中國日均Token（詞元）呼叫量正以驚人速度攀升：從2025年底的100萬億，增至2026年一季度末的140萬億，再到二季度末的500萬億，半年內增長四倍。這一數字背後，本土模型正集體跨越“好用”時刻，但Token的統計口徑卻成為懸而未決的問題。

過去兩個月，智譜GLM-5.2、月之暗面Kimi-K3、深度求索DeepSeek-V4正式版以及阿里Qwen-3.8-Max等國產模型密集釋出，進一步縮小了與美國前沿模型的能力差距，並開始在編碼、智慧體等真實場景加速滲透。模型能力的提升迅速轉化為商業回報：MiniMax披露，7月Token消耗量已達1月的20倍，8月ARR（年度經常性收入）超過8億美元，而2月時這一數字約為1.5億美元。Token消耗與商業收入幾乎同步躍遷，顯示付費需求正在被真實啟用。

智譜的GLM-5.3-Flash則提供了另一個微觀樣本。該模型在第三方聚合平台OpenRouter上線前測試，不到一週消耗超23萬億Token，佔該平台同期消耗量的20%；OpenCode則稱每天有100萬億Token的推理容量可供測試。智譜明確宣告，上述測試請求全部由國產晶片叢集承載，這意味著其已能調動支撐日均百萬億Token級推理的國產算力。智譜的ARR在7月達到10億美元。10億美元ARR、GW級資料中心、日均百萬億Token級處理能力，正成為本土AI競爭的新門檻。

然而，Token作為AI經濟核心計量單位的地位越凸顯，其統計口徑的混亂就越令人尷尬。一個核心困惑是：字節跳動日均180萬億Token與全國日均500萬億的關係。若簡單相除，豆包一家便佔全國約36%，但這顯然無法直接對應算力規模或Token經濟總量。從算力側看，阿里雲、華為雲、騰訊雲、百度智慧雲及運營商雲承載了大量推理，而DeepSeek、智譜、Kimi、MiniMax等也在自建算力，這些可觀察的呼叫量與算力部署，是否只對應剩下的64%份額？

更大的謎團在於中美對比。今年4月，OpenAI披露其API每分鐘處理超150億Token，摺合日均約22萬億；7月谷歌財報顯示其模型API二季度每分鐘處理超220億Token，摺合日均約32萬億。但若以商業規模為參照，OpenAI截至7月底ARR已超400億美元，Anthropic約650億美元，美國頭部廠商顯然證明了Token的巨大商業價值。然而，將Token吞吐量與ARR簡單對應後，美國頭部廠商公開披露的API吞吐量加總，似乎還不如字節跳動一家多。據財新披露，截至7月底字節跳動大模型業務ARR約40億美元，智譜約10億美元。

這種數量級差異的關鍵解釋之一是統計口徑不同。谷歌在I/O大會上曾披露兩個口徑：其一是自身模型API每分鐘處理約190億Token（日均約28萬億）；其二是整個產品生態每月消耗3200萬億Token（日均約107萬億），兩者相差近四倍。若豆包披露的180萬億採用類似寬口徑，則與谷歌的107萬億更具可比性；若中國國家層面的500萬億日均也採用寬口徑，則可能統計的是覆蓋更廣泛的AI產品與服務，而非狹義API呼叫。問題在於，OpenAI、Anthropic及美國寬口徑下的日均Token消耗究竟是多少，目前並無公開資料。

另一解釋是中美算力約束與支付環境不同。黃仁勳曾強調算力基礎設施存在帕累託式權衡：追求更大整體吞吐還是更低單請求延遲。同樣1GW算力能產生多少Token，取決於排程方式、定價及使用者對延遲和Token的付費意願。美國廠商可能更強調低延遲，追求Token的速度與價值密度；中國市場則更易形成低價格、大規模、高吞吐的Token消費，追求規模與吞吐量。這種差異也反饋到晶片設計上：Cerebras等專用推理晶片及OpenAI自研的Jalapeño強調高效推理交付，而智譜在國產晶片叢集上“以算力換頻寬、以通訊換視訊記憶體”的最佳化，則是在硬體受限下通過系統軟體壓榨吞吐。

Token經濟學還引入傳統AI基礎設施討論少見的變數——Token的國際貿易。不同市場的支付能力、Token價格和算力成本不同，可能形成類似商品貿易的跨境套利，畢竟中美開發者都在使用對方模型生成的Token。隨著Kimi等中國模型通過AWS等全球雲巨頭進入海外市場並參與收入分成，Token的歸屬、消費地、付費方及計入哪個國家的AI經濟，將更加複雜。

我們需要的或許不只是更大的Token數字，而是一套真正屬於Token經濟學的統計體系。唯有如此，才能解釋為何中國日均Token使用量看似超過美國，但AI算力規模仍小得多，且中國AI企業收入與美國存在數量級差距。Token作為新尺度，其統計方法本身已成為亟待釐清的基礎設施問題。