一次抓取背后：读懂智能的“计量”，Token经济学如何聚合“算力、模型、语料”？

质检线上，一台人形机器人从料框里取出平板，送进检测柜；完成检测后，再将成品分流。抓取入柜、多项目质检、成品分拣，机器人与工人同线作 业，一气呵 成 。 一次看似简单的抓取，背后串联起感知、判断与执行。在智元2026年9月公开的具身模型中，一帧画面可编码为24个视觉词元（Token）；相关实验还展示了模型生成连续动作的低延迟能力。但若要算清抓取的成本，不能只数视觉词元，还需综合推理耗时、芯片功耗、执行成功率和设备投入。 这恰好引出智能经济的两块硬成本：一端是模型处理信息的词元用量，另一端是硬件和系统完成任务的实际成本。Token正成为连接模型服务、推理算力与数据供给的重要计量接口，却还不是衡量所有智能作业价值的唯一尺度。 电力按“度”计量，模型服务按“词元”计费。Token经济学正加速渗透至更广泛的应用场景。9月11日，工业和信息化部信息技术发展司副司长王威伟在新闻发布会上披露：截至2026年6月，我国日均词元调用量已突破500万亿。当智能走向生产现场，这把尺子如何把算力、模型、语料组织起来，又如何进一步走向真实的生产力？ 图1 精灵G2人形机器人在3C产线质检工段作业 一 、智能有了“计量单位” 词元是模型对文本等信息进行编码和处理时使用的离散单位。在大模型API服务中，输入和输出通常按词元统计、计费；图像、声音和动作也可采用各自的词元化或其他表征方式，但不同模型的词元并不天然等价。清华大学教授、智谱AI创始人唐杰指出，词元具备“可计量、可定价、可交易特性”，可类比石油时代的“桶”和电力时代的“度”。 计量首先改变了购买方式。例如，上海移动推出“算力豆”，让用户以相对直观的额度方式购买和使用模型服务，使用量也能计入通信服务账单。对企业而言，按词元计价意味着可拆分不同部门、不同任务的模型使用成本，助力精细化预算管理。 价格体系也在细化。DeepSeek自8月起探索峰谷时段定价，9月10日又调整Flash系列模型价格：闲时每百万词元的缓存命中输入价为0.02元，高峰时段为其两倍。这里的0.02元是特定模型、特定时段、特定缓存条件下的输入价格，并不代表所有词元的统一价格。 国际科技企业也开始用词元观察需求与效率。谷歌在2026年第二季度业绩披露中表示，Gemini模型每分钟处理约220亿个API词元。英伟达同期数据中心业务收入为890亿美元，其负责人强调AI算力正形成可持续商业收入；公司还披露了新平台降低单词元生成成本的技术进展。调用量、收入和单词元成本虽属不同指标，却共同反映推理服务正走向规模化经营。 不过，Token计量的尺子仍需校准。不同模型的分词方式、缓存策略、模态类型、输出质量和计费口径各异，不能简单用“每百万Token多少钱”横向判定性价比。Token计量规范的编制和探索，正是着眼于跨模型用量比对和平台计费透明度等问题。 由此，Token经济学的第一层