智能经济横空出世！
先看一个异常数字。2024年初，中国日均词元调用量为1000亿，到2025年底升至100万亿，2026年3月又突破140万亿，两年增长超过千倍。这不是聊天机器人多回答了几句话，而是智能服务开始像电力和流量一样被持续消耗、计量和结算，智能经济由此有了交易刻度。
智能经济的第一场深刻变化，未必发生在机械臂上，而可能发生在企业账本里。过去买软件按套付费，未来调用模型、使用数据、完成任务都可能按量计价。数据驱动一旦进入成本核算和收益分配，人工智能才从技术能力变成经济能力，这才是“横空出世”的分界线。
2011年的德国“工业4.0”与今天高度相似。它在汉诺威工业博览会上把设备联网、实时数据和智能生产推向公众；2013年4月8日，工作组提交实施建议，次日成立协调平台。但当时主要解决机器如何连接，今天还要解决模型如何决策、知识如何计价，这意味着智能经济多了一层利益重组。
德国工业4.0后来形成了企业、协会、科研机构和政策部门长期参与的平台，今天仍有300多家机构处在这一网络中。它留下的启示不是提出概念就能领先，而是接口、标准、人才和规则必须一起推进，否则智能工厂很容易变成展厅里的昂贵样板。
中国眼下面临的正是这种转折。国家数据局6月5日公布，截至2026年第一季度，全国已建成高质量数据集超过11.6万个、总体量超过960PB，同时也指出重复建设、质量参差、获取成本高等问题。数据越多，供需错配可能越突出，下一阶段比拼的不是存了多少，而是谁能证明数据真正有用。
5月22日召开的词元经济座谈会又把问题向前推了一步。词元正在成为人工智能服务的计量、结算和统计单位，相关工作将被纳入国家数据局工作体系。这说明商业模式正从一次性交付转向按调用、按效果付费，智能能力有望成为中小企业也能采购的生产资料。
但有了计量单位，不等于市场天然公平。谁掌握调用入口，谁就可能影响价格；谁拥有行业数据，谁就可能决定模型能学什么。中国发展词元经济，不能复制少数平台凭接口收取高额“过路费”的路径，必须让市场竞争、公共规则和安全审计同时到位。
6月15日发布的政策解读提出建设“AI-Ready”数据，推广“模型预标注加人工校准”“人工标注加模型检验”，并探索以词元为基础的价值体系和API调用等模式。这里最值得注意的是，行业专家的经验开始被写入数据产品，人机协同由使用端提前到了生产端。
这也带来一个新问题：人的知识到底算不算资产。医生纠正一次标注、工程师排除一次故障、工人指出一次异常，都可能让模型以后少犯错误。若这些贡献只被平台吸收，却不能记录、评价和回报，人机协同就会退化成人为机器免费补课，这种模式走不远。
经合组织对七国制造业和金融业的调查给出两面数据：五分之四使用人工智能的劳动者认为绩效改善，五分之三认为工作乐趣增加；可在金融和制造业中，分别有62%和56%的受访者因数据收集感到绩效压力。机器既能成为助手，也能成为无形监工，区别就在规则由谁制定。
经合组织公布的2026年4月失业率仍为5.0%，没有出现人工智能引发就业市场瞬间坍塌的迹象。真正先发生的，是岗位内部管理权悄悄转移：任务怎么分、速度怎么定、错误怎么算，越来越多由算法参与。人机协同的重点不是保留一个人在场，而是保留人的申诉和纠错权。
站在中国角度看，制造场景多固然重要，更稀缺的是一套公共交易基础设施。统一目录让数据找得到，质量评测让数据敢使用，合规凭证让责任可追溯，权益规则让贡献者愿意供给。公共服务能否为中小企业降低门槛，将决定智能经济是普惠增长还是平台独享。
数据驱动至少需要三本账：一本记录质量和鲜活度，一本记录投入、调用与收益，一本记录错误、修改和责任。只记录模型跑了多少次，却不知道数据从哪来、谁修正、损失由谁承担，“数据飞轮”就可能变成责任空转，能把三本账对齐的企业才算真正入场。
未来国际竞争还会增加一个新战场，那就是计量和结算标准。若词元定价、数据集认证、接口收费和审计格式都由境外少数企业定义，中国企业即使拥有完整制造链，也可能长期缴纳“数字通行费”。推动开放兼容的中国标准进入国际市场，重要性不亚于训练高分模型。