詞元經濟學：智能體嘅帳單，正在暴露你嘅數據家底

模型單價一夜腰斬，專用小模型把單次判斷成本壓低近三百倍，但中國全年詞元消耗量正衝向 10 億億。智能體嘅總帳單由數據組織方式決定，而唔係模型價格。數據卡片如何令每一發詞元都花喺刀刃上。

OntiCards 團隊·2026-09-28·8 分鐘閱讀

啱啱過去嘅一個禮拜，兩件事同時發生：一邊，模型單價被狠狠砸低——頂級模型貼身減價，專用小模型把單次判斷嘅成本壓到原本嘅幾百分之一；另一邊，中國全年詞元（Token）消耗量正衝向 10 億億。智能體嘅總帳單，越嚟越唔由模型報價單決定，而由你企業數據嘅組織方式決定。呢篇文章將呢筆數拆開逐項計畀你睇。

一、一個禮拜之內，「智能單價」被打崩

先睇價格戰呢一邊。據 TechCrunch 等多家外媒報道，9 月下旬 Anthropic 同 OpenAI 前後腳發布新模型：Claude Opus 5.5 喺 Artificial Analysis 性能榜以 58 分登頂，單任務成本 5.98 美元，比起一代 Fable 5.1 嘅 7.63 美元更低；GPT-6 Sol 同 Luna 嘅 API 定價比 GPT-5.6 促銷價仲要再低 50%，Luna 甚至直接開放畀免費用戶。

更有訊號意義嘅係另一組數字。據 The Neuron 週末摘要收錄嘅研究，專用小模型 Jev 喺「作為評審（Jev-as-a-Judge）」嘅測試入面，每千次判斷成本 0.044 美元，而 GPT-6 做同樣嘅工作要 12.182 美元——相差約 277 倍，延遲仲只有後者嘅十二分之一。OpenRouter 數據顯示，Jev 已佔其每週分類請求量嘅 27%；風投 a16z 甚至認為，呢類小模型可能為「電腦操作」類成本帶嚟 100 倍嘅通縮。

智能單價崩塌：由價格戰到專用小模型

譯做一句大白話：「智能」正在由奢侈品變成大宗商品。人人都用得起、用得起了。

二、單價喺跌，總帳單喺爆

但單價嘅崩塌冇令總帳單變細，反而令佢起飛。

中國電信研究院《智能體時代AI基礎設施發展研究報告（2026）》預測：2026 年我國詞元按年消耗量將達 10 億億，2030 年將超過 3500 億億，年複合增長率接近 12 倍；到 2029 年，推理算力將佔我國算力市場嘅 80%。國際機構嘅預測係，全球活躍智能體數量將由 2026 年嘅近 8000 萬個增長到 2030 年嘅 22.16 億個。

增速有幾陡？《全國數據資源調查報告（2025 年）》顯示，我國詞元日均調用量由 2025 年初嘅 1 萬億，升到年尾嘅 100 萬億；2026 年 3 月進一步突破 140 萬億。啱啱閉幕嘅杭州數貿會首次設立「詞元專區」，把詞元製造、分發、調用、應用做成一條完整嘅產業鏈嚟展示；湖南甚至落地咗全國首筆「Token 貸」——銀行唔睇抵押品，睇企業每個月消耗幾多詞元嚟批出 800 萬元貸款。詞元流水，正在變成一種新嘅「經營流水」。

單價跌 50%，用量升幾十倍——呢個就係當下企業 AI 成本嘅真實算術。

三、詞元都嘥咗喺邊

問題係，呢啲詞元並冇全部轉化成業務價值。環球網喺報道詞元經濟時有一句好準嘅判斷：「詞元可以畀智能計數，卻無法畀智能定價。詞元經濟嘅下半場，將圍繞一件更困難嘅事展開：邊個可以用更少嘅詞元，完成更複雜嘅任務。」

喺企業環境入面，詞元嘅浪費通常發生喺三個地方：

上下文塞垃圾。數據零散、口徑唔清，每一次提問都要把大量無關嘅表結構、欄位說明、歷史對話塞入上下文，詞元喺「做鋪墊」嗰陣已經燒咗；

答錯就重試。模型讀唔到準確嘅業務口徑，生成一次錯誤結果，用戶追問、系統重試，一輪循環落嚟成本翻幾倍；

智能體循環重讀。Agent 為咗確認一個事實，反覆掃描多張表、多個系統——數據越碎，佢回頭重讀嘅次數越多。

IDC 嘅數據佐證咗卡點所在：超過 70% 嘅企業級 AI 項目卡喺數據清洗、治理、動態適配與高質量數據集供應環節，而唔係卡喺模型能力度。反面印證都有：快手披露其 Data Agent 落地數據，單次任務提效中位數 13 倍，某項指標計算由 Spark ETL 遷移到新引擎之後耗時由 90 分鐘壓到 42 秒、成本節約 92%——數據底座整理得好，詞元就花得慳。

四、把每一發詞元打喺數據卡片上

呢個正正係 OntiCards 做「數據卡片」嘅出發點。數據卡片係某一份數據源、數據表或文檔嘅 AI 結構化說明書：只記錄元資訊——張表係乜、欄位乜意思、業務口徑點樣、可以回答邊類問題——而唔記錄業務流水數據本身。

佢對詞元帳單嘅影響係結構性嘅：

維度	數據直連 / 樸素 RAG	OntiCards 數據卡片 + 語義層
提問時塞入上下文嘅內容	大量表結構、欄位說明、示例	卡片元資訊，按需最小化召回
業務口徑由邊度嚟	收喺人腦入面，模型靠估	寫入卡片，模型一次讀啱
答錯重試	常態，每輪重試都係新帳單	口徑確定，重試率顯著下降
Agent 取數路徑	循環掃描多表確認事實	卡片尋址索引直達目標數據
每一次回答可否審計	難以追溯	推理鏈路完整可審計

一句總結呢個機制：語義層把「喺海量數據入面估答案」變成「喺已知口徑入面搵答案」——前者嘅成本係概率性嘅、隨數據混亂程度指數上升；後者嘅成本係確定性嘅、隨卡片覆蓋度線性下降。我哋喺此前嘅數據上下文價值之戰同模型疲勞時代嘅抗迭代設計兩篇文章入面分別討論過呢個趨勢嘅唔同側面，而詞元經濟學就畀咗佢最直接嘅財務註腳。