从Token经济的视角看AI技术对宏观经济的影响

AI通过Token这一新型生产要素，正在改变宏观经济的运行逻辑，使社会总供给和总需求都发生质的变化，进而重塑市场机制。总体来看，AI将使经济波动趋于高频化和通缩化，产业结构与就业结构也同步出现极化现象，这些变化正在倒逼宏观政策做出相应调整，以适应新的经济形态。

Token经济的背景与现状

Token经济已不只是一个概念，而是正在落地生根的新经济形态。Token被定义为“词元”，尽管仍有争议，但总算有了相对统一的称谓。词元的意义类似于电力时代的“度”或石油时代的“桶”，它使AI成为一种可计量、可定价、可交易的基础资源。

调用量方面，Token正呈现爆发式增长。国内日均调用量大幅提升，全球增速同样迅猛，摩根大通预测到2030年其将增长370倍，达到3900万亿量级。价格方面，则从早期的“白菜价”逐步转向量价齐升。前两年还需靠补贴“烧钱”，如今已出现供不应求的迹象。

不过，Token经济仍处于产业化初期。它属于资金、技术和治理密集型产业。从结构上看，上游是Token供给，涉及算力、电力和数据等；中游涵盖Token的分发、计费、定价、调度等环节；下游则是Token的应用端，是整个词元经济价值实现的出口。目前，Token经济产业链雏形初具，但尚未形成完整、丰富的产业生态。

商业模式方面，已出现按量计费、包月订阅和按价值收费三种类型，部分模式已跑通，局部实现盈利，美国甚至出现了Token期货的萌芽。我国三大运营商也开始重视Token经济，中国电信明确提出要以Token经济重塑公司业务方向，从“卖连接、卖带宽”转向“卖算力、卖智力、卖能力”。

展望未来，Token有四大趋势：一是从计量单位向价值单位演进；二是从模型竞赛转向产能竞赛；三是空间算力可能成为远景探索方向；四是技术替代和就业格局重构将进一步加速。

Token经济如何重塑总供给与总需求

从Token经济的视角来看，AI正在重新塑造社会总供给与总需求。传统经济学以商品和货币为核心概念，而在AI时代，Token既是可无限复制的生产要素，也是产出品本身。

一个基本判断是，经济运行将呈现Token化和价格通缩化两大趋势，以下论据可以支撑这一判断。

第一，劳动供给结构正在发生根本转变。过去以人类劳动为主，未来将转向AI Token密集型。人类直接参与的生产劳动逐步减少，而AI生成的Token劳动越来越多。由于AI可以无限扩张供给，它相当于一个生产力数倍于顶尖工程师的“超级生产者”，极大地释放了人类在创新、设计和判断等领域的能力，使得总供给边界大幅拓展。

第二，AI发展需要大规模资本投入。例如，Meta与AMD合作投资600亿美元；我国正在推进的算力网、新一代通信网等六大网建设，也是重要的AI基础设施。有人预测，相关投资规模将达到7万亿元级别。

第三，智能边际成本趋近于零。OpenAI CEO奥特曼曾指出，同等AI智能水平的成本在18个月内下降至原来的千分之一。这本质上意味着知识工作，如报告撰写、代码生成等Token化的产出，其边际成本趋近于零。这一趋势将推动AI总供给呈现指数级增长，同时价格出现深度通缩：供给量急剧增加，成本价格持续走低。

从总需求的角度来看，需求结构也将发生显著变化，甚至可能因“AI化”，消费需求趋于萎缩。有美国智库提出“负循环”观点认为，AI提升效率的同时会导致裁员，进而引发消费萎缩，而企业则会因此购买更多AI服务，形成消费需求不断收缩的循环。

未来物质需求由于人口变化、消费观念转变等原因可能减少，但精神需求，尤其是情绪价值类需求会有所增加，这已在当前有所体现。然而，精神需求的增长是渐进的，体量有限，难以弥补物质需求萎缩带来的总需求缺口。

从投资角度看，AI的基建化将引发投资需求的结构性转移，大量资金流向数据中心、芯片、网络和基础设施领域。AI+行动虽然也会带来AI应用部门一定的新增投资，但其渗透速度较为缓慢。

回顾历史，电力技术从发明到真正进入制造业花了约四五十年，互联网也经历了类似周期。AI可能也会遵循这一规律，因此AI+行动带来的投资增长更多是一个长期过程，短期内难以显著显现，这中间需要大量准备性的基础工作需要完成。

出口需求方面，则将呈现智能服务化的趋势。咨询、定制化软件、科研辅助等服务有望成为新的出口增长点。拥有最强AI模型和算力的国家，将像今天知识产权持有者一样，向全球输出Token服务，进而获取贸易顺差。

Token经济如何影响市场机制

Token经济对市场运行机制的影响是多方面的，尤其体现在价格、竞争和劳动力三个层面。

首先，价格机制将发生变化。传统价格主要由成本和供需关系决定，但在AI时代，大量Token化产品的边际成本趋近于零，价格不再由成本主导，而更多取决于模型的专有性、高质量数据集的稀缺性，以及能否有效适应不同场景的需求。近期数据也表明，Token调用量大幅增长的同时，使用成本在大幅下降，两者形成鲜明对照。

其次，竞争机制或将呈现出平台化和垄断化趋势。AI模型天然具有网络效应，算力和数据壁垒较高，市场格局往往是赢家通吃，头部平台通过控制Token的生产与分配，获得前所未有的市场权力。总体来看，AI时代的垄断程度可能远超互联网时代。

第三，劳动力市场可能出现极化现象。AI替代的主要是中间层的认知型岗位，而顶层的AI科学家、创意工作者等高价值岗位难以被替代；底层的体力劳动，受制于物理AI的发展节奏，短期内也难以被大规模取代。其结果或是，劳动力市场两端的就业相对增加，中间层被挤压，从而加剧社会不平等和劳动力市场的结构性异化。

AI如何影响经济波动

AI对经济波动的影响具有双向性：一方面加剧波动，另一方面也有熨平作用。但从短期来看，加剧波动的效应更为显著，熨平作用难以充分显现，因此AI对宏观经济的影响大概率将呈现波动高频化和AI价格通缩化的特征。

加剧波动的原因主要有三点。一是技术冲击的加速传递。AI带来的新产品、新应用会对现有产业形成冲击，裁员、行业颠覆等已在现实中发生。二是负反馈循环可能加速经济衰退，进一步推动通缩。三是金融市场面临AI泡沫风险，热钱追逐可能导致局部领域投资过度。新技术出现往往伴随着泡沫，关键在于泡沫规模是否可控，以避免破裂时引发过大的社会震荡。

AI在熨平波动方面确实具备一定潜力。它可以通过更优质的智能服务、更精准的库存管理、更智能的供应链预测和更高效的价格发现，帮助平滑短期波动。同时，AI带来的市场敏捷性也有助于减少产能无序扩张，降低过剩产能对宏观经济的冲击，该出清的也更容易出清。

但这些熨平效应的充分显现，可能还需要较长时间。回顾电力技术的应用历史，不难理解这一点。当前AI+制造业的推进也呈现出类似特征：微笑曲线两端应用较快，但底端的预防性维修、预测性质量检测和参数寻优等高价值场景进展缓慢。企业家普遍关注投资回报率，但现阶段AI投资回报并不明确。

工业高质量数据集的供给尚不充分，现有模型多为通识知识，难以直接用于具体场景。这导致工业AI的可解释性、鲁棒性不足，幻觉率偏高，而制造业对误差的容忍度极低，这些因素使工业AI应用受到制约。

制造业亟需强化数据治理，构建细分领域的高质量数据集，以解决幻觉、鲁棒性和可解释性等问题。这一切都需要时间，因此AI+的全面效应具有滞后性。

宏观经济政策如何调整

面对AI时代的深刻变革，传统的宏观管理政策也需要做出相应调整。其核心在于，如何重新分配Token经济带来的红利，并据此构建新的社会规则。

第一，在税收与分配政策方面，传统的增值税和劳动所得税等财政工具可能需要扩展，需要转向对资本回报和自动化进程征税。

例如，可以考虑对算力征税。美国已有相关讨论，如OpenAI提出的“公共财富基金”，以及关于机器人税和UBI（全民基本收入）的探讨，旨在应对AI可能带来的失业压力和维持总需求。这些方案是否适用于中国，还需结合国情进一步研究，但围绕AI红利进行二次分配的课题，确实已到了需要认真探讨的阶段。

第二，货币与金融政策也面临调整。

一是传统的货币政策工具可能面临失效，AI带来的通缩更多是结构性的，而非周期性的。降息等工具对传统商品需求仍有一定作用，但难以解决Token化产品带来的通缩问题。

二是物价指数也应考虑纳入AI算力成本、模型训练费用和Token产出价值等指标，以更准确地反映经济实际温度。

三是AI基础设施的低水平重复建设问题值得关注。当前智算中心、超算中心和算力网络等领域投资规模巨大，但已初步显现结构性重复建设的苗头。央行应将AI基础设施投资及相关企业估值纳入重点监控范围，必要时运用宏观审慎工具加以引导，防范因低水平重复建设引发的金融波动。

第三，在产业和科教政策方面，AI时代需要加快推进教育、科技、人才的一体化改革，我认为有三个方向尤为关键。

一是投资根技术，必须构建全栈自主的AI生态，确保在芯片、算法、数据、网络、云等关键环节实现自主可控，只有如此，才能参与全球Token红利分配。

二是加快“AI+”行动的落地。国务院去年已出台“AI+”行动相关方案，工信部等八部委也出台了面向制造业的专项措施。我认为这项工作刻不容缓，必须加快步伐，以缩小技术与产业应用之间的差距。当前需要从技术和管理两个维度同步推进。在技术层面，仍需解决鲁棒性不足、可解释性不强、低延时能力欠缺、端侧算力和端侧模型能力提升、物理AI能力提升等问题，这些都是制约“AI+”落地的关键。在管理层面，要积极推动细分行业高质量数据集的建设与共享。

三是重塑教育。教育体系必须从知识传授转向“元能力”培养，即通用能力的塑造，包括原创性思维、好奇心、批判性思维、决策能力以及人与AI的协作能力。

第四，在社会契约与治理方面，需要思考“人类在机器高效运行的世界中的意义”，从保障就业到保障人的尊严。

在治理体系上，建议构建“四位一体”框架：企业自律（涵盖开发者和使用者）、社会监督（特别是第三方测评能力）、行业监管和司法兜底。这不仅关乎安全，也关乎宏观经济治理的效能。当前尤其需要在AI Agent合同、责任认定和算法歧视等问题上建立清晰的法律框架，为AI时代的治理提供制度支撑。

小结

第一，AI驱动的Token经济正在推动宏观经济运行范式从传统的商品经济向“商品与智能经济”并行的新范式转变。

第二，政策制定者可能需要放弃对低失业率和温和通胀等传统指标的执念，需要直面深度通缩和结构性失业的可能性。这不是周期性现象，而是结构性转变，传统政策工具难以应对。

第三，需要主动设计一套新的社会规则，包括新的分配机制和增长模式。在分配机制方面，要关注AI红利的二次分配问题。在增长模式方面，当前要关注以下三点：一是Token基础设施的投资必不可少，但要防止低水平重复建设；二是加快AI+在各领域的应用，解决技术落地的深层次问题，真正释放技术红利；三是用AI赋能战略新兴产业和未来产业。当前规划中涉及的六大未来产业方向、28个赛道与AI密切相关，没有AI的加持和赋能，这些赛道或都难以成立。

作者王江平系工业和信息化部原副部长，本文为作者在近期举行的CF40宏观政策季度报告会第68期暨双周闭门研讨会第494期“AI宏观经济学”上所做的主题交流。文章仅代表作者个人观点，不代表CF40立场，未经许可不得转载。