视角，面向城市白领群体，撰写一篇1200字的科普短文，主题为‘家庭碳足迹的五个主要来源与减量策略’，要求引用近三年的实证数据，语言通俗但不失专业感。”
直观上看，指令B消耗的词元是指令A的六倍。然而，指令A输出的内容往往过于泛化，需要用户花费大量时间进行二次编辑、核实数据和调整结构；指令B输出的内容则基本达到可直接使用的水准，节省了后续加工成本。因此，从完整工作流程的总成本（词元消耗+用户时间投入）来看，高效型指令的综合成本反而更低。这表明，词元效率不能仅看单次交互的词元数量，而应放在任务完成的全链条中评估。
提升词元效率需要从三个层面入手。第一，结构化表达——将模糊的开放式问题转化为包含“角色设定、任务目标、输出格式、约束条件”等要素的结构化提示词，这不仅减少了模型反复追问所消耗的额外词元，也提高了首轮输出的可用率；第二，语境压缩——学会用精练的术语和短语替代冗长的描述，例如“正式+紧迫+需确认”三个词元组合，可能比“请帮我写一封正式一点的、比较紧急的、希望对方收到后确认一下的邮件”更高效；第三，迭代策略优化——对于复杂任务，采用“先粗后精”的分阶段策略，先用少量词元让模型生成框架，确认方向正确后再投入更多词元进行细化填充，避免因方向偏差而导致的词元浪费。
三、从词元消费者到词元投资者
如果说词元效率解决的是“如何降低成本”的问题，那么更高阶的战略思考则是“如何用词元创造收益”。这一转向的核心，是从被动消耗词元的消费者角色，转变为主动配置词元以获取回报的投资者角色。
在词元经济框架下，词元是一种具有生产性的中间品。用户支付词元成本，换取AI模型输出的信息、内容或决策支持，进而将这些产出应用于具有变现能力的场景。这一过程与资本投资高度相似：投入（词元成本）—生产过程（模型推理）—产出（可用成果）—变现（获取收益）—再投入（购买更多词元）。因此，词元投资的核心指标是词元回报率，即单位词元投入所能带来的经济回报。当词元回报率大于1时，使用AI的行为本身就是盈利的。
哪些场景具有较高的词元回报率？分析表明，以下三类场景尤为突出。
第一，内容生产规模效应显著的任务。例如电商商品详情页生成、社交媒体多账号运营、SEO文章批量生产。在这些场景中，一套高质量的提示词可以反复使用，边际词元成本趋近于零，而每份产出都能独立变现。
第二，信息不对称程度高的专业领域。法律文书初审、医疗建议初筛、财务报告解读等任务，普通人难以独立完成，但AI可以借助精心设计的提示词提供高质量初稿。掌握专业知识的用户可以将自己的领域判断力与AI的生成能力结合，以较低词元成本输出高市场价值的服务。
第三，决策优化空间大的业务环节。A/B测试方案生成、广告文案多版本批量产出等，增加词元投入换取更多备选方案，能够显著提升最终决策质量。
以一名内容创作者为例：他每月购买价值100元的词元配额，用其中一部分生成40篇初稿，筛选出10篇进行精修后发布，带来的收益约3000元。在这一模型中，词元投资回报率达到30倍。这意味着，在词元经济时代，限制产出能力的瓶颈不再是时间或体力，而是能否设计出高回报率的词元使用策略。
四、词元经济兴起催生新的市场角色和价值链条
词元经济的兴起是人工智能从实验室走向产业化、从免费服务转向可持续商业模式的必然结果。从参与者的角度看，需要关注结构性机会并注重风险识别与防范。
第一，提示词资产的开发与交易。一个精心设计的提示词能够大幅提升词元效率，具有明确的商业价值。随着词元经济的深化，专业的提示词交易市场正在形成。创作者可以将自己打磨成熟的、针对特定场景的高效提示词作为数字资产出售。这一市场的参与者不需要是AI技术专家，但需要对特定场景有深刻理解。例如，一套用于生成特定平台文案的提示词，其价值取决于创作者对平台调性、用户心理和文案套路的把握程度。
第二，垂直领域的词元精炼服务。通用模型在专业细分领域往往缺乏深度，这催生了“词元精炼师”这一角色。他们通常是某个垂直领域，比如法律、医疗、金融、教育等的资深从业者，核心能力是将专业知识转化为高效的词元指令，从而引导AI输出符合行业标准的专业内容。这种模式的本质，是将隐性专业知识显性化、标准化、可复用化，从而创造新的价值增量。
第三，词元数据分析与优化咨询。当越来越多的业务流程依赖AI生成，组织内部会产生大量的词元消耗数据。词元数据分析服务可以帮助企业识别词元消耗中的冗余环节、优化提示词以降低单位产出成本、设计词元预算分配方案。这一角色不需要深入模型底层技术，但需要具备数据分析基础和对业务流程的理解。
与此同时，参与者需要清醒识别并管理潜在风险。首先是词元定价波动风险。应对策略包括采用多家模型提供商的混合使用策略、关注长周期预付费套餐、建立动态监测机制；其次是模型迭代导致的提示词失效风险。提示词具有一定程度的“保质期”，开发者应建立版本记录与回归测试机制；最后是词元投机的认知误区。词元不具有货币属性，技术进步会持续降低单位词元的实际成本，理性的策略是将词元作为生产工具使用，而非作为价值储存手段。
在未来，词元在经济上的深化将促使人们更加审慎地提出问题、更加精确地表达需求。
（塔里木大学江承凤教授对本文亦有贡献）
第一财经一财号独家首发，本文仅代表作者观点。
孙华平
相关阅读
壹快评｜桂林旅游业负面不断，别让“吃老本”思维毁了金字招牌山水美景是上天的恩赐，却不是店大欺客的资本。
21039 05-21 23:28
医院AI“打工人”密集上岗：医疗管理软件商业化进入验证期AI渗透医院运营管理，痛点更多来自客户积累和服务经验，而非单纯的技术领先性。
13444 05-13 20:51
中国移动押注AI硬通货，传统的流量逻辑变了中国移动正从传统的流量运营商转向以词元为核心的智能经济基础设施运营商。
7833 05-11 17:27
增强法治思维，强化综合治理，下好绣花功夫！陈吉宁围绕支持和服务新就业群体发展，在基层一线调研强化综合治理，下好绣花功夫，不断提升人民群众的获得感、幸福感、安全感。
390 04-10 20:02
上海商办楼宇更新转向资管思维，130多个项目集中链接新业态商办楼宇的“再造”，需将思维从开发角度转向资管角度做转变，更好赋能城市整体发展。
528 04-10 18:51 一财最热 点击关闭诚利和提示：文章来自网络，不代表本站观点。
