一组关键数据揭示：我国日均词元调用量已突破140万亿次。这相当于每天能够“生成”超过1.7万部《流浪地球2》。这背后是一个清晰的信号：人工智能早已不再是实验室里的概念验证，而是真正步入了日常生产和生活场景。
国家数据发展研究院副院长袁军近期在接受专访时，就词元如何重塑AI商业模式、高质量数据集如何建设，以及算电协同的破局方向，提供了深度见解。作为国家数据局首个正局级事业单位，国家数研院正通过国家数据集管理服务平台，积极推动数据从“静态存储”向“动态燃料”转化，致力于解决行业长期存在的“结构失衡、精度不足”等核心难题。
袁军的核心判断清晰明确：AI时代的竞争焦点，正在转向词元的使用效率；算电协同需要突破“安全、绿色、经济”的不可能三角；而打通西部绿电与东部算力的供需瓶颈，关键在于顶层机制创新。
词元正成为智能时代的“水电煤”
今年，Token这一概念的热度持续攀升。日均调用量超过140万亿次，这意味着中国人工智能模型每日的信息吞吐量，若全部用于生成4K、24帧的高清电影，足以制作超过1.7万部《流浪地球2》。如此庞大的词元消耗揭示了一个事实：AI已从“技术概念”进化为“生产工具”。词元，正逐渐成为智能时代的“水电煤”，并深刻变革着AI产业的商业模式。
过去，企业采购软件多采用一次性买断或包年包月模式。如今，按词元结算的计费方式，如同缴纳水电费一般，用多少付多少。在智能经济体系中，词元统一了交易的沟通语言，使数据要素的流通能够实现自动计价与结算。以往评估产品优劣依赖“日活”、“月活”指标，而在AI时代，厂商不仅比拼用户规模，更要看谁能用更少的词元消耗解决更复杂的难题。谁能掌握这种效能平衡，谁就能主导市场定价权。
词元也为数据集建设带来了产业视角的升级，将数据从“静态的存储资源”转变为“动态的智能燃料”。以往衡量数据集使用GB、TB，属于“仓储逻辑”；现在切换为词元，就如同买菜从“论斤称”变为“按营养成分结算”。当词元成为全行业买单的计费标准，构建基于词元的数据价值体系便成为可能。数据不再是一锤子买卖，而是有望转化为参与利润分配的资产。
在数据被词元化后，未来的数据集建设必须从“盲目堆积”转向“精准提纯”，力求喂给大模型的每一份数据都富含价值。高质量数据集的核心目标，是教会大模型以最少的词元解决问题，从而训练出字字珠玑的AI，减少不必要的词元消耗与算力浪费。
技术搭建基础设施的“骨架”，制度赋予流通规则的“灵魂”
谈到具体推进，当前互联网上的通识数据已近乎耗尽，而真正决定行业垂类模型性能的行业数据，供给仍处于较低水平。数据“燃料”短缺已成为AI行业面临的紧迫挑战。要提升垂类模型的专业能力，不能继续依赖简单堆砌低质量数据，必须构建一套从底层工具到顶层人才的“精炼体系”。
当前，我国高质量数据集建设面临三大痛点：一是建设主体分散，数据管理部门难以全面掌握资源底数与进展；二是供给侧信息不对称，容易导致重复建设与质量参差；三是需求侧获取成本高、周期长，抑制了技术创新效率。4月底，在数字中国峰会上，受国家数据局委托，由国家数研院建设运营的国家数据集管理服务平台正式发布并启动试运行，标志着我国高质量数据集建设进入集约化管理新阶段。这也是国家层面首次推出此类平台。平台采用“物理分散、逻辑集中”的汇聚模式，构建全国统一的数据集资源目录与管理体系，旨在推动高质量数据集“供得出、流得动、用得好”，实现全国“底数一本账、调度一盘棋、协作一张网”的工作格局。
至于大模型应用中频发的数据泄露、模型幻觉、隐私合规等风险，其核心不仅在于技术漏洞，更在于数据权责不清、流通规则缺失等制度性难题。数据一旦离开持有方，权属如何界定、责任如何追溯、收益如何分配？这些问题若不能明确回答，再先进的技术也难以落地。
从技术路径看，国家数据基础设施通过数联网、可信数据空间等核心载体，能够构建“数据可用不可见、用途可控可计量”的可信流通环境。但实现这一目标，离不开配套的制度设计。例如，隐私计算解决了“怎么算”的问题，但“谁可以算、算的范围是什么”需要数据分类分级制度来划定边界；区块链解决了“怎么追溯”的问题，但“违规后如何问责、如何处罚”需要数据安全管理制度来明确红线；可信数据空间解决了“在哪流通”的问题，但“各方主体的权利义务如何配置”需要数据确权授权制度来提供依据。可以说，技术搭建了基础设施的“骨架”，制度赋予了流通规则的“灵魂”，二者缺一不可。从总体进度来看，《国家数据基础设施建设指引》已明确：到2026年完成顶层设计与先行先试，到2028年建成规模化流通设施体系，到2029年基本建成国家数据基础设施主体结构。制度层面的立法修法、标准制定、规则细化也将同步推进。
智能终端正从“工具”进化为“伙伴”
2026年政府工作报告首次提出“打造智能经济新形态”，旨在促进新一代智能终端和智能体的加快推广。这带来了三个层面的变革。一是产业形态的重构：从车载智能体到家庭服务机器人，智能终端正从“工具”进化为“伙伴”，带动硬件制造、软件服务、内容生态等全产业链发展，形成万亿级市场增量。二是商业模式的变革：当智能体能够主动理解并执行任务，“人找服务”将转向“服务找人”，Token作为结算单位使AI服务的价值得以精确计量，催生出全新的原生商业模式。三是生产关系的重塑：人机协作成为常态，智能体运营、模型训练等新兴岗位不断涌现。
智能经济的蓬勃发展，也对数据基础设施提出了三个转变要求。一是从“集中处理”转向“云边端协同”：智能终端需要毫秒级响应，不能完全依赖云端，必须构建云边端一体化的数据流转体系。二是从“静态数据”转向“实时流式数据”：智能体持续与环境交互，产生海量高并发的动态数据，要求基础设施支撑低时延的数据流处理。三是从关注“数据所有权”转向“数据使用权”：智能体跨场景服务时，需在保护隐私前提下调用多方数据，可信数据空间、隐私计算等设施的作用将充分释放，成为智能经济的数据底座。
从“东数西算”到如今的“算电一体”，数据基础设施的概念在持续外延。对地方政府而言，下一步的发力点在哪里？大模型训练推理、智能体实时响应等场景对算力、网络、存力的需求远未满足，适度超前布局是必要的。但“超前”不等于“盲目”，必须坚持需求牵引、梯次布局。尤其要在“算电一体”或“算电协同”框架下，推动数据基础设施各要素协同规划，优先在绿电富集地区集约化布局，实现比特与瓦特的协同优化，避免“建而不用”。
基础设施的效能能否充分释放，不仅取决于硬件投入，更取决于制度规则、标准规范、产业生态、市场环境等软条件的成熟度。与其碎片化点状发力，不如系统性构建一套让数据“供得出、流得动、用得好”的软环境：以清晰的制度规则降低交易成本，以统一的标准规范保障数据质量，以丰富的应用场景牵引产业集聚，以开放的市场环境激发主体活力。总结而言，硬件是“骨架”，生态是“血脉”。地方应聚焦产业特色与场景牵引，因地制宜，使硬件与软件协同演进。
算电协同需要“深度融合、同频共振”
算电协同从“各自为战”走向“系统协同”的核心挑战，本质上是比特世界与瓦特世界两套管理体系、两种运行逻辑、两类市场规则的碰撞。常说的“安全、绿色、经济”不可能三角，只是这些深层机制障碍的外在表现。
首先，算力设施迭代速度快，建设周期通常以月为单位，而电网发展规划以年为单位。算力需求的爆发式增长与电力设施的长期建设周期形成明显错配：“电等算”容易导致过度配置与资源浪费，“算等电”则会制约产业发展。尤其值得注意的是，智算中心已从传统的兆瓦级负荷跃升至吉瓦级，成为区域电网的关键负荷，但在电力规划中往往缺乏前瞻性考虑。其次，算力中心对供电连续性和稳定性要求极高，大模型训练等任务需要7×24小时刚性连续供电，而新能源发电受天气影响波动性大，加上现有储能技术和算电协同调度技术成熟度不足、成本较高，要同时兼顾绿色、稳定和经济，难度很大。第三是“收益不明确”，算、电、碳市场之间的价值链条尚未打通。当前电力市场主要围绕传统“发-输-配-用”单向关系设计，算力中心作为可调节负荷的价值未能充分体现；电碳市场之间的衔接也不够充分，绿电环境溢价与碳减排收益难以有效转化为企业的成本优势，市场未能对绿色算力的差异化价值给予合理回报，企业主动投资绿电的动力自然被削弱。
总而言之，要从发展智能经济新形态的高度来看待算电协同。这不仅是两个系统的简单拼凑，而是要让不同节奏、不同特性的两个系统“深度融合、同频共振”。只有破解这些难题，算力和电力才能真正拧成一股绳。
近期，国家数据发展研究院发起算电协同科技与产业融合创新联合体，目标是打造产学研协同、深耕一线的创新实践载体，打通算力与电力融合的堵点。联合体将重点从政策、技术、标准、产业四个层面系统性破解区域错配难题，疏通“电算经络”，让西部的绿电不再“空转”，让东部的算力不再“等电”。
