隨著AI快速發展，算力和詞元的“準資産”特徵初顯。近日，工信部發文首提“探索算力入股”，北京、上海、廣東等地接連出現“算力貸”“模型貸”“詞元貸”等金融新品，市場開始將算力和詞元視為評估企業品質的新指標。

　　然而，業內人士測算發現，同等算力下，因運營方式不同，回本週期可相差數倍。詞元品質也會因模型能力和運營水準而産生差異。專家認為，算力和詞元從準資産成為硬通貨，一方面需要通過技術進步持續提升其內在價值，另一方面使用者需建立詞元或算力財務管理機制，通過持續反饋改進提升能效比。

近日，2026中國國際大數據産業博覽會舉辦專業展覽，觀眾在中國電信展位觀看詞元科普視頻。新華社記者 李旭倫 攝

　　多維政策賦能　算力、詞元解鎖資産屬性

　　隨著AI迅猛發展，算力需求日趨提升，其價值也水漲船高。近日，工信部在《人工智能中小企業創業支持計劃（2026-2028年）》中明確提出，“探索算力入股、數據入股、投孵聯動等新型支持方式”。記者梳理發現，這是工信部文件首提“算力入股”。

　　此前，一些省市已經注意到算力的資産價值。2025年3月，上海市發文提出“研究算力入股等新型投資方式”，“探索‘基金投資+算力入股’等智算中心投資業務模式”。2026年8月發佈的《上海市軟體和信息服務業發展“十五五”規劃》中，上海進一步明確“持續探索算力作價入股等新型投資方式”。

　　除了算力，詞元也被多地政府視為新型資産。7月底，安徽省在推進人工智能OPC（一人公司）創新創業發展行動方案中明確，“鼓勵銀行推出‘Token貸’、‘模型貸’等産品”。8月，內蒙古自治區發佈促進詞元經濟高品質發展的若干措施，提出“鼓勵金融機構按照市場化、法治化原則，加大對詞元經濟項目的信貸支持力度”“支持詞元服務企業探索詞元資産化路徑”。

　　記者了解到，算力入股在國內並不多見，但對於投資或者孵化企業，阿裏、字節、商湯等AI企業會有算力扶持或詞元補貼。例如，5月，商湯就在上海設立了産業基地，依託其大模型及短片創作智慧體扶持AI微短劇創新社區。

　　一些海外機構也在積極嘗試落地算力入股或詞元投資。今年5月，大模型公司OpenAI宣佈，對知名創業孵化器YC的入營企業提供最高價值200萬美元的詞元額度，接受企業需簽署相應股權協議。這種做法被業界視為“詞元即資本”的新範式。

　　相比之下，算力貸和詞元貸在國內也日趨普及。近日，中國銀行上海分公司發佈“算力貸”和“詞元貸”。相關負責人告訴記者，算力貸主要面向算力樞紐運營商及産業鏈大中型企業，聚焦算力基礎設施建設、智算中心和雲服務平臺運營、算力服務採購等關鍵場景。“詞元貸”則面向AI科創小微企業，以詞元作為價值錨點，借助産業數據為企業增信。

　　記者梳理發現，諸如中國農業銀行、中國建設銀行、江蘇銀行等都已在部分城市開展算力貸或詞元貸的業務，頭部大模型公司已從中受益。

　　效率成關鍵　數字資産價值分化加劇

　　儘管算力與詞元初具“準資産”價值，但價值分化同樣值得關注。由於技術、運營能力等方面的差異，同等算力或詞元創造的價值或將有天壤之別。

　　近日，市場研究機構“信堡投研”測算發現，利用同一台主流智算伺服器，按照同樣的智慧體請求結構和設備的可售利用率，依據各款開源大模型的官網定價估算收入，再綜合考慮基建、運營維養、電力和稅費，結果發現，同一台機器運行不同旗艦大模型的靜態回本週期相差8倍以上。

　　對此，信堡投研分析師告訴記者，算力收入基本結構就是“吞吐乘以單價”，單價高的模型參數大、跑得慢，跑得快的模型市場價格又被壓得低，能在兩者間取得均衡的大模型才是智算設備的合適選擇。

　　“算力需求仍在高速增長，但需求增長不等於每一筆算力投資都能獲得高回報。”商業技術洞察機構Gartner管理副總裁孫鑫告訴記者，“真正拉開回報差距的，是利用率、有效産出和整個軟硬體棧的效率。”

　　詞元之間的價值密度差距更大。在外灘大會上，清華大學計算機科學與技術係教授鄭緯民表示，在人工智能時代，詞元是一種新的通貨，但詞元和詞元並不一致，也不是等價的，詞元工廠也不等於高品質詞元的産能。

　　騰訊研究院副院長杜曉宇認為，不同模型、不同任務場景下産出的詞元，智慧密度並不相同。詞元作為計量單位是有效的，但作為價值尺度還需要疊加品質系數。

　　有業內人士表示，目前，市場已經越來越理性地看待詞元的投入産出比，更加關注詞元消耗産生的經濟價值。

　　突破發展瓶頸　加速價值躍遷

　　隨著算力和詞元越發重要，如何提升其內在價值，實現從“準資産”向“硬通貨”的躍遷，成為業內熱議的話題。

　　“未來詞元是AI新經濟的硬通貨。”螞蟻集團平臺技術事業群總裁駱驥説，AI競爭正經歷從“規模競賽”到“效率競爭”再到“綠色競爭”的範式演進，必須提高詞元效率，讓每一個詞元承載更高的智慧價值、消耗更少的能碳代價，最終推動AI走進千行百業、實現深度普惠。

　　“未來衡量算力投資回報的核心指標，會逐漸從‘每張GPU多少錢、每小時租多少錢’，轉向‘每一元資本投入能夠持續交付多少有效AI計算’。”孫鑫建議，企業需要從單純採購基礎算力資源，轉向整個AI基礎設施棧的經濟性，重點包括資源編排、資源利用率、異構計算和網絡互聯。此外，企業也要建立AI財務管理體系，以管理大模型和算力使用帶來的成本。（記者 葉健）