词元的三个名字：智力服务第一次有了计量单位

一、一本新书，把词元讲成一条产业链

2026年10月21日，由腾讯研究院和金融科技50人论坛联合学术支持的“词元经济理论、实践与政策研究”成果——《一本书读懂词元经济》，在2026金融街论坛年会金融街之声“金融街发布”活动上正式发布。该书由杨涛、杜晓宇主编，人民日报出版社2026年10月出版。

杜晓宇是腾讯研究院副院长。序言里他交代了自己的路径：2003年大学毕业后进入人民银行系统，先后在条法、支付结算岗位工作，后到中国支付清算协会从事金融科技领域的自律管理，再到腾讯研究院。几段经历都与 Token 这个词有关，这本序言因此带上了行业史与个人经验交织的写法。

序言要回答的问题并不轻：词元经济与已经耳熟能详的数字经济、数据要素是什么关系，产业边界划到哪里、统计口径怎么定，计量该用哪把尺子，商业模式靠什么走通。原文的组织方式是先给定义，再讲动力，最后落到定价与人的位置。

二、同一个词，二十多年换了三次身份

Token 在中文里没有唯一译名，原文按时间顺序给出三次改名，每一次都踩在一轮技术浪潮的节点上。

原文提到，翻译方案还有分词、词元、智元等几种，作者在几次发言中都建议统一为“词元”，理由是“信、达、雅都具备”，也避免了翻译中需要规避的地方。至于词元经济中的“词元”，原文明确不再赋予玄乎的新含义：它就是大模型处理信息的最小单位。所谓词元经济，是以这个最小单位为计量基础，把围绕词元的生成、流通、交易和应用串起来的一整套智力服务新业态。

这里有一处容易被忽略的表述：原文强调，即便将来不用词元计价、或者词元消耗减少了，也不影响“词元经济”这个名称成立。“银发经济说的不是白发，冰雪经济说的不是冰天雪地”，词元经济所代表的不是 Token 这串字符，而是它背后正在长出来的那条产业链。

三、词元的份量：智力第一次有了标准化计量单位

原文认为，词元真正的份量在于它让“智力”第一次有了标准化的计量单位。在这之前，智力服务的价钱总和人绑在一起：咨询按人天报价，律师按小时核算，翻译按千字收费。算的都是“谁干了多久”，不是“交付了多少脑力成果”。智力没法从具体的人身上剥离出来，自然也没法标准化地定价和交易。词元改变了这件事——一次法律咨询的来回，可以用词元数量计量出来，智力服务从此有了类似电力行业“千瓦时”那样的标尺。

按：这个类比在普惠金融语境里值得停一下。“千瓦时”能成为标尺，靠的不只是单位名称，而是电的同质性加上统一的计量与结算体系。词元要走到那一步，需要的是可核验的计量、可比的报价与可执行的结算规则。

原文自己把边界划得很清楚：词元和千瓦时不一样。电是同质的，一度就是一度；不同模型、不同任务产出的词元，智能密度差得远。所以词元作为计量单位是成立的，作为价值尺度，还得再乘上一个质量系数。

四、词元经济因 Agent 而兴

原文把词元经济的兴起放在 2026 年的一个变化上：主流模型之间的差距在收窄，竞争的重心从“谁的模型更强”挪到“谁能把模型用好”。模型本身只是发动机，真正让产业起来的是 Agent——它把模型嵌进具体的业务流程，分解任务、调用工具、串起一整套工作流，词元的消耗才从对话问答的小尺度，跳到驱动业务的大尺度。

门槛主要在工程上，不在模型本身。原文给出一组印象很深的数字：同一个模型，一字没改，只换了外面的工程框架，编程任务的成功率就能从 42% 跳到 78%。Agent 要真正在一个行业里跑通，背后是大量的数据治理、流程改造、知识沉淀和权限设计。

也正因如此，原文对“只把钱砸在算力”持保留态度。如果消耗端停留在让大模型陪人聊天、替人写文案，词元的增长就只是简单的内容替代；智力成果被大批量供给，而可承接智力的真实业务没有同步增长，结果就是智力产能过剩，而且往往是低水平的智力产能过剩。真正的增量来自 Agent 对金融、医疗、法律、制造、政务、教育、跨境贸易等行业的带动——那些原本因人力成本高昂、专业门槛太陡而效率低下的业务，因为 Agent 能以可承受的成本介入，开始变得可落地推进。

原文举了一个数据交易的例子：原始数据一旦出库，权属和安全都难以管控，可不出库又卖不动。换个思路，把数据先分层处理、再训练成垂直 Agent，对外开放的不是数据本身，而是模型与 Agent 的能力，按调用计费、按场景结算，数据“可用不可见、可用不可取”，交易反而走通了。

关于所处阶段，原文的判断是“还很早”，并给出 Agent+ 的三个阶段：

1. 拿着锤子找钉子。技术先铺开，到处试场景。
2. 把体验做到极致。每次大模型迭代、每次 Agent 升级，都把很多应用变成内化的组件，最后大概会出现一个 AI 领域的 Office，使 AI 可以被便捷、标准化地使用，使用 AI 越来越不需要复杂的准备工作。
3. Agent 也许能完全替你思考。自我迭代、自己干活，再去找其他 Agent 干活，考验的是 Agent 对用户的理解能力和自进化能力，而非用户的提示词。

五、定价：按数量算的是成本，不是价值

原文指出，目前主流的计价方式是“按词元数量计费”或“按订阅打包”，两条路都有结构性的毛病。

国际上已经有人在试新路子，比如按解决的工单收费、按完成的合同收费，把计价标准从供给侧的“用了多少”转向需求侧的“做成了什么”。中国市场的难处还要更深一层：C 端用户习惯免费，B 端习惯了打价格战，主流模型的 API 标价只有美国同类的一到两成甚至更低。厂商一边要扛同等量级的研发投入，一边要在低得多的回报水位上参与竞争，盈利空间被两头挤。原文因此提出，这可能不是单个企业扛得动的，需要政策引导市场回归价值定价。

衡量词元经济的成色，原文建议换一把尺子：别只数它消耗了多少词元，更要看每一单位词元产出了多少经济价值。就像看一个国家的电气化水平，不能只看发了多少度电，还得看每度电创造了多少 GDP。

六、人与 AI：三项加起来才是人的位置

原文不认同一种流行说法——“会用 AI 的人不会被淘汰，不会用的才会”。它把冲击分成两层看。一层是岗位：被替代其实不是因为不会用 AI，而是因为干的活不如 AI 干得好、干得便宜；但这样的场景很少，往往是一些成本原因导致的裁员被包装成了高大上的 AI 裁员叙事。另一层是行业：有些行当会整个消失，这时会不会用 AI 都留不住人，唯一的出路是带着原来的本事，转身加入被 AI 重塑过的新行业。等哪天 AI 工具普及得像 Word 一样，会不会用 AI 这道槛本身也就不存在了。

• 人的 AI 次方，讲输入端。AI 以指数级放大人的认知边界，一个人借助 AI 能接触到的信息、能调度的工具、能快速掌握的能力，比过去高出几个数量级。
• 人乘以 AI，讲补短板。不会写代码的人可以借助 AI 写出能跑的程序，不懂法律的人可以借助 AI 看懂一份合同。但如果你对相关知识一点都不了解，人的数值是 0，这个算式其实无意义；在完全不懂的领域，不可能靠 AI 做出真正有价值的内容，往往产生“数字泔水”。
• 人加 AI，讲强强联手。在人本来就擅长的领域，AI 是一把放大器。AI 技术水平相当的情况下，人才是根本：擅长做 PPT 的人，AI 能帮着处理得更快，但不一定比自己做得好；汪曾祺讲写文章要有文气，擅长写文章的人大概看不上完全用 AI 生成的内容，会觉得文字平平，改起来却很麻烦。

三项加起来，才是词元经济里人的位置。人不是被替代，也不是简单地会用 AI 工具，而是借着 AI 把自己的认知、能力、判断推到更远的地方。

七、按：三个可以接进普惠金融研究的问题

这本书的价值或许不在结论，而在把词元经济从一个技术名词还原成一串可以讨论的经济学问题：计量、定价、组织与人的位置。原文自己也说，书里的判断过几年回头看，对的会有，错的恐怕也不少。对研究者而言，能被证伪的判断，比漂亮的论断更有用。