日均词元调用破500万亿，Token经济学如何重构算力、模型与语料

质检线上，人形机器人从料框取件送入检测柜，完成检测后将成品分流。抓取入柜、多项目质检、成品分拣，机器人与工人同线协作，流程连贯。

一次看似简单的抓取，背后串联起感知、判断与执行。智元2026年9月公开的具身模型中，一帧画面可编码为24个视觉词元（Token），相关实验还展示了模型生成连续动作的低延迟能力。但要算清抓取成本，不能只数视觉词元，还需综合推理耗时、芯片功耗、执行成功率和设备投入。

这引出智能经济的两块硬成本：一端是模型处理信息的词元用量，另一端是硬件和系统完成任务的实际成本。Token正成为连接模型服务、推理算力与数据供给的重要计量接口，但尚不是衡量所有智能作业价值的唯一尺度。

图1 精灵G2人形机器人在3C产线质检工段作业

电力按“度”计量，模型服务按“词元”计费。Token经济学正加速渗透至更广泛的应用场景。9月11日，工业和信息化部信息技术发展司副司长王威伟在新闻发布会上披露：截至2026年6月，我国日均词元调用量已突破500万亿。当智能走向生产现场，这把尺子如何把算力、模型、语料组织起来，又如何进一步走向真实的生产力？

词元是模型对文本等信息进行编码和处理时使用的离散单位。在大模型API服务中，输入和输出通常按词元统计、计费；图像、声音和动作也可采用各自的词元化或其他表征方式，但不同模型的词元并不天然等价。清华大学教授、智谱AI创始人唐杰指出，词元具备“可计量、可定价、可交易特性”，可类比石油时代的“桶”和电力时代的“度”。

计量首先改变了购买方式。例如，上海移动推出“算力豆”，让用户以相对直观的额度方式购买和使用模型服务，使用量也能计入通信服务账单。对企业而言，按词元计价意味着可拆分不同部门、不同任务的模型使用成本，助力精细化预算管理。

价格体系也在细化。DeepSeek自8月起探索峰谷时段定价，9月10日又调整Flash系列模型价格：闲时每百万词元的缓存命中输入价为0.02元，高峰时段为其两倍。这里的0.02元是特定模型、特定时段、特定缓存条件下的输入价格，并不代表所有词元的统一价格。

国际科技企业也开始用词元观察需求与效率。谷歌在2026年第二季度业绩披露中表示，Gemini模型每分钟处理约220亿个API词元。英伟达同期数据中心业务收入为890亿美元，其负责人强调AI算力正形成可持续商业收入；公司还披露了新平台降低单词元生成成本的技术进展。调用量、收入和单词元成本虽属不同指标，却共同反映推理服务正走向规模化经营。

不过，Token计量的尺子仍需校准。不同模型的分词方式、缓存策略、模态类型、输出质量和计费口径各异，不能简单用“每百万Token多少钱”横向判定性价比。Token计量规范的编制和探索，正是着眼于跨模型用量比对和平台计费透明度等问题。

由此，Token经济学的第一层含义逐渐清晰：它让智能服务更容易计量和定价；但最终决定采购与部署的，仍是同等质量下的总成本，以及为用户创造的实际效果。

对算力产业而言，问题正从“建成多少算力”转向“能稳定交付多少有效推理”。浦东正集聚芯片、算力平台和应用企业，产业规模与算力供给相互支撑，但算力能否转化为收入，还需经过模型适配、系统调度与应用交付的检验。

9月11日，扎根上海的燧原科技登陆科创板，开盘市值超1700亿元。上市当天的行业报道指出，市场评价算力的方式正逐步从硬件配置转向Token生成效率和交付质量。这一变化并非意味着算力卡、服务器、云不再重要，而是客户更关心：在给定预算与服务质量约束下，芯片和集群究竟能承载多少真实请求。

燧原科技董事长赵立东重点提及了正在持续推进的“芯模协同”。这种“芯模协同”的上下游深度合作模式，推动国产算力适配、芯片开发与模型开发同步进行，形成软硬件“双向奔赴”的生态共建格局。据其回忆，合作早期客户模型一升级，补齐算子和功能往往需要一至两个月；如今部分适配已缩短到两三天，个别场景只需数小时。

图2 2026世界人工智能大会期间，燧原科技展台

从一两个月缩短至两三天，变化不只是研发流程加快：模型迭代后的闲置等待越少，算力就越有机会及时转化为可交付的推理服务。

芯片架构也在探索新的效率空间。7月18日浦东人工智能产业融合创新推介会上，张江企业东方算芯的DF1000近存计算芯片作为区域人工智能标志性成果展示。近存计算所追求的，是减少数据搬运产生的时间和能耗开销，但实际收益还需结合负载与部署条件验证。

算力系统则在调度层继续挖潜。据无问芯穹披露，其发布跨集群异构推理架构，在特定测试条件下首词元等待时间降低51.5%，单词元成本降低37.5%。这些数据反映其测试场景的优化效果，不宜直接推算为所有业务的普遍收益。

因此，“丰产词元”比“暴力堆卡”更接近推理时代的经营底层逻辑。吞吐量、首词元延迟、连续输出速度、可用率、能耗、模型质量以及每项任务的综合成本，只有多指标一起看，算力效率才有商业意义。

三、模型与端侧：把一次抓取算在机器人身上

模型是连接算力和应用的核心环节，芯模协同更形成“1+1>2”的放大效应。在给定算力下，能产出多少可用Token，取决于模型结构；这些Token能否转化为动作，则取决于感知、规划和控制系统。回到开头那次抓取，逻辑会更清晰：视觉编码更紧凑，可能减少后续推理所需处理的信息量，从而为实时控制争取空间。但Token少并不必然意味着动作更快，它还取决于模型架构、硬件运行和控制闭环。具身智能体之所以被视为潜在的大规模Token使用者，正因为它需持续感知环境、不断预测并作出响应。

端侧计算进一步改变这本账，云边端协同、算网协同等技术为毫秒级响应提供技术挖掘潜力。机器人不能在每次动作时都等待云端响应。9月15日发布的一款开源端侧推理引擎，在公开测试中将一款具身模型的端到端推理延迟由278毫秒压缩至26毫秒以内。对动态作业而言，推理延迟和网络依赖往往比单纯的词元单价更直接影响可用性。