——一個計量單位的變化，正在改寫成本、定價與組織的基本假設

當智力的產出第一次可以被計量、比價和交易，經濟學會遇到什麼?10月26日下午，中信出版集團與騰訊研究院舉辦《Token經濟——當智力成爲一種可計量的服務》交流論壇。來自經濟學界、研究機構與產業一線的嘉賓，給出了並不一致的答案。

據國家數據局數據，中國日均 Token 調用量從2024年初的約1000億增長至2026年6月的500萬億，兩年增長超過數千倍。而實際應用中，“單價越來越便宜”與“賬單越來越貴”兩種現象同時出現，構成貫穿全場討論的核心張力。

image.png

Token，一個計量單位的出現

《Token經濟》作者之一、騰訊研究院高級研究員白惠天把 Token 視爲理解這個時代的切口:它代表一次度量單位的變化——既是大模型處理信息的最小單元，也是產品與服務計費的最小單位。就像蒲式耳、桶、千瓦時分別用來計量糧食、石油與電力，Token 是第一個用於計量機器智力產出的單位。

知名金融學者、財經作家香帥也認爲，人們現在會說“一滴水”、“一度電”，很快也會說 Token。她補充，智力正被從人身上剝離、製成工業品，而工業化的特徵是產品越來越高級、價格越來越便宜。

但兩人同時提醒:不能只看 Token 的數量。白惠天舉例，消耗同樣的 Token，用它修改一封郵件，與用它發現合同漏洞、規避數十萬元損失，價值完全不同——這正是書中的核心判斷:成本按 Token 線性計量，價值卻按任務後果非線性展開。

當供給不再稀缺，價值從哪裏來?

白惠天提醒，智力可近乎無限供給，人的注意力卻仍有限:寫一篇文章的時間壓縮到半小時，省下的時間可能被更多工作填滿，人未必被解放，反而更忙碌。

《Token經濟》作者、新可能實驗室發起人袁曉輝把判斷推進一步:有了 AI 的智力供給，瓶頸已從“能不能做出來”移到“能不能變成價值”。她舉例，深圳兩名初一學生手搓的番茄鍾小程序畫面精美、獲數萬點贊，但尚無人付費;AlphaFold 讓蛋白質結構發現變容易，但能否做成靶向藥物，仍取決於來自現實反饋的後半段。“創新並沒有被 AI 突破，後面這一節纔是瓶頸。”

香帥認爲，人的“專用智能”並沒有消失——創造力是用獨有的生命經驗調用通用智能。因此需求不在傳統"大共識"裏，而在微小場景中:抽象需求要在場景中被發現、與用戶共創、沉澱爲數據，再形成複利，即她總結的4C 框架（場景、共創、共識、複利）。

Token 經濟不經濟?一份質疑與三種迴應

在圓桌論壇上，騰訊研究院副院長李剛以《Token 不經濟》一文切入，提出四點觀察:廠商輕量模型的 API 調用價格未如預期下行，反而走高;Agent 帶來上下文重複調用，大量 Token 被浪費;產業鏈利潤越來越集中在上游;下游尚未找到穩定現金流場景卻已先行投入，風險在產業鏈聚集。

袁曉輝指出，許多成本問題需通過工程手段解決，緩存命中與未命中的價格可相差約50倍，輸入側成本結構已被重寫。白惠天提出，在調研中觀察到，到企業開始"智能預算管理"決策:同樣一件事，究竟是買 Token 划算，還是僱人划算。

騰訊 WorkBuddy 北區客戶成功負責人張文昭在主題分享中，用一線的 AI 賬單提供了實證。WorkBuddy 定位爲“全場景的企業 AI 原生工作臺”，在他看來，辦公正從工具辦公、協同辦公進入數字員工辦公階段。他分享了三個案例:騰訊內部 HR 團隊400多人在三個月內基於 WorkBuddy 上線3600多款應用，而過去提一個系統給到IT 團隊往往按月交付，現在 HR 自己就可以手搓生產應用;一家制造業客戶的一名員工用WorkBuddy4天做出產線監控軟件，爲企業節省上百萬軟件成本;從事教育的老師利用WorkBuddy將備課時間從一天縮短至幾十分鐘。

張文昭同時給出一個成本路徑思路——“先用的廣，再用的深，然後纔是賬單價值的最大化”。例如，文案類任務不必調用昂貴模型，編程等高價值任務則值得用好模型。

未來，公司還會存在嗎?

香帥認爲，公司存在的最重要理由之一是節約交易成本，而數字化工具持續降低協作成本、智能又可被隨時調用，組織就會走向扁平與降維，直至"一人公司"。人作爲技能的組合，未來更可能走向"任務與技能的匹配"。她強調，這是一輪"要素革命"——當智能成爲基本投入，組織結構與生產方式都要圍繞它重組，而其中最難的是組織變革。

李剛提出，由於組織的某些功能是結構性的，不會因爲 AI 而消失——比如，法人制度讓責任以投入資金爲上限，使失敗者還有再站起來的機會;組織還能分擔風險、承擔更大的目標，並非所有事都適合一人公司;組織還承載身份認同等社會功能。

圓桌討論的不同觀點共同勾畫出一條邊界:組織形態會演化，卻不會消失;而決定轉化效果的，恰恰是組織自身的變革能力——這與《Token經濟》書中的一個判斷相呼應:只接入 API、不做配套組織變革的企業，生產率提升接近於零。

人的位置:從"可以擔責"到"不掉車尾"

討論最終落回人本身。袁曉輝提出，人的下一個比較優勢恰恰是“可以擔責”——Agent 有無限耐心，而人能爲結果負責。李剛也認爲，人與人之間真實的連接會越來越珍貴。

香帥提醒，技術必然呈現一條先降後升的 J 曲線，“社會需要一點點阻尼”:車頭已經很快了，怎麼讓所有人"不掉車尾"。

image.png

這場論壇沒有給出最終答案，但所有討論都落在同一個位置:當智力成爲可被計量的生產要素，真正需要回答的不是“Token 值多少錢”，而是人被安放在哪裏。

今年1月，騰訊研究院院長提出AI 應當“讓人放心、把人放大”的主張。落到 Token 經濟的語境裏:讓人放心，意味着智能服務需要可解釋、可追責，有人對結果負責;把人放大，則意味着技術應當擴展而不是替代人的判斷力、創造力與承擔責任的意願。

從蒲式耳、桶、千瓦時到 Token，計量單位的更迭從來不只是記賬方式的變化，它最終要回答的，仍是效率提升之後，人能否獲得更多可支配的時間、更可靠的保障與更充分的發展空間。這也正是《Token經濟》一書的落點——Token 經濟的終點，依然是人。