北京市推出《北京市加快词元经济发展的行动方案（2026—2028年）》，使“词元经济”这一原本更多存在于人工智能技术和产业体系中的概念，迅速进入地方经济政策和产业发展视野。作为全国首个省级层面的词元经济专项政策，这一行动具有明显的探索意味。理解北京为什么在当前阶段率先布局词元经济，不能简单把它看成地方培育又一个人工智能新赛道，而应放到人工智能由技术突破转向规模化应用的大背景下观察。北京真正试图解决的，并不仅仅是怎样生产更多词元，而是怎样把已有的算力、模型、数据和科研优势进一步转化为可持续的智能服务能力，并探索人工智能服务的生产、分发、计量、交易和应用体系。
词元经济实际上反映了人工智能产业发展逻辑的一次变化。过去几年，人工智能产业竞争主要围绕芯片、算力、模型参数和基础模型能力展开，地方产业政策也更多关注算力中心、数据中心和大模型平台建设。但随着大模型逐渐进入企业经营、科研活动和社会服务领域，一个更现实的问题开始凸显：建设了大量算力以后，如何真正转化为有效的智能服务？模型能力形成以后，又如何以更低成本、更高效率进入千行百业？词元作为模型处理和生成信息的基本计量单位，为连接上游算力、基础模型和下游应用提供了一个新的观察尺度。北京发展词元经济，本质上就是希望推动人工智能产业从强调“能力建设”进一步转向强调“价值创造”。
北京能够率先进行这种探索，与其人工智能产业基础密切相关。词元经济并不是一个能够脱离人工智能产业体系独立存在的新产业。词元生产需要算力支撑，需要基础模型，也需要高质量数据和持续增长的应用需求。如果缺少这些条件，简单建设词元工厂，很容易重新陷入以基础设施投资为主的扩张。北京的优势恰恰在于，这些资源已经形成较高程度的集聚。截至2025年底，北京人工智能核心产业规模已经超过3000亿元，人工智能企业超过2400家，并形成了从基础模型、算法、算力平台到产业应用相对完整的产业链。同时，北京还集中了大量高校、科研院所、高科技企业以及金融、医疗、教育、科研和总部经济等高附加值应用场景。
因此，北京发展词元经济并非从零起步，而是对既有人工智能产业优势的一次延伸和重新组织。过去的优势更多体现为科研、人才和模型创新能力，而进入规模化应用阶段以后，仅有技术创新还不够，还需要把技术能力转变为稳定、低成本、可以持续调用的服务能力。北京既拥有较强的人工智能技术供给，也拥有大量潜在的智能服务需求方，更容易推动供给与需求在同一产业生态中结合。从这个意义上讲，北京最有价值的优势并不只是目前生产了多少词元，而是能否依托完整的产业生态，把词元生产、模型服务、数据利用和智能体应用真正连接起来。
如果仅仅把北京的领先理解为词元产量领先，这种优势并不牢固。词元生产仍然建立在算力和模型之上，其他地区只要拥有低成本能源、算力中心和相应模型服务能力，同样可以扩大词元供给。北京更难复制的优势，是人工智能生态的密度以及产业链不同主体之间较低的协同成本。基础模型企业、科研机构、平台企业、投资机构和应用需求方高度集中，使北京更有条件在词元生产之外发展模型评测、智能路由、统一接口、质量认证、交易结算和行业解决方案等高附加值环节。
北京真正值得争取的，并不是仅仅成为一个大规模的“词元生产中心”，而是成为词元经济运行的重要枢纽。一个成熟的词元经济体系，不仅需要生产，还需要分发、评测、计量、交易和终端应用。如果只有大规模词元供给，却缺乏稳定的分发渠道、统一的质量评价和持续增长的真实需求，产能本身很难形成完整的产业价值。对于北京而言，更重要的是把先发的生产优势逐渐沉淀为平台优势、规则优势和生态优势。
其中最关键的一步，是把词元供给能力转化为真实的应用需求。人工智能最终能否成为新的生产力，并不取决于模型每天生成了多少内容，而取决于这些能力是否真正嵌入企业和机构的业务流程。词元经济要形成稳定市场，最终仍然需要依靠大量可持续的智能体应用。北京在这一点上具有明显的场景优势。科研、医疗、金融以及大型企业管理等领域，都存在大量复杂、专业和高频的智能服务需求。一旦这些应用从试验走向规模化，模型调用就会从偶发性需求转变为连续、稳定的词元消费。相较于个人用户简单的问答和内容生成，这类企业级和机构级需求也更容易衡量投入产出，更可能率先形成稳定的商业闭环。
由此也可以看到，北京下一阶段衡量词元经济发展成效，不能只看新增了多少词元工厂、形成了多少日产能。更重要的指标应该是，有多少词元真正进入科研、生产和服务环节，有多少企业开始稳定使用智能体，有多少业务流程因人工智能而提高效率，以及单位智能服务成本是否持续下降。只有从“生产了多少词元”转向“这些词元创造了多少实际价值”，词元经济才可能真正由技术和政策概念变成具有现实意义的经济形态。
北京在推进词元经济过程中需要警惕“重供给、轻需求”的倾向。任何新产业在政策关注度提高以后，都容易出现投资先行、应用滞后的问题。建设词元工厂、增加算力和统计词元调用量相对容易，而培育能够持续创造价值的行业应用则需要更长时间。如果各类主体只追求调用量和产能数据，甚至产生大量低效、重复调用，就可能出现所谓“词元空转”：账面上的词元消费快速增长，实际生产效率和经营绩效却没有同步改善。
因此，词元经济必须避免简单的数量评价。北京市行动方案提出建设词元工厂分级评价体系，其重要意义就在于引导产业从单纯追求规模转向同时重视质量和效率。未来除了模型适配数量、词元吞吐速度、首字延迟、缓存命中率、电能利用效率等技术指标外，更需要关注词元的实际使用效果，例如完成一个有效任务需要多少词元、不同模型完成同类任务的成本和质量差异，以及单位词元能够创造多少业务价值。只有把“有效词元”而不是简单的“词元数量”作为重要评价尺度，才能减少低水平重复建设。
从更长远的角度看，北京率先发展词元经济的价值，可能更多体现在规则探索而非产能扩张上。当前不同基础模型在词元定义、计算方式、调用效率和服务质量上仍存在差异，同样数量的词元并不意味着同样水平的智能服务。如果未来词元要成为人工智能服务市场中的重要计量方式，就必须逐步解决不同模型之间如何评价、如何比较以及如何统一计量的问题。
随着人工智能服务跨平台、跨区域甚至跨境流动，制度问题还会更加复杂。企业如何比较不同模型的价格与性能，一个任务调用多个模型以后如何统一计量和结算，企业数据进入模型服务体系后如何确保安全，跨区域调用算力、模型和数据时如何确定责任边界，这些都不是扩大词元产能能够自然解决的问题。因此，北京建设词元测试平台、分发平台和分级评价体系，实际上是在为未来人工智能服务市场探索必要的基础设施和市场规则。
如果北京能够在统一接口、模型评测、智能路由、计量结算、质量认证和安全合规等方面率先形成较成熟的机制，其竞争优势就可能由人工智能企业和技术资源的集聚，进一步转变为人工智能服务市场基础设施的优势。硬件产能可以通过投资较快复制，而一个被大量市场主体接受的行业规则、服务平台和产业生态，则需要长期实践和多方协同才能形成，这也是北京先发优势更有可能沉淀下来的部分。
当然，北京率先探索词元经济，并不意味着全国都应复制北京模式。不同地区在能源条件、产业结构、数据资源和应用需求方面存在明显差异。北京科研资源、基础模型企业和高端人才较为集中，同时金融、科研、医疗和总部经济等复杂应用场景丰富，因此更适合发展模型创新、智能体研发、词元分发、标准制定和高附加值服务。制造业基础较强的地区可以重点发展工业智能体，能源资源丰富的地区可以更多承担低成本算力供给，具有特色行业数据的地区则可以围绕垂直模型和专业应用形成优势。
北京经验真正值得借鉴的，不是建设多少词元工厂或者复制相同的产业结构，而是从单一的算力供给思维转向完整的人工智能产业生态思维，将生产、评测、分发、应用和治理统筹起来。未来全国词元经济更合理的发展模式，也许不是各地争相建设相同的基础设施，而是在统一基础规则和市场体系下，根据各自资源禀赋形成专业化分工。
总体来看，北京布局词元经济，表面上是在培育人工智能产业的新增长点，更深层次上是在探索人工智能进入规模化应用阶段以后新的产业组织方式。评价北京词元经济最终发展得好不好，不能只看词元生产规模，而要看能否把人工智能技术优势转变成生产效率优势，能否形成稳定、透明、低成本的智能服务市场，又能否逐步建立被更多企业和地区认可的标准与规则。
北京率先发展词元经济的最大价值，并不在于提出一个新的产业概念，而在于利用自身较完整的人工智能产业基础，率先回答人工智能从技术突破走向大规模经济应用之后必然面对的问题：人工智能能力如何被生产、计量、分发和交易，又如何最终转化为真实的社会生产力。北京的探索不仅关系一个新的产业赛道，也可能为人工智能时代新的资源配置方式和产业运行机制提供有价值的实践样本。（王鹏）
