百万Token低至几元钱 ——

算力，真的算“日用品”了吗？

Token（词元），是AI处理信息的最小单元。每一次与AI对话、每一张图片生成、每一组数据分析，背后都在消耗Token。

2026年5月，一场算力供给的革命悄然铺开。从无锡、苏州到南京，城市级“Token超市”接连开张；运营商纷纷推出个人套餐，县域版垂直场景同步落地。曾经动辄百万起步、只属于大厂的AI算力，如今像水电一样可按需取用。中小企业、创业团队、内容创作者纷纷入场，成本下降、效率提升。然而，Token经济在狂飙中也暴露出价值衡量、计费透明度、垂直适配等现实课题—当算力变成“日用品”，Token如何真正转化为有效生产力，才是真正的考验。

Token超市上新，算力变“日用品”

国家数据局数据显示，我国日均Token调用量已从2024年初的1000亿飙升至2026年3月的140万亿，增速迅猛。然而需求井喷的另一面，是高门槛让AI长期沦为“大厂专属游戏”。过去，企业要自建机房、采购高端显卡、组建算法团队，加上托管、电费与运维支出，一年动辄百万起步，对中小企业和个人创作者而言，AI一度遥不可及。

转折，发生在2026年5月。

5月19日，无锡率先推出全国首个城市级“Token超市”。无锡数据集团数字新基建公司的朱依青介绍，平台已集纳阿里通义、DeepSeek、Kimi、豆包、智谱等30余款主流大模型，用户按实际输入与输出Token用量精准计费、按需付费。截至目前，平台累计服务企业超30家，日均调用量约10亿Token。朱依青表示，Token超市向上统筹算力与模型资源，向下对接企业与行业应用，中间贯通统一接入、计量结算、运营监管与政策支持，真正实现AI算力便捷供给、按需使用。

朱依青进一步介绍，平台针对不同企业提供差异化服务。对小微企业和创业团队，重点提供低门槛开户、小额按需使用与标准接口支持，帮助企业降低首次尝试和试错成本；对大型企业及集团客户，则侧重预算分配、权限隔离、安全审计、专属服务保障及必要的本地化部署能力。在朱依青看来，Token的真正价值，从来不在于消耗数量的多寡，而在于转化出了多少有效生产力。当地有小微团队借助AI辅助编程，将原本至少半年的软件开发周期压缩至两个月。

继无锡之后，苏州、南京迅速跟进。5月21日，苏州市公共算力服务平台上线模型Tokens服务模块，集成DeepSeek、Qwen、MiniMax、Kimi等主流模型，并在独墅湖科教创新区打造Token经济“试验田”，让Token经济从“技术概念”加速落地为“产业刚需”。7月1日，“南京Token集合店”在麒麟科创园上线，面向企业、高校、政务部门提供“一键调用”的大模型服务，中小企业无需自建高成本集群即可按需采购标准化Token资源。

与此同时，Token超市模式正从城市级向县域级延伸。7月7日，江阴首个Token超市在临港智造OPC社区上线，统筹本地四大算力中心，并接入DeepSeek、Qwen、GLM等主流大模型，大模型调用按Token计费。江阴大数据公司汤默含告诉记者，江阴纺织、金属等制造业基础雄厚，推出Token超市旨在唤醒本地庞大的“沉睡”工业数据，破解中小企业“用不起AI”的转型痛点。与城市级Token超市侧重全域覆盖、算力规模大不同，县域版场景高度垂直，更聚焦本土产业和企业。

政府搭台的同时，运营商跑步入场。中国电信率先在全国铺开，面向个人与家庭推出9.9元/1000万Token起的阶梯式套餐；江苏移动则打出组合拳，5元250万Token体验包降低新手门槛、标准包覆盖日常学习、编程专属包精准服务研发人群，梯度清晰，覆盖全面；中国联通另辟蹊径，将Token与云桌面、宽带等业务深度绑定，主打一体化融合服务。继话费、短信、流量之后，Token正式成为通信账单上的新项目，AI算力正从“大厂的游戏”变成人人用得起的公共资源。

Token超市、Token套餐的买家画像

Token超市与各类Token套餐落地之后，谁是真正的受益者？答案正从一个个鲜活的案例中浮现。

中小企业无疑是当前的主力军。朱依青告诉记者，目前Token超市的核心用户集中在软件研发和数字内容领域的中小企业。“过去，一家企业要同时对接多家模型厂商，维护多套账号，成本高、流程繁琐，效率被严重拖累。”接入平台后，统一接口调用不同模型，研发迭代明显提速，成本也随之下降。

江苏西维斯安防科技有限公司便是典型一例。接入Token超市仅3周，公司便有效规避了多模型接口不兼容、适配困难等问题。据负责人介绍，研发、人力、运维三块综合成本较使用前下降约30%，项目整体研发效率提升50%。

制造业的AI转型同样在Token超市中找到支点。江阴璜土一家纺织企业针对水洗标质检场景，融合OpenCV与多模态大模型技术，实现产品标签与海量原件库的自动化精准比对，彻底取代传统的人工肉眼检索模式。“原本检测一件产品要3到5分钟，现在压缩至1到2分钟，效率提升约60%。”企业负责人说。

职场人士与内容创作者也在成为Token消费的新面孔。南京一家图文类客服产品开发负责人孙高，日常工作需要调用六七种大模型。过去每月各平台单独充值，30元、50元累加起来是一笔不小的开销。订购江苏移动Token套餐后，他感慨：“一个账户就能在不同大模型间随时切换，用算力就跟用手机流量一样省心。”从事AI拟真人短剧制作的萧骁则算了一笔账：短剧看似“一键生成”，背后却是真金白银的Token消耗，“在AI短剧制作成本中，Token占比已经达到50%。”

南京棋盘石智能科技有限公司创始人王磊不久前订阅了电信智云套餐。公司部署混合算力中心，接入了阿里千问3.7、豆包等多款主流模型，每月花费约1万元。他估算，套餐使用后每月可节省约20%的AI算力开支。对此，他也有冷静判断——“离开大模型谈Token没有意义。只有高等级的大模型与企业业务场景真正适配，才能释放降本增效的价值，否则Token只是消耗，不是生产力。”

创业者眼中的Token变迁，则更具纵深感。粒软（江苏）科技有限公司负责人西尔艾力是扬州大学电子信息工程专业大四学生。今年以来，他已连续推出多款AI产品，其中“丝路AI贸易情报系统”运用AI自动采集纺织、建材、果蔬等11个行业的海外市场信息，精准匹配国内生产企业，上线两个月便吸引60多家纺织企业使用。他日常开发主要调用阿里通义、Kimi等大模型，“产品的核心是筛选有价值的贸易情报，前期开发必须依赖高质量模型。”除系统开发外，他还尝试用AI制作中亚题材短剧，为此订阅了海外模型的顶级会员套餐，“每月Token支出少则三四万元，多则超过十万元。”

创业至今，他亲历了大模型推理成本从GPT时代“百万Token数十元甚至上百元”的高位，下降到如今算力超市模式下“百万Token仅需几元钱”的巨变。他坦言尚未接入Token超市，核心堵点在于“适配”——当前国内大部分Token超市或套餐暂未覆盖海外模型，无法完全满足他的业务需求。不过他也观察到，新推出的Kimi K3模型已大幅缩小了这一差距，价格降幅明显，未来会认真考虑接入。“这对中小企业是实实在在的利好，大幅降低了我们使用AI技术的门槛和成本。”

Token经济的成长阵痛

Token超市与各类套餐的密集落地，无疑是AI走向大众化、服务化的关键一跃。然而，Token经济在狂飙突进中，也暴露出一系列不容回避的深层困境。

首先是价值评估的维度之争。朱依青指出，Token数量目前还不能直接等同于有效智能产出。不同模型能力各异，单纯比较“每百万Token价格”并不公平。她认为，评价标尺应从“每Token多少钱”转向“完成一次有效任务需要多少钱”——否则，低价模型可能因反复调用和失败返工，反而推高实际成本。

这一观点与AI短剧创业者、荧光奇想文化科技总经理潘立龙不谋而合。他的团队目前主要使用即梦AI高级会员。在他看来，脱离模型能力、品牌和使用场景谈Token价格，没有多大意义。“运营商不能只喊‘Token便宜’，更要让消耗看得见、摸得着。”他建议，平台应让创作者清楚知道“生成一张图、一段5秒视频大约消耗多少Token”，把关注点从“每Token多少钱”拉回到“完成一次有效任务到底花多少钱”。

计费透明度，则是中小企业普遍头疼的实操难题。王磊直言，目前各算力中心在Token收费上仍不够透明，不同大模型的Token计量标准参差不齐。对中小企业而言，如何准确评估不同场景下的Token消耗、如何在模型之间做精准的成本对比，至今缺乏清晰的参考框架。

与此同时，垂直行业的定制化需求，正在倒逼Token供给从“通用”走向“深耕”。结合智慧城市、智能安防等业务场景，西维斯相关负责人希望Token超市在接入最新迭代的前沿大模型同时，有针对性地补充安防、智慧城市等垂直领域的专属数据集与行业定制模型，以提升细分场景下的精准度和适配性。

7月29日，“词元”首次写入江苏省地方性法规，为AI产业的起飞铺下了“制度跑道”。

江苏省政府参事室特约研究员、南京信息工程大学江北新区发展研究院院长丁宏认为，Token为数据找到了定价的渠道，这条新赛道必须抢占。但他同时指出，目前江苏上线的Token超市或运营商套餐，大多还停留在基础Token阶段。随着市场化进程推进，Token必将日趋多样化、差异化、精细化。“要围绕江苏的产业需求，开发定制化的Token产品，也就是高价值的Token。”他说，工业互联网、智改数转、生物医药等领域，需要高端大模型支撑，江苏必须具备生产高价值Token的能力。

对于Token经济当下的种种问题，丁宏持开放态度。在他看来，新事物发展初期出现问题是常态，关键在于让更多经营主体进入行业，充分参与Token的生产与供给。经过市场竞争，价格会逐步透明，企业也能获取合理利润，整个产业才能进入健康发展的正循环。

新华日报·交汇点记者 周 娴