当智力开始被计量——写作《Token经济》的几点思考

【著书者说】

作者：白惠天（《Token经济》作者，曾就职于世界银行，从事中国经济增长动能研究）

开始策划《Token经济》（中信出版集团）时，我心里其实有过犹疑。写一本书，通常需要更长时间的沉淀、更充分的材料积累和更从容的判断；而人工智能的发展实在太快，快到许多问题尚未被命名，新的产业事实已经迎面而来。也正因如此，我们希望借由写作，把这个仍在生成中的时代，尽可能系统地梳理一次。

我最初关心的，并不是“Token”这个词本身。它听起来像一个技术术语，甚至像程序员和工程师口中的行业黑话。但越深入观察AI产业，我越意识到：当智能开始被大规模生产、调用、交付和计费，新的经济问题也随之出现。AI不再只是模型能力的竞赛，也不只是某家公司发布了什么产品。它开始呈现为一个账本：智能如何生产？成本由谁承担？价值在哪里产生？收益最终如何分配？

Token，就是这个账本里最先显影的数字。

在大模型中，Token可以理解为模型处理语言、图像、语音等信息时使用的基本单元。大模型对信息的处理与生成，往往涉及Token的计算。它并不等同于智能本身，却让机器智力的调用和消耗有了可以记录、比较和计价的刻度，也为讨论相关治理问题提供了一个入口。正是在这个意义上，我们把这本书命名为《Token经济》：它所讨论的，不只是一个技术单位，还有当智力成为一种可计量的服务之后，经济体系可能发生的变化。

每一个时代都有其重要的计量单位。农业社会需要度量粮食，能源时代需要度量石油和电力，信息时代需要度量比特。到了AI时代，Token开始成为观察智能生产的重要入口。当然，这种类比并不意味着Token已经像千瓦时、桶或比特那样稳定。相反，Token是一把并不完美的尺子。在不同模型、不同分词器和不同任务场景下，Token所对应的信息量和处理效率都会变化。消耗同样数量的Token，生成一条朋友圈文案、润色一封邮件、审查一份关键合同，所创造的价值可能天差地别。

当然，Token不是AI时代唯一的解释框架。权力结构、组织方式、能源约束、产业链分工，同样是理解AI经济不可回避的问题。Token的意义在于，它提供了一个朴素而直接的观察窗口。透过它，我们得以管中窥豹，观察AI发展带来的经济变化。

写作过程中，一个让我反复思考的问题是：为什么AI应用看上去发展很快，真正能获得稳定利润的却并不多？从互联网和移动互联网时代走来，我们习惯于相信软件可以低成本复制，边际成本趋近于零。但以Token计量的模型服务有所不同。每一次调用、每一次生成，背后都需要计算，都涉及电力、芯片、显存、服务器、数据中心、网络互联和模型调度。AI应用看上去像软件，其背后的生产过程却显现出重工业的某些特征。

这也有助于理解AI商业模式正在发生的变化。只卖资源、卖调用次数，利润空间可能受到限制；进一步创造价值，需要把Token转化为任务、流程、业务成果，乃至能够持续履行岗位职责的数字员工。客户最终购买的，不是Token数量，而是可交付、可验证、责任明确的智能服务。换言之，Token的成本发生在生成端，价值却发生在结果端。AI上半场也许比拼模型能力，AI下半场更要比拼Token效率。

这也是《Token经济》希望提供的一个基本判断：未来值得关注的，不是谁“烧”了更多Token，更是谁能以更低成本、更高精度，把机器智力转化为真实价值。对企业而言，这意味着重新理解成本结构、组织流程和价值评估；对个人而言，也意味着重新理解自己的能力边界。过去，我们衡量一个人的能力，常看学历、经验、岗位和工时；而现在，还要看他能否有效调动机器智力，把自身能力放大。

有意思的是，这本书写的是Token，写作本身也得到了大模型的帮助。白天，我和产业界、学界的朋友讨论模型、算力、商业模式和组织变化；晚上，等家里的小朋友睡下以后，我再把白天积累的问题带回书桌，与大模型继续讨论，让它帮助我整理材料、梳理线索、检验提纲。这个过程让我更清楚地看到：AI可以参与劳动，却不能替人承担判断的责任。一个问题是否值得提出，一个推论是否成立，一个结论究竟应向前推进还是收回半步，最后仍然要由人负责。

作为研究者，理解这些变化，是我写作此书的核心关切；作为一个母亲，这份关切又多了一层切身感。我们的孩子长大以后，也许不会像今天的成年人这样专门“学习AI”，因为AI可能会像水、电和网络一样，自然地存在于生活中。越是如此，我越希望他们在受到技术影响的同时，也能够理解智能、组织智能、驾驭智能。

Token只是起点。它帮助我们看见机器智力如何被生产、度量和交易；但所有这些问题最终仍会回到人本身：当机器智力的调用开始可以被计量、定价，并成为治理所要面对的问题，人应该站在哪里？

《光明日报》（2026年11月12日 11版）