随着AI快速发展，算力和词元的“准资产”特征初显。近日，工信部发文首提“探索算力入股”，北京、上海、广东等地接连出现“算力贷”“模型贷”“词元贷”等金融新品，市场开始将算力和词元视为评估企业质量的新指标。

然而，业内人士测算发现，同等算力下，因运营方式不同，回本周期可相差数倍。词元质量也会因模型能力和运营水平而产生差异。专家认为，算力和词元从准资产成为硬通货，一方面需要通过技术进步持续提升其内在价值，另一方面使用者需建立词元或算力财务管理机制，通过持续反馈改进提升能效比。

多维政策赋能 算力、词元解锁资产属性

随着AI迅猛发展，算力需求日趋提升，其价值也水涨船高。近日，工信部在《人工智能中小企业创业支持计划（2026-2028年）》中明确提出，“探索算力入股、数据入股、投孵联动等新型支持方式”。记者梳理发现，这是工信部文件首提“算力入股”。

此前，一些省市已经注意到算力的资产价值。2025年3月，上海市发文提出“研究算力入股等新型投资方式”，“探索‘基金投资+算力入股’等智算中心投资业务模式”。2026年8月发布的《上海市软件和信息服务业发展“十五五”规划》中，上海进一步明确“持续探索算力作价入股等新型投资方式”。

除了算力，词元也被多地政府视为新型资产。7月底，安徽省在推进人工智能OPC（一人公司）创新创业发展行动方案中明确，“鼓励银行推出‘Token贷’、‘模型贷’等产品”。8月，内蒙古自治区发布促进词元经济高质量发展的若干措施，提出“鼓励金融机构按照市场化、法治化原则，加大对词元经济项目的信贷支持力度”“支持词元服务企业探索词元资产化路径”。

记者了解到，算力入股在国内并不多见，但对于投资或者孵化企业，阿里、字节、商汤等AI企业会有算力扶持或词元补贴。例如，5月，商汤就在上海设立了产业基地，依托其大模型及短片创作智能体扶持AI微短剧创新社区。

一些海外机构也在积极尝试落地算力入股或词元投资。今年5月，大模型公司OpenAI宣布，对知名创业孵化器YC的入营企业提供最高价值200万美元的词元额度，接受企业需签署相应股权协议。这种做法被业界视为“词元即资本”的新范式。

相比之下，算力贷和词元贷在国内也日趋普及。近日，中国银行上海分公司发布“算力贷”和“词元贷”。相关负责人告诉记者，算力贷主要面向算力枢纽运营商及产业链大中型企业，聚焦算力基础设施建设、智算中心和云服务平台运营、算力服务采购等关键场景。“词元贷”则面向AI科创小微企业，以词元作为价值锚点，借助产业数据为企业增信。

记者梳理发现，诸如中国农业银行、中国建设银行、江苏银行等都已在部分城市开展算力贷或词元贷的业务，头部大模型公司已从中受益。

效率成关键 数字资产价值分化加剧

尽管算力与词元初具“准资产”价值，但价值分化同样值得关注。由于技术、运营能力等方面的差异，同等算力或词元创造的价值或将有天壤之别。

近日，市场研究机构“信堡投研”测算发现，利用同一台主流智算服务器，按照同样的智能体请求结构和设备的可售利用率，依据各款开源大模型的官网定价估算收入，再综合考虑基建、运营维养、电力和税费，结果发现，同一台机器运行不同旗舰大模型的静态回本周期相差8倍以上。

对此，信堡投研分析师告诉记者，算力收入基本结构就是“吞吐乘以单价”，单价高的模型参数大、跑得慢，跑得快的模型市场价格又被压得低，能在两者间取得均衡的大模型才是智算设备的合适选择。

“算力需求仍在高速增长，但需求增长不等于每一笔算力投资都能获得高回报。”商业技术洞察机构Gartner管理副总裁孙鑫告诉记者，“真正拉开回报差距的，是利用率、有效产出和整个软硬件栈的效率。”

词元之间的价值密度差距更大。在外滩大会上，清华大学计算机科学与技术系教授郑纬民表示，在人工智能时代，词元是一种新的通货，但词元和词元并不一致，也不是等价的，词元工厂也不等于高质量词元的产能。

腾讯研究院副院长杜晓宇认为，不同模型、不同任务场景下产出的词元，智能密度并不相同。词元作为计量单位是有效的，但作为价值尺度还需要叠加质量系数。

有业内人士表示，目前，市场已经越来越理性地看待词元的投入产出比，更加关注词元消耗产生的经济价值。

突破发展瓶颈 加速价值跃迁

随着算力和词元越发重要，如何提升其内在价值，实现从“准资产”向“硬通货”的跃迁，成为业内热议的话题。

“未来词元是AI新经济的硬通货。”蚂蚁集团平台技术事业群总裁骆骥说，AI竞争正经历从“规模竞赛”到“效率竞争”再到“绿色竞争”的范式演进，必须提高词元效率，让每一个词元承载更高的智能价值、消耗更少的能碳代价，最终推动AI走进千行百业、实现深度普惠。

“未来衡量算力投资回报的核心指标，会逐渐从‘每张GPU多少钱、每小时租多少钱’，转向‘每一元资本投入能够持续交付多少有效AI计算’。”孙鑫建议，企业需要从单纯采购基础算力资源，转向整个AI基础设施栈的经济性，重点包括资源编排、资源利用率、异构计算和网络互联。此外，企业也要建立AI财务管理体系，以管理大模型和算力使用带来的成本。

（经济参考报记者 叶健）