Token 经济狂飙：140 万亿调用背后，普通人的蛋糕在哪？

中国 Token 消费规模正在狂飙。截至今年 3 月，全国 AI 日均 Token 调用量突破 140 万亿，三个月内增长超过四成。然而一个核心问题被这场数字盛宴所掩盖：当企业、平台与地方政府围绕 Token 展开一轮又一轮产能竞赛时，普通市民究竟从中分到了多少蛋糕？这篇来自 36 氪的深度分析，从供需两侧的账目切入，拆解了 Token 经济的光鲜数据与真实传导之间的落差。

Token，一种新的「用电量」

Token 是 AI 语言模型处理文字的最小单位，AI 服务通常按 Token 数量收费，因此它被广泛用于衡量模型用量、成本与上下文长度。用量是投入，任务是过程，收入与利润是企业层面的结果，生产率则是更高一层的经济结果。这几层与市民生活的距离完全不同。

但在中国，Token 经济的特殊之处在于，它极其擅长扩张供给侧的「第一本账」，又习惯把第一本账的成果直接当作需求侧的「第二本账」的成果。原子能算工业用电量上涨，无法判断电流向了高效率产业还是过剩产能；同样，一次 Token 调用，可能生成一份真正省下几小时的高质量报告，也可能只是反复修改一段最终没有用上的文字。

一个关键事实是：日均 140 万亿调用量中，绝大部分来自字节跳动旗下的火山引擎。豆包大模型在 4 月披露日均 Token 使用量已突破 120 万亿，而推高这个数字的主要是 AI 视频生成——单条视频的生成与迭代动辄消耗数千万 Token。这幅图景与「千行百业全面渗透」的叙事相去甚远，更像是一家公司的、一类场景的、一个正在爆发的内容产业。

用扩张产能的方式刺激需求

北京亦庄提供了一个几乎完整的样本。当地提出，到 2030 年将智能经济产业规模做到 4000 亿元：建成四座万卡级词元工厂、算力规模突破 10 万 P、度电词元产出提升至当前六倍以上，并培育 50 个以上智能体研发协作平台、吸引超过 5000 家 OPC 实体。

这套政策工具覆盖了从算力、平台到企业使用的整条产业链：算力租赁按费用的 30% 补贴，每年 1 亿元数据券，词元聚合与统一结算平台最高 5000 万元支持，一路补贴到企业在实际场景中消耗 Token 为止。

值得注意的是一个语义转换：相关章节以「全面拓展智能经济消费模式」为名，主要内容却是鼓励医疗健康、商业航天、汽车制造等企业开放高吞吐场景，并对实际场景应用的企业按 Token 消耗费用的 50% 给予最高 500 万元支持。企业购买 Token 属于购买生产资料的中间投入，并不等于居民最终消费；政策发生在购买端，也不等于它就是需求侧政策。当政府补贴企业降低 Token 成本、企业增加调用、平台拿到收入、调用量反过来又支撑产能扩张，资金就在政府、平台与企业之间闭合循环，却并未伸出一条通往工资、社保、公共服务或居民转移支付的支路。

供给侧论述的局限

供给侧论述通常有一条漂亮的逻辑链：模型更强、Token 更便宜、用量更多、生产率提高、企业收入与利润增加、劳动者收入随之上升、需求侧获得支撑。但经验表明，每两环之间都隔着部门利益、行业竞争与分配格局。

成本反噬已经开始显现：KPMG 季度调查显示，约一半受访美国高管缩减了智能体部署，理由是成本超过收益。
Token 不等于利润：从智谱 2025 年年报看，API 调用与收入高速增长，全年收入增长 132%，MaaS 平台年度经常性收入在十二个月内提升 60 倍，同期经调整净亏损仍扩大 29%；2026 年一季度 API 价格上涨 83%、调用量反而增长 400%，但利润仍未跟上。
规模换不来盈利：通威股份 2024 年净亏损 70 亿元，2025 年预告亏损 90 亿至 100 亿元，光伏走过的老路正在重演。

IMF 估算 2024 年中国资本形成总额约占 GDP 的 40%，同年居民消费率约 39.9%。世界银行对 2025 年财政冲量的估计约为 GDP 的 1.6%，其中直接面向家庭的仅约 0.5 个百分点，其余主要是公共投资。这些数字不能归因于 AI，但它们构成了 AI 进入中国经济时的初始条件。

一千个亨利·福特，缺席的那一半

长江商学院教授孙天澍在专访中提出，中国 AI 更大的机会在于 AI To B，每个垂直产业都可以拥有自己的「产业大脑」，需要一批理解产业隐性知识与组织变革的「亨利·福特」，从「+AI」走向「AI+」，如同福特当年在高地公园设计围绕电力的流水线模式那样，重构生产力与生产关系。

但流水线从来不只是效率技术的提升。1913 至 1914 年的流水线试验将一辆 Model T 的组装时间从 12.5 小时压到 93 分钟；代价是同年海兰帕克厂年离职率约 370%，为维持平均 13623 人的在岗规模全年要雇 5 万余人次，日均缺勤率一成。这促使福特将「九小时工作日、日薪 2.34 美元」改为「八小时工作日、日薪 5 美元」。Raff 与 Summers 排除了劳动力短缺与吸引高技能工人两种解释——当时厂门口求职长队已成底特律一景，技术变迁的方向恰恰是去技能化。这是高强度流水线的伴生品，也是福特的需求侧那一面，但它是被设计、被附加条件、被监管出来的，不是从流水线里自然溢出的。

沃顿商学院教授 Lynn Wu 基于加拿大二十年机器人采用数据指出：受冲击最大的是中等技能劳动者，更长期的效应是从低技能通往高技能的晋升通道断裂，社会流动性将因此被重构。

Token 论述很容易制造出第一个「福特」，它鼓励流程重构、成本下降、产能扩张与 AI 架构师的出现。但它还没有证明第二个「福特」会出现：生产率提高之后，工资会不会涨，工时会不会降，社保与公共服务会不会改善，家庭购买力接不接得住新增的供给。中国需要的也许不是一千个福特，而是福特主义缺席的那一半。