编者按：当AI浪潮以指数级速度席卷全球，Token已超越技术概念，成为AI时代最核心、最值钱的“数字能源”，其重要性堪比工业时代的石油与黄金。国家数据局数据显示，我国Token日均调用量从2024年初的1000亿，一路跃升至2025年末的100万亿，到今年3月底已突破140万亿，两年间增长超千倍。

　　为深入解读Token作为数字能源的战略价值，全面分析能源化工企业在Token经济浪潮中的独特优势、实践路径与未来机遇，本报特别推出专题报道，邀请行业专家学者及企业实践者，共同探寻能源化工行业在AI时代的转型逻辑与发展蓝图。敬请关注。

　　记者观察》》》

AI从读书阶段进入工作阶段

能源化工产业迎来全新价值空间　　

　　今天，你和豆包对话了吗？有没有用DeepSeek解决一些遇到的难题？又或者通过即梦生成视频，让天马行空的念头落地生根？

　　当你享受这些智能服务带来的便利时，一个看不见的“数字齿轮”正在云端高速运转。你问出的每一句话、生成的每一张图，都会被大模型拆解成一个个叫作Token的最小处理单元。正是数以百万计的Token在数据中心里奔腾、计算、组合，才编织出我们所感受到的AI服务。而驱动这场智能盛宴的，是实实在在的算力，是庞大的冷却系统，是稳定可靠的能源保障。在Token的生产成本中，能源支出占据半壁江山，这意味着每一次人机对话的背后，都有一块正在跳动计数的电表。就在你我指尖轻点的瞬间，一场关乎能源行业未来命运的深刻变革，已经拉开大幕。

　　带着这份观察，记者采访了多位行业专家，试图探寻这场变革背后的深层逻辑。在调研中，一个共识逐渐浮现：Token作为AI服务的计价单位，正在成为连接无形智能服务与有形能源消耗的关键桥梁，它让原本隐藏在后台的能源成本变得可量化、可追溯，也为能源化工产业打开了全新的价值空间。

　　智能革命的计量单位

　　Token怎样锚定算力的能源成本？

　　什么是Token？华为运营商业务首席营销官彭亚平作了一个通俗的比喻：Token就像AI时代的“数字通用货币”。从应用层面看，它正在获得可定价、可交易的经济属性，成为AI服务计量、计价乃至结算的基本单位。今天你用大模型做一个视频，背后可能是几百万个Token在燃烧，所支付的费用，本质上就是为这些Token所承载的算力与服务买单。

　　正因如此，业内将Token比作“数字石油”的说法屡见不鲜。但需要厘清的是，这更像是一个关于“驱动力”的功能性类比。在工业时代，石油驱动内燃机完成机械做功；在AI时代，Token承载智能任务完成信息处理。然而，与石油的天然稀缺性和独立商品属性不同，Token本身不具备独立价值，它的生产是一个系统工程：需要先进芯片提供的算力、精妙的算法模型，以及持续、稳定、可负担的能源供应。能源是铸造Token的核心成本要素之一，但并非全部，更不是决定AI服务价值的唯一因素。

　　从计量视角看，这一演进脉络尤为清晰。中国信息通信研究院人工智能研究所副总工程师王蕴韬在撰文中指出，工业革命的计量单位是“千瓦时”，能量第一次可被精确计量、定价、跨域输送；信息革命的计量单位是“比特”与“流量”，信息第一次可被打包、传输、计费；智能革命的计量单位是Token，“智能”第一次可被切分、计量、定价、交易。这意味着Token天然具备成为计价标尺的潜质，也为各类生产要素的价值嵌入提供了接口。正如石油按桶交易、电力按千瓦时计费，AI服务正在形成以“每百万Token”为单位的定价模式。正是这种计价标尺的统一，让原本分散在后台的算力成本、能源消耗变得清晰可见，也让能源产业站到了AI产业链的价值前台。

　　电力成本是算力最大刚性支出

　　传统能源企业何以站上时代风口？

　　一旦Token成为计价单位，一个关键问题便随之浮现：在其成本结构中，什么占据主导？据中国信息通信研究院测算，电力成本占数据中心运营成本的50％至70％，是算力运营端最大的刚性支出。Token的定价，在很大程度上与电力成本之间存在紧密的正相关关系。基于这一逻辑，虚拟的AI与实体的能源紧密联系在一起，使得“算电协同”从技术课题上升为战略议题。

　　据厦门大学中国能源政策研究院院长林伯强分析，“算电协同”的核心在于推动算力与电力在规划、建设、运营等环节实现深度融合。如何让两者高效配合，既确保算力中心的稳定供电，又兼顾低碳环保目标，正是算电协同需要解决的关键问题。可以说，Token是算力与电力凝结的服务单元，谁能提供稳定、清洁、低成本的能源，谁就掌握了Token生产的核心成本优势。

　　随着采访的深入，记者发现，Token调用量的指数级增长正释放出清晰的信号。多位业内人士判断，AI正从“实验室能力”走向“社会基础设施”。国家数据局最新数据显示：2025年，人工智能推理数据量首次超过训练数据量，有专家将此形容为“AI从读书阶段进入工作阶段”。这个阶段对能源的需求远比训练时期更持久、更庞大，更贴近每个人的日常。由此可见，一个稳定、巨大且持续增长的能源需求市场正在形成，并对能源的清洁性、稳定性提出更高要求。

　　那么，在Token的生产链条中，传统能源企业可以从哪些环节切入？记者在调研中发现，可选择的路径远比想象中丰富。

　　在能源供应层面，绿电直供是最直接、最成熟的路径。随着“算电协同”政策推进，新能源发电企业能够通过直供电交易、源网荷储一体化等模式，有效缓解弃风弃光消纳压力，提升交易效率和收益水平。

　　在化工材料层面，石化企业的能力储备已初见成效。克拉玛依石化自主研发的介电冷却液，已成功应用于“东数西算”枢纽节点的液冷项目，为数据中心提供高效散热方案；兰州石化则在220千伏超高压电缆料上实现国产化突破，支撑电力基础设施建设。从冷却介质到基建材料，这些来自炼化与高分子材料领域的积累，正让能源企业在AI产业链上找到新的落脚点。

　　此外，数据中心余热回收利用则开辟了循环经济的新空间，为构建“算—电—热—碳”协同体系提供了想象空间，能够进一步降低Token生产的综合成本和碳排放。

　　Token出海备受业界关注

　　如何将窗口机遇转化为可持续优势？

　　沿着Token产业链向上下游延伸，一个更具想象力的空间正在海外打开。当前，Token出海这个前沿话题备受业界关注。国务院发展研究中心发展战略和区域经济研究部研究室副主任刘小鸽指出，“Token出海”并非孤立的技术现象，而是基于我国电力、AI芯片、算力基础设施、大模型、应用五个层次构成的完整产业生态，是我国能源优势、数据优势、基建优势、工程师红利等综合竞争优势的集中体现。

　　然而，理想图景与现实落地之间仍存距离。中国信息通信研究院人工智能研究所国际发展部主任许珊认为，OpenRouter上显示的中国大模型服务提供方，其数据中心实体多部署在海外，海外开发者实际使用的是部署在海外云平台上的大模型服务。这些调用并未回流到国内数据中心。真正的Token出海，尚面临数据跨境合规、网络时延和生态建设等多道硬门槛。

　　但这并不意味着“电不出境、价值跨境”只是空想。恰恰相反，当前的模型出海正是未来Token出海的必经之路。当我们通过模型出海积累了足够的用户基础、生态影响力和合规经验，当跨国数据传输的技术瓶颈和法律障碍逐步突破，我国的绿电成本优势，就可通过Token这一计价载体，转化为AI服务的价格竞争力，以低损耗、高附加值的数字服务形态实现“价值跨境”，或将开辟出能源价值变现的全新路径。

　　在记者看来，Token经济对传统石油石化行业的意义，远不止于“AI要用更多电、我们多发电”这样简单的供需关系，而是一次产业定位的根本性跃升。正如中国石油集团经济技术研究院副院长吴谋远所指出的，人工智能、大数据等数智技术，已由辅助性工具演变为重塑传统能源产业核心竞争力的战略引擎。随着模型出海的持续升温，以及Token出海潜力的逐步释放，传统能源行业将迎来“借船出行”的历史性机遇。企业如果能抓住这一窗口期，将自己的绿电、冷却方案、碳管理服务与智算中心深度耦合，先在服务国内推理需求和模型出海链条中打磨能力，再积极储备跨境合规与技术能力，就完全有可能在AI时代重塑自身的产业价值和竞争地位。

　　同时，我们也应清醒地看到，能源优势只是AI产业竞争力的一部分。当前，我国在高端AI芯片、通用大模型的全球影响力等方面存在短板，能源化工企业切入AI产业链仍面临着技术壁垒、人才短缺、跨界竞争等多重挑战。唯有将能源的硬实力与技术的软实力深度融合，在开放合作中补齐短板、在场景深耕中锻造长板，才能真正将今天的窗口机遇转化为明天可持续的竞争优势。（记者 薛晶文）

AI大模型周调用总量对比图（2026年以来）

　　专家解读》》》

抢抓机遇 开辟“瓦特到比特”转型通道　　

中石油（北京）数智研究院规划中心高级研究员、研究员 叶剑雄 吴天佑

　　过去两年间，我国Token日均调用量在实现千倍激增，今年3月底突破140万亿。与此同时，中国大模型在OpenRouter等国际平台的调用量已超越美国，标志着我国算力与电力优势正加速转化为高性价比的Token服务推向全球。

　　洞察变局

　　读懂Token背后的能源逻辑

　　Token出海的核心内涵，在于中国AI大模型企业将国内电力、算力与算法优势转化为高性价比的词元推理服务，通过API接口按处理量向全球用户计费，从而突破物理边界，实现算力与电力的“数字化出口”。

　　这种服务模式的成型，离不开中国近年来在人工智能大模型技术和能源基础设施方面的不断积累：在技术方面，国产模型在性能与开源生态上已比肩国际领先水平，为全球市场提供大规模智能服务奠定了基础；在能源基础设施层面，稳定且低价的电力供应（尤其是西部绿电资源）大幅降低推理成本，形成高性价比竞争力。

　　基于上述优势，中国得以精准应对全球人工智能产业发展的结构化矛盾：以高性价比的Token服务填补欧美因高电价与电网老化产生的算力缺口，同时为发展中国家提供可负担的智能解决方案。这一路径不仅实现从商品到基建再到智能能力输出的产业出海范式跃升，更推动中国智能要素的全球化配置和国际规则制定，支撑从“世界工厂”向“智慧中枢”的角色转变。

　　重估价值

　　理解“数字石油”的战略分量

　　Token被称为AI时代的“数字石油”，其战略价值与工业文明的石油有相通之处。石油是工业体系的血液，Token则是数字经济的核心生产资料，其供给能力直接决定AI产业的发展边界与国家核心竞争力。两者都是标准化、可交易的战略资源，但Token具备边际成本递减特征，其价值不仅取决于生产成本，更取决于背后的知识密度与模型能力，这是传统石油无法比拟的。

　　在交易逻辑上，传统石油产业遵循“勘探开发—炼油化工—储运销售”的物理链条，价格受到地缘政治、运输成本和期货市场等的显著影响。而Token经济构建“绿电生产—算力中心—Token生成—模型服务”的数智化交易链条，将电力价值与知识资产深度“封装”于Token之中实现跨境流动。这种毫秒级的交付模式，本质上是在极短时间内完成了能源优势与智能资产的双重输出，其交易效率与市场覆盖广度远超传统大宗商品。

　　从全球竞争格局看，美国在高端AI芯片与基础大模型研发上占据主导，中国凭借成本优势与开源生态，正从跟随者转变为规则参与方。近期，霍尔木兹海峡紧张态势持续挑战石油贸易美元结算体系的稳定性。正如石油曾为美元提供实物锚定一样，Token的大规模跨境流动有望使“词元货币”结算体系成为可能，助力中国在全球新一轮经贸格局重塑中拥有更大话语权。

　　乘势而上

　　架起中国能源企业的出海之桥

　　在Token出海浪潮下，能源与化工企业可围绕以下两方面抢抓机遇、深化布局。

　　一是强化能源基建的全球化支撑能力。通过整合西部风光资源和炼化副产氢能等，企业可构建稳定的绿电供应体系，支撑国内智算中心发展；同步布局海外新能源设施，在能源富集区域（如中东光伏、东南亚水电等）建设绿色智算节点，以“能源+算力”一体化模式降低跨境成本，形成全球化智算服务网络。

　　二是推动智能服务的技术能力输出。利用工业大模型与智能体，企业可将勘探开发、炼化生产、新能源运营等领域的生产运营经验转化为可交易的智能化服务，例如为海外油田提供地质数据分析模型优化选址，为炼化工厂部署实时故障诊断与预警系统，为新能源电站提供发电功率预测与设备健康度管理方案，为跨国企业提供碳足迹追踪与减排规划工具等。这些服务将以“词元”计量，按调用量跨境交付，形成技术能力全球化输出的新范式。

　　同时，企业可探索基于海外绿电项目收益发行合规的“能源稳定币”，提升离岸市场流动性。通过“能源基建+智能服务”的双重输出，企业不仅拓展了国际业务，还有望推动词元结算体系从构想走向实践。

　　观点连线》》》

　　1.Token调用规模的飞速增长，释放出哪些信号？能源企业如何顺势而为？　　

　　昆仑数智数据智能事业部副总经理 金玮：Token调用量的迅速增长，间接表明AI技术在全社会范围加速深度应用，且其重要性已经被充分认知。对于能源企业而言，需要关注两个信号。第一，AI基础设施的重要性迅速提高。AI模型每一次问题分析、结果生成和操作执行，都需要消耗Token。Token将如同水和电一样，逐渐成为智能时代下社会运转的基本资源供给。第二，基于Token消耗量的AI商业模式迅速成熟。相比此前基于智能应用实施或智能产品销售等模式，基于Token消耗的智能化产品与服务会被更为便利地定价、计量与交易，业务逻辑和业务增长路径将被重塑。

　　这些变化给能源企业带来机遇和挑战。在机遇方面，一是AI发展将牵引能源领域投资。为了保障Token的大规模稳定供给，我国会更加重视AI技术应用所必需的能源基础，这将在一定程度上转变能源与算力布局逻辑。能够稳定且低成本供给AI技术所需能源的企业，特别是新能源、清洁能源开发企业，预计会获得更大力度的投入支持。结合AI技术研究应用的特点，我国智算基础设施及相应能源供给设施在地理上的布局相比此前会更多地考虑能源的获取成本和获取便利性。二是AI技术将支撑能源企业高质量发展。能源企业可有效利用AI技术，推动自身实现科技创新、产业发展、管理提升。例如，基于油田地震数据及属性数据，构建盆地级地震数据生成模型，支持缺失区域的数据生成；基于大量积累的抽油机井工况数据，构建抽油机井生产优化模型，支持示功图诊断与故障分析；基于用户交易历史、站级别营销规则，生成场景及客户定制的加油站营销文案推送等。

　　在挑战方面，主要是将通用AI技术应用至专业场景难度较高。AI技术的成功落地必须充分积累并有效应用行业知识，以及大量高质量的专业数据，并结合大量的工程实践探索。能源行业特别是石油石化行业深度应用AI技术存在天然的困难。例如勘探开发领域的研究多数涉及地下，可供分析的信息主要为声波信号等间接信息，且解释结果往往具有多解性；炼油化工领域的生产工艺复杂、质量影响因素多，生产计划制定与产品需求关联密切。这些问题使现有的通用模型难以在生产场景中得到迅速应用，需要配套大量的研究与场景落地的工程工作。建立起足够强大的内部技术团队需要一定的时长，直接引入外部力量又面临欠缺行业认知的问题，开展内外部协同同样有磨合周期，且面临持续性、稳定性问题。

　　针对上述机遇与挑战，能源企业可结合自身技术能力和资源积累水平，优先考虑做好3个方面工作。一是进一步提升AI技术能力，培养一批理解AI技术原理和应用方式、能判断场景可行性并制定技术方案的人才。二是梳理好业务需求，明确需要AI解决的问题，拆解具体的技术指标要求，配套识别AI建模所需要的关键数据，为AI技术落地提供清晰的业务输入。三是扎实做好数据和知识准备，对业务数据进行充分有效治理，从场景出发构建匹配建模研究需要的高质量数据集。

　　2.算电协同上升为战略议题，意味着什么？石化企业如何将其落地？　　

　　中国石油大学（北京）经济管理学院副教授 于洋：随着AI特别是大语言模型的快速发展和在各个行业的应用，其高耗能、高附加值、高科技的属性正在改变人们对能源与产业结构、产业升级的理解。目前以Token为主要服务的计量方式成为大语言模型收费的主要依据。然而，这一定价机制是否真实反映出AI作为能源密集型信息服务的属性等关键问题尚未得到系统评估。与之相应，以Token作为计量的能源服务的经济属性也缺乏系统解析。正因如此，有必要从AI服务的经济性质出发，在理解其能源密集型特性的基础上，系统审视其定价机制，探索AI服务出海背景下企业参与国际产业与技术竞争的策略路径。

　　第一，Token作为大语言模型服务的度量，并不能表征人工智能的能耗。1个Token在不同文本位置、不同任务、不同模型中的能耗不同，甚至差异巨大。因此，厘清Token数量与能耗的复杂关系，是理顺算力市场和电力市场之间关系的关键。

　　第二，《Science》的研究显示：AI计算构成了一种“数字能源服务”，其经济价值应通过“每焦耳的信息产出率”来衡量。因此，对AI跨境服务的能耗输出应被归类为“嵌入服务的能源出口”，未来可能根据OECD-WTO TiVA数据库的方法论进行核算；而能源化工企业若向海外AI数据中心供电所产生的碳排放或提供的绿电凭证，则需基于能源产出地和算力输出地的绿电比例差距、电力碳强度差异进行核算。

　　具体来看，石化产业基地要结合自身产业特点和资源禀赋，将产业绿色化与算电协同相结合，构建新型算力金融安全治理体系。石化产业的优势在于其与绿电结合的多路径潜力和由此产生的稳定供应绿电的能力：氢储能、氨储能等技术可深度融入多种化工流程，碳捕集、利用与封存技术则与石油开采、运输、储备环节高度兼容。

　　在绿电替代叠加算电协同的背景下，上述潜力为石化产业基地兼容绿色算电基地提供了切实可行的产业接口。以大型炼化基地为例，这些基地通常拥有自备电网和庞大的工业蒸汽系统。当配套建设算力中心时，电解水制氢装置可在可再生能源富余、电价较低的时段满负荷运行，既生产绿氢供应化工装置，又通过吸收廉价电力为算力中心提供“绿色电力支撑”；在可再生能源出力不足、电价较高的时段，则可切换为燃料电池或氢燃机反向供电，为算力中心持续提供可靠、低碳的电力保障。

　　此外，石化产业基地拥有现成的港口、管道、储罐和化工物流体系，可以通过“氨转电”系统为算力中心提供离网的分布式能源。例如，一家名为Amogy的初创公司正在新加坡裕廊岛石化园区，探索利用氢、氨系统提升石化产业的用能灵活性，并同步为数据中心提供能源支撑。而美国休斯敦大学在《CCUS与EOR白皮书》中则提出，数据中心可作为能源消纳方与CCUS-EOR进行协同布局，利用废热并匹配现场发电机的碳捕集。对石化产业基地而言，这意味着CCUS可成为支撑算力服务出口的“绿色基础设施资产”。通过算电协同，石化企业可以从参与电力市场开始，逐步渗透至算力市场，最终构建起跨越能源、信息、金融三大领域的新型算力金融安全治理体系。在这一体系中，算力资产将有望成为企业对冲国际大宗商品价格波动的有效工具。

　　什么是Token？

　　Token的中文译名为词元，是AI大模型处理信息的最小单元。你向AI提出一个问题，消耗一些Token；AI给你一个回答，生成一些Token。一个Token大约对应一到两个汉字，具体因模型而异。国家数据局将其定性为“智能时代的价值锚点”，作为连接技术供给与商业需求的结算单位，为商业模式的落地提供了可量化的可能。

　　Token的作用有哪些？

　　1.信息单位：AI的“理解基础”

　　AI只能看懂词元，所有输入输出都要先转成词元序列，再转成数字计算。词元拆分得好不好，直接影响AI理解是否准确。

　　2.算力单位：决定AI的“干活成本”

　　每生成一个词元，都要消耗算力和电力。词元越多，算力消耗越大、响应越慢、成本越高。

　　3.计价单位：AI服务的“收费标尺”

　　绝大多数商业大模型都按照用户输入和AI模型输出的总词元数收费。用户的提问越长，模型给出的回答越详细，消耗的词元就越多，相应的费用也越高。

　　Token的特征是什么？

　　1.可计量：

　　每一次AI服务调用（生成、交互、推理）均对应明确的Token消耗量，可解决AI产业“价值无法量化”的核心痛点。

　　2.可定价：

　　Token可根据场景、算力成本、服务等级，制定阶梯式定价策略，适配不同场景的商业需求。

　　3.可交易：

　　Token可作为算力价值的流转载体，实现算力资源的市场化配置，推动算力货币化落地。

　　4.高增长：

　　随着AI应用普及，Token消耗量呈现出指数级爆发态势，成为驱动行业规模增长的关键动力。

　　Token有哪些应用场景？

　　1.身份凭证类

　　相当于数字世界的“临时身份证”，用于便捷登录各类平台、完成转账授权等，如微信登录第三方小程序、手机银行动态口令等，有明确的有效期，兼顾便捷性与安全性。

　　2.AI场景类

　　即官方定名的词元核心应用，是使用如AI写作、修图、剪辑等AI服务的消耗性资源。

　　3.权益凭证类

　　可以理解成区块链场景下的“通证”，相当于数字化权益证明，如电子票、游戏皮肤、会员积分等，具有不易伪造、便于流转的特点。

　　为什么要关注Token？

　　因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格，“桶”让石油有了期货市场。有了Token，AI经济就有了可以算账的单位。围绕这个单位，目前也正在形成一套全新的经济逻辑：有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。

　　什么是Token经济？

　　Token经济是指在生成式人工智能运行和应用过程中，以词元为基础计量单位，围绕模型调用、信息处理、成本核算、服务定价和价值转化所形成的一种资源配置方式。

　　Token经济呈现怎样的发展趋势？

　　1.调用量持续呈指数级增长，产业规模稳步扩容，成为智能经济核心增长极。

　　2.标准化进程加速，词元计量、计费体系日趋统一，逐步成为AI服务通用结算单位。

　　3.国产词元出海潜力持续释放，依托成本与技术优势，向全球市场拓展。

　　4.全产业链协同升级，算电协同不断深化，算力效率与词元价值密度持续提升。

　　电力：电力是Token工厂运行的物理基础与能量来源，为所有计算和存储活动提供动力。在Token工厂的运营成本中，电力成本占比可达50%至70%。电力资源的规模、稳定性、成本，直接影响Token工厂的算力规模和持续运行能力。

　　数据：以前，数据中心像电子仓库，主要用于数据的静态存储和网络交换。随着AI智能体的发展，数据中心可逐步转变为持续吞吐海量数据并输出智能内容的Token工厂，支撑文本生成、代码编写以及多模态交互等AI应用。

　　算法：Token是算法处理的基本数据单元。算法定义了如何创建、解析、转换和利用Token来完成特定任务。算法的优劣直接关系到Token工厂的生产效率（如每秒生成Token的数量）和生成内容的准确性、相关性、创造性。