人工智能快速发展，算力和词元正在从单纯的技术资源逐渐走向具有经济价值的生产要素。近期，多地推出算力入股、算力贷、模型贷、词元贷等探索，金融机构和产业资本开始尝试以算力和词元为新的价值锚点。
不过，算力和词元能否真正成为具有稳定价值的“资产”，并不只是资源数量的问题。相同规模的算力，在不同模型和运营模式下可能产生明显不同的收益；同样数量的词元，其实际价值也会受到模型能力、任务场景和使用效率等因素影响。
政策持续加码，算力和词元探索资产化路径
随着AI应用不断扩大，算力需求持续增长。工业和信息化部近日发布《人工智能中小企业创业支持计划（2026-2028年）》，提出探索算力入股、数据入股、投孵联动等新型支持方式。
此前，上海已经开展相关探索。2025年3月，上海提出研究算力入股等新型投资方式，并探索“基金投资+算力入股”等智算中心投资模式。2026年8月发布的相关产业规划进一步提出，持续探索算力作价入股等新型投资方式。
除了算力，词元经济也开始进入地方政策视野。安徽提出鼓励银行推出“Token贷”“模型贷”等金融产品，内蒙古则提出加大对词元经济项目的信贷支持力度，并支持词元服务企业探索词元资产化路径。
在产业实践中，算力入股目前仍属于较新的模式。一些大型AI企业则通过算力扶持、词元额度等方式支持创业团队和应用创新，为人工智能企业降低早期技术资源使用成本。
与此同时，国内金融机构也开始推出与AI资源相关的金融产品。例如，中国银行上海分公司推出“算力贷”和“词元贷”，分别针对算力基础设施运营及相关产业链企业，以及AI科创小微企业等群体。
部分银行也已经在不同城市开展类似业务。随着AI产业规模扩大，算力和词元正在从企业经营中的技术投入，逐步进入资本、金融和产业资源配置的讨论范围。
同等算力收益不同，使用效率成为价值分水岭
算力具有资源属性，并不意味着所有算力都能产生相同的经济回报。
相关市场测算显示，在使用同一型号的主流智算服务器时，即便设备、请求结构等条件保持一致，由于运行的大模型不同，其收入水平和成本结构也可能存在较大差异。相关测算甚至显示，不同旗舰模型对应的静态回本周期可能相差8倍以上。
从商业模式来看，算力收入与模型吞吐能力、服务价格和设备利用率密切相关。高参数模型通常具有更高的单价，但计算速度可能相对较慢；高吞吐模型虽然运行速度较快，但市场价格也可能受到竞争影响。
因此，单纯拥有算力并不能直接等同于拥有高收益能力。
Gartner管理副总裁孙鑫表示，算力需求增长并不意味着每一笔算力投资都能够获得高回报，真正影响收益差距的因素包括资源利用率、有效产出以及软硬件整体效率。
这意味着，未来算力价值评价可能从“拥有多少GPU”逐渐转向“这些计算资源能够产生多少有效AI计算”。
词元数量并非价值全部，质量和智能密度更加重要
与算力相比，词元的价值衡量更加复杂。
词元是大模型处理和生成文本等信息时的重要计量单位，但不同模型、不同任务产生的词元，其实际承载的信息和智能能力并不完全相同。
清华大学计算机科学与技术系教授郑纬民认为，人工智能时代词元可以被视作一种新的通货，但不同词元并不天然等价，词元生产能力也不能简单等同于高质量词元的产能。
腾讯研究院副院长杜晓宇也指出，在不同模型和任务场景下，词元所对应的智能密度存在差异。词元作为计量单位具有实际意义，但如果要进一步作为价值尺度，还需要考虑质量等因素。
因此，AI产业对词元的关注正在从“用了多少”转向“这些词元产生了什么”。
对于企业而言，如果大量词元消耗没有形成相应的业务产出，那么词元数量本身并不能说明AI应用效率。只有将词元消耗与模型能力、任务完成质量和实际经济价值结合起来，才能更加准确地评价其投入产出水平。
从资源规模走向效率竞争，AI价值仍需持续提升
随着算力和词元在AI产业中的作用不断增强，如何提升资源使用效率成为产业进一步发展的重要课题。
蚂蚁集团平台技术事业群总裁骆骥提出，AI竞争正在从规模竞争向效率竞争和绿色竞争演进。提高词元效率，让更少的计算和能耗产生更高的智能价值，将成为AI进一步进入各行业的重要条件。
对于算力投资而言，评价标准也可能发生变化。过去市场更关注GPU采购成本、算力租赁价格等指标，未来则可能更加关注单位资本投入能够持续产生多少有效AI计算。
这要求企业不再只关注单项算力采购，而是从整个AI基础设施体系考量成本和效率，包括资源调度、利用率、异构计算以及网络互联等环节。
同时，企业还需要建立更加完善的AI财务管理机制，对模型调用、词元消耗、算力使用以及由此产生的业务收益进行持续核算和优化。
从政策探索到金融创新，从算力资源到词元经济，AI产业正在形成新的价值衡量体系。算力和词元目前仍处于“准资产”探索阶段，其价值最终能否进一步稳定和提升，关键仍在于技术进步、资源利用效率以及实际应用产生的经济价值。
当AI产业从追求资源规模逐渐转向追求单位资源产出，算力和词元的价值也将更加依赖“效率”这一核心指标。未来，如何让每一份算力和每一个词元产生更多有效价值，将成为人工智能产业持续发展的重要方向。