Token，正在成为人工智能时代的新工资单位

　　炒股就看金麒麟分析师研报，权威 ，专业
，及时，全面 ，助您挖掘潜力主题机会！

　　过去，工程师谈薪资
，谈的是年薪 、奖金
、股票和期权。如今，硅谷的风向正在悄然变化 。英伟达CEO黄仁勋在GTC 2026大会上抛出一个颇具冲击力的判断：未来 ，Token可能成为工程师薪酬的一部分
。几乎与此同时
，OpenAI一线管理者也透露，越来越多求职者开始关心 ，入职后究竟能分到多少专属推理算力。薪酬数据平台Levels.fyi则观察到
，部分工程师已将Copilot等人工智能订阅服务纳入薪酬福利 。

　　一条新的线索越来越清晰：Token正在从技术计量单位，变成商业计价单位 ，再迈向社会分配单位。这意味着
，人工智能不再只是一个新工具，而是在孕育一种新的价值尺度
。这种变化并不只发生在硅谷。公开数据显示 ，中国日均Token调用量已在两年间增长超千倍 。国家数据局也已明确将Token视为连接技术供给与商业需求的“结算单位”
。这说明
，Token正在从技术语言加速转化为产业语言。

　　很多人对Token的理解，还停留在技术名词层面 。它是模型处理信息的基本计量单位 ，今天，主流大模型服务早已经普遍按Token计费
。但真正值得关注的
，不在于它如何计费，而在于一种计量单位一旦走出后台、进入市场 ，就不会停留在“技术便利 ”这一步。它会嵌入企业成本核算
，进入产品定价逻辑，渗入组织激励机制 ，最终甚至触及社会分配秩序 。

　　工业时代按工时计量劳动
，互联网时代按流量衡量平台价值，到了人工智能时代 ，价值越来越可能按Token来折算
。

　　黄仁勋把大规模数据中心比作“Token工厂
”
，这个比喻很关键。它提醒我们，数据中心不再只是提供算力的仓库 ，而是持续将电力 、芯片、数据和算法
，转化为可消费
、可计价、可交易的标准化产出：Token 。换句话说，数据中心不只是基础设施 ，更像新工业时代的生产车间
。而Token，就是车间里源源不断下线的新产品。

　　一旦这样理解
，很多现象就连起来了 。为什么企业越来越在意模型调用额度？为什么招聘时开始有人问岗位可分配多少Token 、多少推理预算？为什么各家争夺的，不只是模型排行榜上的名次 ，而是芯片
、算力和推理能力？因为在这个体系里
，谁掌握Token的生产能力，谁就掌握新的价值出口；谁拥有Token的配置权 ，谁就掌握新的分配权。

　　过去几年
，人们更关心模型会不会更聪明、会不会替代人 、能不能写文章
、能不能画图
。但对企业和资本而言，更关键的问题已经变成：智能究竟如何计量 ，如何定价
，如何配置，如何分配。Token之所以重要 ，不是因为它神秘
，而是因为它正在成为那把新的尺子 。

　　而一种新的价值尺度，只有真正写入预算表和工资单 ，才会从产业趋势变成组织现实
。

　　如果说前面的变化主要发生在机房和资本市场，那么硅谷招聘市场上的新动向
，则说明Token逻辑已经开始进入企业内部。过去，科技公司争夺人才 ，主要靠三件事：薪资、奖金和股权 。如今
，算力正在成为硅谷薪酬的第四极
。OpenAI总裁格雷格·布罗克曼直言，可获取的算力将直接影响软件开发效率。风险投资机构Theory Ventures进一步预测 ，到2026年
，人工智能推理成本可能成为工程师薪酬的第四组成部分，与薪资 、奖金和股权并列 。

　　这件事的意义 ，不在于公司多发了一项福利
，而在于企业开始把生产资料的一部分，直接配置给核心知识劳动者
。免费午餐
、健身房、保险 ，是生活福利；Copilot 、GPT配额
、Cursor企业版、专属推理额度
，则是生产福利。薪资解决当期收入，奖金绑定短期绩效 ，股权绑定长期预期，而算力预算直接作用于当下产出 。传统办公室时代
，公司给你电脑 、工位、邮箱；人工智能时代，公司还要给你“第二大脑”
、“代码副驾 ”和“推理燃料”
。

　　同样值得注意的是 ，中国头部企业也开始围绕Token重构内部组织。阿里近期成立Alibaba Token Hub
，整合模型、MaaS 、应用等核心板块，背后折射的正是同一种变化：组织配置资源的基本单位 ，正从“产品
”逐步转向“Token” 。说到底
，AI时代，最重要的员工福利 ，不再是让你过得更舒服
，而是让你干得更强。

　　这一变化也会迅速抬升顶级人才的综合成本
。按照相关测算，如果一名工程师每年新增10万美元推理成本 ，总人力成本可达到47.5万美元
，意味着未来超过20%的薪酬成本可能来自人工智能使用支出。这说明，人工智能未必会让高端工程师更便宜 ，反而可能让他们更贵 。因为生成式人工智能并不是简单替代工程师，而是在放大顶级工程师的杠杆
。越优秀的人
，越能把高质量模型转化为更高产出，公司也就越愿意在他们身上叠加更高额度的Token预算。结果很可能是 ，普通工程师岗位被挤压得更厉害
，头部工程师和高效团队的综合成本却被抬得更高 。

　　公司内部对算力资源的倾斜，最终也会外溢到劳动市场 ，形成新的分层
。未来公司争夺的
，不只是某个工程师本身，而是“工程师+模型能力+推理预算 ”的组合体。表面上看 ，大家都在做同一类工作；实际上
，不同员工背后的“数字外脑
”并不处于同一层级 。有人配企业级Copilot
、专属API额度和高性能模型调用权，有人只能使用受限版本
。未来劳动市场的新鸿沟 ，可能不只是会不会编程
，而是有没有资格调用更强的算力。

　　当然，算力进入工资单 ，并不只带来激励，也会带来治理难题 。一旦推理预算成为正式资源
，企业就必须回答几个新问题：谁配得上更多Token？是平均发，还是按贡献度倾斜？谁在高效使用Token ，谁又在浪费Token？未来绩效考核
，看的恐怕不只是人效，还可能是“单位Token产出”
。这意味着 ，Token正在从采购问题变成管理问题。谁能把有限Token配置到最高价值任务上
，谁能把高成本推理留给高回报场景，谁就更可能在下一轮竞争中胜出 。

　　而当企业内部已经开始分配算力 ，社会层面围绕算力展开讨论
，也就不再意外。长期以来，人们围绕“全民基本收入 ”讨论技术替代后的兜底机制
。如今 ，奥特曼则试图把问题改写为：与其发钱
，不如发算力；与其只保障消费能力，不如赋予生产能力。

　　这未必很快成为现实 ，却已经透露出一个值得重视的变化：未来社会真正稀缺的，可能不只是收入
，而是生成能力 。一个人能否高效写作、编程 、学习
、创业，越来越取决于他能否低成本调用强大的模型能力
。工业社会的核心公平 ，主要表现为收入公平与机会公平。社会更关心一个人有没有工作、有没有收入 、有没有基本保障 。而在智能社会里
，公平的内涵也许会悄悄变化，越来越体现为算力可及性公平
、模型使用权公平、数字生产力公平
。所谓普惠 ，未必只是发一笔钱
，更可能是给普通人一张进入新生产方式的门票。

　　不过，设想再宏大 ，最终还是要接受现实检验 。微软CEO纳德拉的提醒
，恰恰点中了问题的要害
。人工智能必须在医疗 、教育等领域带来真实改善，否则社会不会长期接受如此高能耗的Token生产。真正的问题是 ，这些Token最终转化成了什么：是更精准的辅助诊断
，更普惠的教育服务，更高效的研发协同 ，还是只是在制造平台账单和资本故事 。社会不会因为你生产了海量Token，就自动认可这种技术进步
。

　　这也是今天人工智能产业最需要警惕的地方：Token越来越像一种“新电费
”。表面上看
，按量计费合理透明；但一旦企业真正把人工智能嵌入研发
、客服、办公 、营销、代码生成等关键环节，Token消耗就会从一笔可控支出 ，迅速膨胀为持续吞噬预算的变量成本 。很多企业以为自己接入的是智能
，最终先装上的却是一套持续计费系统。若缺乏任务分层
、模型路由、缓存复用 、提示词治理和成本监测，所谓全面拥抱人工智能 ，很可能变成全面暴露在人工智能成本曲线之下
。

　　所以
，真正值得追问的，不只是Token会不会成为工资的一部分 ，也不只是它能不能替代“全民收入”
，而是更根本的问题：谁来定义Token的价值，谁来决定Token的分配 ，谁来约束Token的成本；谁又来确保Token最终能够转化为广泛的公共收益
，而不是少数平台的收益表。

　　未来社会的竞争，表面上看是模型竞争 ，深一层是算力竞争，再深一层
，其实是围绕Token展开的治理竞争 。一个技术词汇之所以值得写进专栏，不是因为它新 ，而是因为它正在穿透不同层级的系统：从机房穿透到公司
，从公司穿透到市场，从市场穿透到社会
。Token开始只是算法内部的计量单位 ，后来变成商业世界的结算单位
，如今又隐约有了迈向社会分配单位的趋势。若干年后，我们回头再看黄仁勋和奥特曼今天这些关于Token
、推理预算和“薪酬第四极 ”的讨论 ，或许会发现
，他们讨论的从来不只是一个技术单位，而是社会开始用一种新的尺度 ，重新衡量能力
，重新配置资源，重新安排分配 。

　　（作者胡逸为数据工作者 ，著有《未来可期：与人工智能同行》一书）

责任编辑：杨赐