科技日报记者 操秀英
在近日举行的2026中国国际大数据产业博览会上，腾讯副总裁、腾讯研究院院长司晓在“词元——数据要素价值释放新路径交流活动”的主题演讲中提出，词元（Token）是机器智能的最小单元，也是智能时代最显性的脉搏。AI看似是软件形态，但其生产具有刚性物理成本，商业模式不能简单套用互联网时代的逻辑。
司晓在演讲中披露了一组增长数据来说明国内Token消耗实现爆发式增长：2024年初，全国日均消耗约1000亿Token，到2026年6月已攀升至日均500万亿。个体层面同样出现超高消耗案例，国外“技术大神”单月消耗1200亿Token，国内一名文科研究员依靠智能体自动执行任务，短时间累计消耗超300亿Token。司晓分析，Token暴涨并非完全来自人类直接提问，更多来自AI智能体执行长程自动任务，机器端调用推动Token消耗实现指数级抬升。
司晓回忆，此前在中国数字经济年会上，他曾向国家数据局局长刘烈宏请教，如何理解“Token能够卖钱，而大数据不一定能直接卖钱”这一现象。刘烈宏的回应给了他很大启发：Token本身能够商业化，恰恰说明它是大数据实现价值转化的一种方式，也是数据要素变现的重要例证。
司晓进一步表示，原始数据需要先完成Token化，再经过模型和算力加工，最终转化为可对外售卖的智力服务。与边际成本趋近于零的互联网产品不同，AI每生成一份Token，都对应着真实的算力、存储和电力消耗。参照行业测算，Token硬成本中约70%来自芯片、存储、电力等硬件基础设施，算法贡献占比约为20%至30%。从这一成本结构看，AI虽然呈现为软件形态，底层却越来越具备重工业特征。
AI行业存在“双时钟迭代”现象。软件算法迭代快，模型榜单迭代周期往往只有十几天；但供给侧硬件与能源存在长周期约束，HBM（高宽带内存）扩产周期12—18个月，GPU大规模部署需要18—24个月，数据中心、电网建设周期可达数年。软件可以快速拉高AI需求，但硬件基建的建设节奏，约束着整个行业的供给上限，如同自动驾驶车辆性能快速提升，但总行驶里程受路网承载力制约。这也意味着，AI商业测算不能照搬互联网软件的逻辑。
在司晓看来，模型决定能力上限，但工作流、调度框架决定产品留存与商业变现。当前行业已经出现从单纯比拼模型能力，转向重视上层应用框架的趋势。Cursor、CodeBuddy等产品，核心竞争力不在于底层模型，而在于可兼容多模型的上层使用框架，用户对操作界面、工作流程形成使用习惯，由此产生新的网络效应。
他也提醒行业警惕“唯Token消耗论”。过去部分内部竞赛把Token消耗量当作能力标尺，甚至出现人为刷量作弊。企业要直面现实问题，Token账单快速上涨，个体实现效率提升，不等于组织整体收益同步增长。如果成本由企业承担、收益归个人，缺少约束就容易出现无效消耗。行业竞争正在从比拼消耗多少Token，转向“驾驭工程”，用好调度框架，实现成本与产出的匹配。
谈及腾讯AI实践，司晓介绍，8月28日，腾讯正式发布混元4大模型。面向微信海量用户场景，模型会做轻量化适配，把成本控制放在重要位置。他认为，普惠AI，要追求成本、能力、场景三者匹配，要算得过账，才能服务十亿级规模用户。
司晓还分享了组织形态的变化。腾讯研究院打破传统科层制，以AIHub为核心，采用任务制临时组队，依托AI消解层级带来的信息损耗，探索智库机构的新型协作模式。他介绍，腾讯出品的《Token经济：当智力成为一种可计量的服务》新书正式发布。马化腾为该书作推荐时提出，Token是机器智能不可切割的最小单元；技术的价值不仅在于创新，更在于普通人能够用得上、用得起、用得放心。司晓表示，面向未来，行业应当思考如何实现“让人放心、把人放大”的AI普惠目标。
网友评论
