腾讯研究院新书探讨Token经济终点回归以人为本

白惠天袁晓辉司晓腾讯研究院

本文节选自腾讯研究院新书《Token经济》

Token经济的终点，不应是让人退到系统之外，只剩下被模型替代、被平台分配、被账本度量的位置，它更应该让人有能力重新站在系统中央，调用智能而不是依附智能，使用效率而不是被效率吞没，在一个智能被大规模生产的时代，继续成为目的本身。

每一种新的经济形态，都会先找到一种新的计量方式。正如序言所述，农业社会用蒲式耳计量谷物，工业社会用桶计量石油，电气时代用千瓦时计量电力，互联网时代用比特计量信息。到了AI 时代，Token 开始承担类似的功能。它不是一个简单的技术术语，而是部分智力劳动进入机器系统之后，被调用、消耗、定价、交易和治理的基本单位。

这本书真正关心的并不是Token 本身，而是当智力劳动第一次被切分成可以计量和结算的单位之后，经济系统会发生什么变化。过去，思考、判断、写作、编程、分析和沟通主要依附在人身上，难以被精确拆分，也难以像能源或信息那样进行连续的市场交换。Token 的出现，意味着一部分智力劳动开始脱离人脑，进入机器系统，成为可以规模化生产、调度和分配的新型经济资源。

这一变化首先改写的是价值问题。Token 可以记录一次生成消耗了多少计算，却不能直接说明这次生成创造了多少价值。同样的底层消耗，进入不同任务场景，可能对应完全不同的经济结果。价值不在Token 数量本身，而在任务价值、模型能力、结果可用性，以及人和组织能否把结果转化为行动。

它同时改写了成本问题。Token 看上去是数字对象，却不是传统软件意义上接近零边际成本的复制品。每一次生成、推理、调用和重试，背后都有芯片、能源、网络、数据中心、模型架构和工程系统在运转。算法进步可以让成本快速下降，但电力、芯片、基础设施和调度能力，仍然决定了智能能以什么规模被生产、以什么价格被交付。

需求侧的变化更深。早期AI 使用还可以用人的注意力和时间解释，但随着多模态生成、智能体执行、代码自动化和多智能体协作展开，越来越多Token 开始在机器之间流动。需求不再只取决于人问了多少、看了多少，还取决于机器执行了多少、协作了多少、重试了多少。调用的发起者因此不再只是人，还包括嵌入组织流程和软件系统中的机器行动者。

竞争也随之改变。AI 行业的竞争不只是模型能力之争，也不是单纯的价格战，它还围绕Token 生产效率、消耗效率、价值转化效率和定价权展开。芯片层、模型层、应用层的利润分布会被重新排列，开源与闭源的拉锯会持续改变能力价格，中美之间也会围绕算力、能源、工程优化和生态标准形成不对称竞争。谁能用更低的Token 成本完成更高价值的任务，谁就更有可能获得新的产业位置。

商业模式同样会被重写。Token 最初像一种智能原材料，以API 调用的形式被出售，但企业真正购买的往往不是原材料本身，而是任务完成、流程优化、岗位替代、收入增长和风险降低。于是，Token 被包装成订阅、套餐、积分、工作流、结果付费和数字员工。商业模式的演化，本质上是在把底层消耗翻译成客户愿意理解、预算、验收和支付的价值单位。

这里还包含一层更深的科技平权含义。按Token 计费时，普通用户需要理解提示词、模型档位、上下文长度和调用优化，技术鸿沟很容易变成账单鸿沟；按效果收费时，优化责任更多回到供给侧，用户只需要说清楚目标和结果标准，而不必理解它如何被算出来。智能从特权工具走向公共能力，靠的不只是模型降价，还要靠商业模式把复杂性藏到后台，把结果交到前台。

制度层面的压力也会越来越明显。当Token 只在企业内部流动时，它是账单、成本和预算；当Token 跨越国界时，它就变成贸易、税收、责任、安全和规则问题。一次跨境调用到底是软件服务、数据处理、算力出口，还是一种被Token 精确计量的智能产出？一个智能体完成任务后出了错，责任又应该落在模型、路由、编排方还是客户身上？这些问题说明，Token 已经不只是技术单位和商业对象，还正在逼近制度对象。

把这些层次合在一起看，Token 经济的核心变化并不是AI多了一个计费单位，而是认知能力第一次以如此细密、连续、可编程的方式进入经济系统。它改变了成本结构，改变了价值分布，改变了需求主体，改变了产业竞争，也改变了商业和制度的边界。传统经济学当然不会失效，但许多默认前提需要重新校准：价值不一定和数量成比例，数字产品不一定就拥有低边际成本，需求不一定来自人，企业边界不一定由雇员构成，贸易对象也不一定能被既有分类完整装下。

但Token 经济不会自动通向一个更好的世界。认知能力变得更便宜，不意味着价值分配会更公平；智能体能完成更多任务，不意味着人会自动获得更多自由；企业能够用更少的人完成更多工作，也不意味着社会能自然处理由此带来的收入、身份和尊严问题；技术可以被用来降低成本，却不会替社会回答这样做的目的是什么；模型可以被用来提高效率，却不能替人类决定什么值得被效率化。

这正是Token 经济的张力所在。一方面，它让个人、小团队和普通组织有机会调用过去只有大公司、大机构才能拥有的认知资源。一个人可以让智能体写代码、查资料、做方案、跑流程、管理客户，原本需要团队协作才能完成的工作，可能被重新压缩到更小的组织单元里。另一方面，机会也可能被重新绑定到算力、模型、平台和工作流之上。一个人能调度多少智能，能否组织好上下文，能否管理智能体的错误和风险，可能会越来越深地影响他能完成什么工作、进入什么网络、获得什么收入。

因此，未来真正尖锐的问题，可能不是是否需要普遍基本收入（UBI），而是是否会出现某种普遍基本算力（UBC）。一个社会如果把可调用的智能变成新的公共资源，就必须回答：人获得的是新的能力还是新的依赖？能力分配是通过市场价格完成还是需要某种公共保障？教育要教人记住更多知识，还是教人提出问题、拆解任务、判断结果、管理智能协作者？就业和创业的边界，会不会因为每个人都拥有一个或多个智能体而被重新划定？

这并不意味着劳动会消失，也不意味着知识不再重要，恰恰相反，劳动和知识会被重新组织。过去，人通过劳动把时间转化为收入，通过知识把经验转化为判断；未来，人还需要学会把目标转化为任务，把任务转化为模型可以执行的流程，再把模型生成的结果重新带回人的判断之中。人的价值不会简单停留在比机器更会算、更会写、更会记上，还会更多体现在提出问题、设定目标、理解场景、承担责任、判断后果和赋予意义上。

因此，Token 经济的制度建设不能只围绕效率展开。统计Token，不只是为了多一个经济指标；治理Token，不只是为了降低模型风险；讨论Token 的贸易、税收和责任，也不只是为了让跨境服务顺利运行。更根本的问题是，当智能成为一种可以规模化生产和分配的社会资源时，我们要决定它如何被接入公共生活，如何被纳入市场秩序，如何被约束在人的目的之下。

人类发明计量单位，是为了更好地组织生活、交换成果和扩展能力，Token 也应当如此。它可以成为新的成本单位、新的商业接口、新的贸易对象和新的制度变量，但它不应该成为衡量人的唯一尺度，更不应把会不会驾驭工具变成新的身份门槛。真正重要的不是机器能够生产多少认知，而是这些认知最终服务于什么样的人、什么样的组织、什么样的社会。

技术最终的善意，不是让每个人都学会迁就工具，而是让工具尽可能理解人的目标、处境和边界。