词元（Token）是 AI 模型处理信息的最小数据单元，也是衡量算力消耗的统一计量单位。随着大模型从技术探索走向规模化应用，词元正从一项技术概念，演变为智能经济中可计量、可定价、可交易、可复用的基础单元与价值锚点。本文从词元的基本定义出发，梳理其发展脉络与市场格局，并系统整理国家与地方两级相关政策，呈现词元产业的完整图景。

在这一进程中，数据宝已完成词元业务的布局并进入规模化运营，以数据原生 AI Token服务商的定位，处于国内词元服务产业化的前列；词元业务订单量从年初的数万单增长到数十万单。稳定的词元供给，正成为企业使用 AI 的一项基础服务。

（一）词元定义

从技术层面看，词元是大模型处理信息的最小单位，也是智能设备中信息存储、处理与交换的基本符号单元；它把文字、图像、音视频等各类信息切成统一的最小碎片，送进模型参与运算。

从经济层面看，词元是衡量智能服务交易量的核心指标，具备可计量、可定价、可交易的特性，为人工智能服务的计量、定价、交易与结算提供了标尺，正成为智能经济时代重要的基础计量单位与价值锚点。

（二）训练与推理机制

大模型的运行分为训练与推理两个环节：

训练环节，向模型输入海量文本，模型不断调整内部参数，逐步获得准确预测文本的能力，最终形成一个可用的模型。

推理环节，模型接收用户输入，基于训练所得逐词元生成回复内容。推理是词元的产出过程，也是算力持续消耗的主要场景。

训练与推理都以词元为单位，通常所说的“词元成本”指推理环节的算力消耗。

（三）词元计价逻辑

词元数量与算力消耗呈线性关系，因此按词元计费能够直接反映实际成本。按调用次数计费则无法区分单次调用中词元消耗量的差异，同等收费下成本偏差可达数十倍。词元由此成为计价单位。

（四）相关核心概念

一次调用中，词元分为两类：输入词元是用户提供给模型的内容（提问、历史对话、上下文），输出词元是模型生成的内容。生成输出比处理输入消耗更多算力，因此输出词元的计费单价通常为输入的2-5倍。

模型单次可处理的词元总量存在上限，即上下文窗口，主流已扩展到128K，部分模型达1M。重复出现的输入内容可复用已有计算结果，命中部分按折扣价计费，称为缓存命中；对时效要求不高的任务可离线异步处理，价格最低，称为批处理。

（一）词元演进脉络

图2.词元演进脉络

（二）国内大模型市场格局

竞争格局呈梯队分布。

第一梯队是字节跳动豆包、DeepSeek、阿里通义千问：豆包依托字节生态，C端月活跃用户达3.15亿，在各厂商中排名第一；DeepSeek以开源与高性价比建立起开发者生态，其开源模型在全球开发者社区得到广泛使用；通义千问依托阿里云，模型数量达86个，为国内最多。

第二梯队是百度文心一言、腾讯混元、智谱GLM等，分别在搜索、社交、学术与政企市场形成差异化优势。

整体来看，国内大模型市场已形成“头部集中、差异化并存”的格局，竞争重心正从模型能力转向应用生态与算力成本。

图3.产业链全景

（三）词元价格趋势

价格整体大幅下降，但近期出现分化。2024至2025年，国产大模型百万词元价格由数十元降至1元级。近期以DeepSeek为代表的头部模型开始上调价格，并推行高峰时段加价、低谷时段优惠的差异化定价。

这一轮涨价并非个别厂商的孤立调价，而是国内大模型行业的阶段性拐点。一方面，持续的价格竞争使算力供给难以支撑低价模式；另一方面，行业竞争逻辑正从低价竞争转向能力竞争，过去一年“以价换量”的竞争方式，正逐步让位于“模型能力优先、价格次之”的价值导向。

国家级政策从算力扩容、数据提质、模型协同三个方向对词元产业作出部署；地方政策则以词元券、算力券、训力券为主要工具推动落地。

国家层面尚无直接以“词元”命名的专项政策，但对词元的三个上游要素，即算力、数据、模型，均有部署。

2026年最显著的变化是“词元”进入地方政策名称，北京、上海、扬州、杭州等地已将其写入政策文件或补贴条款，标志着词元从技术概念升级为产业政策对象。

- END -