編者按
詞元經濟正在打開經濟學中長期被視爲“黑箱”的技術進步過程，使知識參與價值創造的方式首次變得可觀測、可計量。當前，圍繞詞元經濟湧現的一系列新問題，呼喚理論研究的前瞻回應。自本報有關詞元經濟研究系列報道及徵稿啓事發布後，我們得到廣大讀者的積極回應，已經收到大量高質量來稿。稿件研究視角多元，反映出詞元經濟作爲智能經濟新形態的核心議題，已引起學術界與產業界的廣泛關注。鑑於報紙版面容量有限，同時爲增強研究成果發佈的時效性，中國經濟時報在微信公衆號推出“詞元經濟研究”欄目，選登部分優秀來稿及後續系列文章，旨在匯聚各方智慧，爲智能時代的產業實踐與政策治理提供分析框架與決策參考。敬請關注！
詞元經濟學的“七異”分析框架
■彭志文
大語言模型（LLM）最初處理的是文本。文本首先被切分成由有限種Token組成的序列（每個Token可以是詞根、單個漢字或一段代碼片段）。這些Token被映射爲高維向量，再經過多層自注意力與前饋網絡的矩陣運算，逐步融入上下文信息。最終，模型基於更新後的向量，計算出詞表中所有Token的概率，以此預測下一個接續的Token。迭代的Token接龍是大語言模型基本的工作機理。在文本模態上，“詞元”作爲Token的譯名是適當的。然而，現在的大語言模型（LLM）越來越多地處理多模態，視覺/音頻生成模型更是主要處理圖像、音頻、視頻等多模態信息。在這些模型中，Token仍然是處理信息的最小單元。如果不加區別地統一譯作“詞元”，則無助於釐清範疇。出於音譯與意譯相結合的考慮，我建議將多模態的Token譯作“通根”。不過，爲了方便起見，下文仍以“詞元”指代Token。
當你向大模型發送一個提示詞並獲得回覆時，你消耗的每一個詞元，其物理本質是GPU在硅基芯片上進行矩陣乘法所消耗的算力和電力（熱力學成本），其經濟本質則是模型壓縮的人類知識的釋放（信息熵的逆轉）。詞元是認知勞動的量子化單位。傳統經濟學中，勞動的單位是“人/時”，在AI經濟學中，認知勞動的單位是詞元。你購買詞元，就是在購買“思考過程”或者“創作過程”。這一轉變標誌着商業模式從賣“軟件工具使用權”的SaaS轉向賣“思考過程”的CaaS（認知即服務）。每一次詞元的生成，都是一次實時的推理，將非結構化的複雜問題轉化爲可計量的算力消耗。
本文旨在初步構建一套完整的“詞元經濟學（Tokenomics）”理論框架，通過異態性、異構性、異質性、異步性、異變性、異域性、異權性（簡稱“七異”）這七大維度，深度剖析智能作爲可交易商品時的商業法則、組織重構及其對傳統經濟學的顛覆性挑戰。
01詞元經濟學的“七異”維度
（一）形態維度：異態性（Multimodal Polymorphism）
在過去，文本、圖像、音頻、視頻是不同的數據格式，有着不同的生產鏈條和計價標準。而在最新的多模態大模型中，不同模態在底層被統一編碼爲同一種基本單位——Token。歷史上第一次，邏輯推理、視覺審美和聽覺情感被打包成同一種可標準化的交易標的。這種跨越感知形態的統一，是傳統產業經濟學從未面對過的。商業模式不再是單獨購買“一段答案”“一張圖”或“一首歌”，而是購買包含邏輯推演、情感渲染和視覺生成的綜合計算資源。
（二）語義維度：異構性（Contextual Interdependence）
異構性打破了傳統經濟學中“商品價值獨立”的假設，詞元具有高度的語境依賴性。其價值表現出典型的格式塔效應（Gestalt），即整體遠大於部分之和。孤立的詞元毫無經濟價值，其價值必須在上下文窗口的結構中湧現。一項思考或決策中決定性的詞元，其價值由前面數以萬計詞元的排列組合共同決定。掌握了高質量私有上下文（企業內部數據庫、垂直行業知識庫）的組織，能讓廉價的基礎模型詞元爆發出極高的異構性價值。
（三）物理維度：異質性（Heterogeneity of Capability）
異質性指不同模型或計算方向所蘊含的“認知勞動”在複雜推理能力上的垂直差異。不同廠商的模型、不同版本的模型具有顯著的能力落差。前沿閉源模型（如GPT-5.4 Pro）生成的詞元具有極高的“信息熵逆轉能力”，享有“認知租金”。而執行簡單任務的舊版本開源模型，詞元則迅速淪爲完全競爭的商品。模型處理不同方向的詞元具有非對稱的生產函數：輸入的詞元相當於“閱讀”，屬於並行計算，邊際成本極低；輸出的詞元相當於“思考與表達”，屬於自迴歸串行計算，邊際成本隨內存帶寬限制呈指數級上升。不同智能體、不同技能（Skill）調用同樣的基礎模型詞元會產生不同的服務附加值。智能體、技能通過封裝私有知識庫（RAG）和工作流，將“粗糙的智力原料”加工爲“精密的工具箱”，實現供應鏈上的價值加成。
（四）時間維度：異步性（Asynchronicity of Time）
異步性指算力供給與認知需求在時間上的解耦。傳統經濟學中，服務是同步的，生產和消費必須在同一時空發生，無法儲存；而商品是異步的，生產出來可以作爲存貨，在其他時空再被消費。詞元將“認知服務”轉化成了“可儲存的數字商品”。算力供給是24小時剛性的，但詞元需求有峯谷。異步性允許廠商跨期套利，利用深夜閒時進行預訓練或批量處理（Batch API），將邊際成本降至電費水平。通過路由器級別的中樞記憶和語義緩存（Semantic Caching），一旦一個複雜問題被某個頂級模型解答過一次，其推理過程和詞元組合可被緩存下來。再次遇到相似問題時，系統不再重新消耗詞元進行推理，而是以極低的檢索成本直接分發答案。這種“一次生產，無限次異步分發”的特性，讓高端腦力勞動首次具備了零邊際成本的規模效應，從根本上解決了服務業的“鮑莫爾成本病”。AIGC的內容生產如果採用“同步模式”，實時調用大模型生成多模態詞元，將面臨極高的併發成本和極差的延遲體驗。“異步模式”是成本理性的選擇。在算力成本低的閒時，預先生產好數字內容並存儲在服務器上。商業模式從“實時生成”轉變爲基於用戶訪問權限的點播（VOD，Video on Demand）存貨模式。在這裏，算力被凝固成了存儲，詞元被轉化成了數字存貨。在目前的AI應用中，C端的聊天機器人也許需要同步交互，但B端的後臺智能體大部分時候並不需要同步交互，可以被設定爲異步執行，在服務器的後臺利用極其廉價的競價實例（Spot Instances）運行一整夜，進行深度反思（Reflection）、多智能體辯論，容忍高延遲以換取高質量的“異步認知”。
（五）週期維度：異變性（Hyper-Deflationary Volatility）
異變性描述了詞元的生產成本遵循規模律（Scaling Laws），從而引致極速通縮。同等質量詞元的生產成本每年以數量級速度跌落。當核心生產要素成本以指數級速度趨於零時，全行業面臨劇烈的通縮效應，勞動市場的定價模型（如菲利普斯曲線）將徹底改寫。底層智力原料的貶值，迫使商業模式迅速向“賣閉環的業務結果”轉移。
（六）空間維度：異域性（Territoriality of Jurisdiction）
異域性描述的是“無邊界”的數字認知與“有邊界”的國家主權之間的摩擦。雖然詞元的物理傳輸近乎光速，但主權邊界和地緣政治製造了巨大的“人爲制度摩擦”。不同主權國家對數據隱私、內容審查、技術出口有着完全不同的法律管轄邏輯。詞元因能用於軍事或網絡攻擊，被視爲具有“國家安全外部性”，導致全球“前沿認知庫”被物理隔絕。美國大模型對中國大陸的封鎖，以及中國對境外大模型的備案要求，事實上形成了一種雙向的“數字禁運”和“非關稅壁壘”。大模型的詞元服務本質上是一種“俱樂部商品”，具有非競爭性（你用我也能用），但具有排他性。排他性標準不僅僅是“是否付了錢”，而是加入了“你的IP地址和護照是哪國的”。爲了讓詞元跨越國界，用戶必須克服極高的“制度摩擦”（如翻牆、海外信用卡、KYC認證、實名制備案等）。詞元經濟中常見的API中轉站模式實際上就是處於灰色地帶的制度套利，通過橋接節點成了“數字買辦”，其盈利本質是賺取“合規溢價”。
（七）社會維度：異權性（Str.jpgication of Access）
異權性指通過硬編碼人爲製造的身份階層與訪問權限區隔。大模型廠商通過製造“殘缺商品”（如對免費版降智、限速），利用人爲製造的痛苦來甄別高支付意願用戶，實現二級價格歧視，榨取消費者剩餘。免費用戶在忍受低權限的同時，其輸入的提示詞構成了基於人類反饋的強化學習（RLHF）所需的標註數據，實際上成了廉價的“數據勞工”，通過“數據勞動”交叉補貼了高權限用戶的算力成本。聚合平臺利用API的“批發-零售”價差，構建“權限池”，向低收費的中小散戶錯峯低頻提供高權限功能，打破官方的階梯限制，進行權限套利。
02“七異”框架對傳統經濟學的挑戰
在“七異”框架的共同作用下，詞元經濟學正在對傳統經濟學的核心支柱進行一場“創造性破壞”。
（一）索洛增長模型的失效與“認知分叉”
在經典的索洛增長模型中，技術進步被視爲具有天然的外溢性。然而，異域性正在終結這一神話。由於詞元具有國家安全外部性，全球的前沿認知庫正在被物理隔絕。這將導致全球生產力增長曲線出現永久性的“地緣碎片化分叉”，落後國家可能陷入長期的“認知陷阱”。
（二）“科斯悖論”：零邊際成本與無限交易費用的對抗
科斯定理認爲交易費用決定企業邊界。詞元經濟製造了一個荒謬的悖論：物理上，詞元跨境傳輸的邊際成本趨近於零；但制度上，爲了實現合規與安全審查，其背後的人爲制度摩擦（合規成本）卻趨向於無限大。這種撕裂將導致企業競爭力從“算法優勢”轉向“制度套利能力”。約束制度套利的機會主義行爲成了規範市場競爭秩序的關鍵。
（三）傑文斯悖論與“合成勞動”的通脹
傑文斯悖論在詞元經濟中完美重現：詞元價格的急速跌落（異變性）催生了完全自動化的多智能體系統（M2M、A2A）。未來絕大部分的詞元消耗將發生在機器或智能體之間。詞元需求側的指數級擴張將遠超供給側的算力增長，導致社會總認知負載陷入一種新型的資源密集型內卷。以詞元爲載體的智能或認知勞動在通貨緊縮的同時，另外一些“合成勞動”卻在通貨膨脹。例如，提出好問題（Prompting）、驗證真僞（Verification）、構建認知架構（Skill）、“專家在迴路（Expert-in-the-loop）”的知識蒸餾、設計系統工程（Harness）、創新模型架構（X-former）等等。
（四）生產函數的改寫：算力本位的到來
經典的生產函數需要引入新的生產要素（認知算力）。未來的經濟產出取決於一個組織調動和編排多少詞元來替代傳統人力。在通用人工智能或超級人工智能的奇點將至之際，能夠生成高質量詞元的優質算力正在成爲全球最具共識的戰略儲備資產，“算力本位（Compute Standard）”的雛形已現。
03 結論
“七異”框架揭示了智能從“不可量化的靈光”向“可標準化交易的流體”轉化的歷史進程。詞元絕非簡單的跳動字符，它是人類智慧被工程化、規模化、邊際成本極小化後的結晶。誰能優雅地編排這套異構、異步且具有階層屬性的認知流轉邏輯，誰就能在即將到來的硅基認知社會中，建立起不可撼動的商業護城河。
（作者系北京郵電大學經濟管理學院副教授、人工智能生態系統研究所所長、北京郵電大學-北京電信行業數據智能標註聯合實驗室主任）