（为了我写的痛快，token和词元等形容我会乱用。你看得懂就行）

前些天，我读到了 Orange AI 老师写的《AI真的太贵了》。文中对模型太贵的抱怨，以及由此带来的应用空间的挤压迅速获得了许多网友的共鸣。

这很明显是件好事。自从龙虾潮，越来越多的人不满足于只是向模型问几个问题。程序员希望它能写个项目，学者希望它能帮自己多发几篇论文，白领希望它能让自己早点下班，企业则希望Agent进入客服、营销、研发和内部管理，甚至原本干传销的和水硕精英们，也结成了神圣的同盟，往自己身上套上无数个黑客松和神童title准备发财。

模型越有用，人们越希望它多走几步；而它每多走一步，token便在账单上清清楚楚地写明代价。

没有人会否认AI已经足够有用，大家都同意价格高的离谱。

这种贵其实潜藏着一个共识，就是我们都认为AI是未来的生活必需品，和水、电、气一样是不可或缺的。

事实上也是如此，我国算大大方方承认数据的生产要素地位，而基于数据训练得到的算力驱动AI产生的Token，本身也带有生产要素的属性。

距离2022年才4年，AI就已经走入千家万户，可见的未来只会加强这一点。牛马们已经带AI上班了，将来则是没有AI大概寸步难行。

有心人会发现，这其实和当年全世界轰轰烈烈的互联网大运动非常相似，甚至还要高出。“互联网+”的口号提出来，无数平台齐上，顺利让全世界人民养成没有手机失去WiFi就闹死闹活的好习惯。

基于此，我想提出一种历史的惯性。即在上一代通用技术中，中国政府已经学会怎样组织基础设施投资、约束瓶颈经营者、重构资费、补偿普遍服务，并把技术降本传递给整个市场，并促进了整个市场的蓬勃发展。

如今生成式AI已经表现出通用目的技术的特征，它能够持续改进，并进入大量行业和生产流程，成为研发、写作、设计、客服、决策和自动化的共同投入。¹

如今的政府，完全可以这么做。但还没有这么做，这就是导致AI Token高价的最大制度因素。

---

非私事能及

一种商品的价格何时应当成为公共问题，不能只看它是否昂贵。奢侈品可以昂贵，前沿产品也可以昂贵。真正需要特殊制度安排的，是那些会进入几乎所有产业、其价格能够沿着供应链不断扩散的基础投入。

水、电、通信和能源之所以不能完全按照普通消费品理解，原因正在这里。它们的单位价格下降一点，释放的不是一种商品的销量，而是整个社会重新组织生产、交换信息、创造产品的能力。因此，上述生产要素在各个国家中往往由国家直接经营、地方公共企业供给，或者交由私人企业在严格的特许经营、价格监管和普遍服务义务下运营。

需要说明的是，水、电、气并非所有环节都是自然垄断，真正具有这种属性的通常是输电网、配电网、供水管网和燃气管道等基础网络。它们前期投资巨大、重复铺设成本高，由一家主体统一运营往往更有效率。但也正因为用户缺少替代选择，经营者很容易把规模效率转化为垄断租金。于是，无论所有权属于国家还是私人，这些瓶颈环节都很少被允许按照普通商品的逻辑自由定价，而要受到成本审查、价格上限、公平接入、服务连续性和普遍供给等公共约束。

国家介入的意义，不只是让某一种商品便宜一些，而是阻止控制基础网络的主体截留技术进步产生的收益，使基础设施降下来的成本能够继续传递到工厂、商店、家庭以及尚未诞生的新产业。²

当然，还不能说整个AI产业都该被自然垄断，也不意味着所有模型都应实行政府定价。今天需要追问的，正是算力、基础模型和数据是否也正在形成类似的瓶颈，以及国家为什么尚未为它们建立同样的价格传导制度。

考察AI紧密相关的三个概念，答案呼之欲出。

算力是真烧电、真占卡的机器时间；基础模型要先吞下训练、研发和部署的巨额固定成本，之后每增加一次调用仍然需要推理资源，却不必为每个新用户重新训练一遍；数据最为特殊，一个主体使用，通常不妨碍另一个主体继续使用；Token则是这几样东西最后开到用户面前的一张小票。

所以，Token所带有的生产要素属性，并不是凭空长在“词元”两个字上，而是算力、模型和数据的稀缺程度、组织方式与利益分配，最终都通过它结算了出来。上游任何一处缺卡、锁定、加价或者垄断，最后都会变成开发者账单上清清楚楚的几块钱。

今天的AI还不像自来水，全行业只剩下一根谁也绕不开的水管。但它已经在若干关键位置长出了水闸，高端芯片集中在少数厂商手中，超大规模云掌握大量算力与企业客户，头部模型需要持续购买云服务，关键数据又常常无法替代。这些都可能具有高固定成本、规模经济、切换成本和垂直整合特征。美国联邦贸易委员会对大型云厂商与模型企业合作关系的调查发现，这些关系可能影响其他企业获得算力等关键投入，并通过技术限制、长期云支出承诺和合同安排，提高模型企业切换云服务商或同时使用多家云服务商的成本。³

好就好在，这时中国刚刚出台的公用事业反垄断指南提供了一套值得借鉴的思考方法。区分自然垄断环节和竞争性环节，防止经营者把对物理网络或关键基础设施的控制优势延伸到上下游，通过拒绝交易、限定交易、搭售、差别待遇等方式排除竞争。指南目前管的是水、电、气、热和公共交通，并没有把AI纳入公用事业，但“管住瓶颈、开放接入、保留竞争”的结构完全适用。放到AI上，也就是不能因为某家公司控制了云、芯片或者关键模型入口，就允许它顺手决定下游谁能活、谁只能高价买。⁴

这正是社会主义市场经济长期面对的一类问题：基础设施可以由企业经营，竞争性产品也可以由市场定价，但国家不能把决定全社会生产能力的瓶颈，完全交给控制者按照自身利润最大化配置。

而且，国家介入确实能够降低基础服务价格。这不是一种政治愿望，历史已经提供了反复验证。

---

从初装费到提速降费

中国通信资费史就是国家介入的优秀案例。

不过需要首先说明，政府并不天然代表低价。

老辈子们不会对“电话初装费”和“移动电话入网费”这两个概念陌生，它们原本就是国家为解决通信设施落后和建设资金不足而设立的政府性基金。OECD对中国电信改革的研究显示，“六五”“七五”“八五”期间，初装费分别相当于行业总投资的35.7%、30.3%和39.4%，“九五”期间仍约占30%。在财政和企业融资能力有限、电话线路高度稀缺的年代，让新增用户预先承担部分网络建设成本，确实构成了中国通信业资本形成的重要来源。⁵

这笔费用的历史意义可类同如今AI产业发展的初级阶段，在特定发展阶段宛如大坝一般高垒，起到了重要的支撑作用。

幸运的是，这笔建设期收费没有长生不老。

随着网络规模扩大、用户增加和设备成本下降，初装费逐渐从建设工具变成进入门槛。2001年，财政部和原信息产业部正式取消市话初装费、移动电话入网费以及附加在基础电信资费上的有关政府性基金。官方文件明确说明，这些收费曾经促进通信建设，在通信能力基本满足社会需求后，取消它们是为了减轻社会负担、规范政府收入分配秩序。⁶

初装费的兴起与退出说明了一个非常重要的原则：技术建设初期的高价格可以有成本依据，而当早期稀缺结束后，价格在政府的介入下会适当回落。

昨天为了修路设置的收费站，在路已经修好之后就必须退出。否则，资本形成机制会异化成持续收租机制。

2001年前后的改革也不是把所有电信费用整齐地降低一个百分比。它所做的是“资费再平衡”。部分本地固定电话费用有所上升，长途电话、国际电话、出租线路和互联网接入费用大幅下降。当时国际通话、出租线路和互联网接入等部分项目降幅达到约50%，政策优先降低的，恰恰是最妨碍信息流动、企业联网和新经营者进入的那部分成本。⁵

OECD当时的判断非常直接。由于政府仍然介入几乎所有基础电信业务的价格，固定电话初装费和移动电话入网费取消以后出现的价格下降，主要来自政府决策，而不是企业之间的自由竞争；报告预计，随后数年的主要降价仍将由政府推动。⁵

这已经足以证明，国家介入可以直接压低基础服务价格。

不过，忠实叙述这段历史，还必须补上另一半。

行政调价能够迅速降价，却不能独自制造一个长期健康的市场。同一份OECD报告也批评了当时过于绝对的行政决定、监管透明度不足、市场准入限制和互联结算缺乏成本基础。单纯由主管部门决定所有价格，容易使调价受到政治和部门利益影响，也无法自动形成持续竞争。报告因此提出，应当同时完善互联互通、网络拆分接入、资费规则、普遍服务、号码携转和独立透明的监管机制，并使主导运营商按照公平、非歧视和成本导向的条件向竞争者开放网络。⁵

OECD对行政降价充满善意的提醒，反而在今天充分揭示了解释行政降价怎样才能从一次行动变成长期制度。

当时的通信市场已经暴露出一个今天仍然熟悉的问题，拥有基础网络的运营商同时经营下游服务，它既是批发能力的提供者，也是零售市场的竞争者。如果互联价格过高、接入质量过低，或者竞争者无法获得稳定网络，表面上放开市场也不会产生真正竞争。批发条件决定了下游企业能否生存。

市场竞争因此不是政府退出以后自然发生的状态，而是由互联规则、成本核算、市场准入、号码迁移和反歧视义务共同建造出来的。

普遍服务同样如此。垄断经营时期，运营商可以通过城市和高利润业务补贴农村与偏远地区。竞争形成后，企业会优先争夺利润高的用户，原有的隐性交叉补贴难以维持。

OECD当时明确指出，如果继续要求中国电信无补偿地承担普遍服务，企业财务状况会恶化，西部地区网络建设也可能被推迟，社会目标必须有明确的责任、资金来源和补偿机制，而不能一边让企业亏损，一边靠喊话坚持。⁵

2015年启动的“提速降费”最终把这些经验组织成了一套更完整的价格制度。

国务院文件没有只要求三大运营商修改套餐。它同时推进全光纤和4G网络投资、扩大骨干网互联带宽、促进基础设施共建共享、开放宽带接入和移动通信转售市场、清理基站与小区进场障碍、加强消费提醒和用户权益保护。还将宽带明确为战略性公共基础设施，要求优化国有运营商绩效考核，并针对农村和偏远地区无法靠商业回报覆盖的部分，建立由中央财政引导、地方协调、企业实施的电信普遍服务补偿机制。⁷

这当然有强烈的行政推动，但它绝不是领导拍一下桌子，三家运营商回去做几年慈善。从决策中可以看出，反而是国家的大手帮助市场的毛细血管建设到十四亿人的方方面面去，这恰恰为商业企业扫清了绝大部分障碍，解决其所不能及的。

后来落地的普遍服务试点又采用公开招标、政府采购合同、财政补助、履约验收和社会公示等机制，让企业承担建设运营任务，也让公共目标造成的成本差额得到显性补偿。⁸

于是，完整的价格制度完成了。国家一面要求降价，一面降低网络铺设、互联、融资、选址和普遍服务的制度成本；一面要求国有企业让利，一面改变对国有企业的考核方式；一面引入竞争，一面给竞争搭建能够成立的批发和互联条件。

效果也是可观察的。工信部公布的数据显示，提速降费实施三年后，固定宽带单位价格下降约90%，移动通信用户单位资费下降约83.5%；到2021年国新办公布的数据是，固定宽带单位带宽和移动网络单位流量平均资费相较2015年均下降超过95%。这些指标不能穷尽每个家庭的真实账单，却清楚显示，行政推动、基础设施扩张和市场制度改革共同改变了通信服务的成本曲线。⁹

价格下降也没有让通信失去价值。恰恰相反，人们从计算每一兆流量，走向随时刷视频、直播、导航、支付和远程办公。网络从一种偶尔接入的工具，变成了一种持续在线的生活环境。

“提速降费”真正完成的，是国家角色的转换。

早期的国家通过初装费筹集建设资本；网络成熟以后，国家取消进入费、调整资费结构。市场竞争形成时，又通过互联互通、普遍服务、国企责任和消费者权利，把设备降价、规模扩大和技术进步送进每个用户的账单。

国家既可以创造高价，也可以终结高价。区别在于，它究竟把自己放在资本筹集者、资源经营者、租金收取者，还是价格传导和普遍服务保障者的位置上。

---

非一家孤例

如果只有中国通信改革一个案例，人们还可以把它解释成特殊所有制下的特殊经验。国际市场提供了更加直接的对照。

欧盟国际漫游曾经是一个典型的“市场会降价，但就是不太想降”的行业。用户在国内选择运营商时，很少会因为偶尔出国使用漫游而更换套餐，各国运营商之间又要相互支付批发结算费，零售商便很容易把高昂的批发价格继续转嫁给用户。

运营商因此缺乏主动降价动力。2010年，欧洲电子通信监管机构BEREC明确指出，语音和短信漫游价格下降主要来自监管，而非竞争压力。在缺乏监管的情况下，面向议价能力较弱的普通消费者，价格甚至可能重新上涨。¹⁰

转折点就在欧盟的大手介入。后来，欧盟同时压低批发漫游结算上限，并从2017年起取消面向消费者的额外漫游费。结果不是需求保持不变，运营商简单少赚一笔。欧盟委员会的评估显示，“境内资费漫游”实施后，2019年夏季的数据漫游量达到取消附加费前的17倍。到2025年的复核中，欧盟仍认为持续下调批发价格上限，使运营商能够向用户提供更多流量，并未造成成员国国内资费普遍上涨。¹¹

这里发生的事情与中国提速降费非常相似。

国家或超国家机构压低瓶颈环节的批发价格，改变零售计费规则，需求随后被释放。降价不是把既有消费中的一部分利润让给用户，它创造了此前因价格过高而没有发生的使用。

公共所有也可以成为价格约束工具。哈佛大学伯克曼·克莱因中心比较美国27个同时存在社区所有光纤网络和私人宽带竞争者的地区，发现其中23个地区的社区网络在四年期平均成本上更便宜，而且价格结构通常更稳定、更易理解。公共网络未必在所有地区都成功，但它证明了公共选项能够为市场提供一条实际可用的低价基准，而不仅是象征性的所有权。¹²

这并不意味着所有地方都应该自己拉光纤、当运营商。它至少说明，公共选项不是摆在展厅里的政治象征。只要产品真正可用，它就能向市场提供一个价格和服务基准，让私人企业知道用户不是无处可去。

美国电力市场的反面经验更能说明问题。MacKay和Mercadal比较1994年至2016年实行电力重组与维持成本监管的州，发现解除管制后的发电边际成本确实下降，批发价格却没有随之下降。2000年至2016年，批发价格与边际成本之间的利润楔子增加了每兆瓦时11.15美元，增长的批发利润进一步推高了零售电价。

这几乎就是本文想说的标准模型：技术和经营效率提高了，上游成本下降了，终端价格完全可以一动不动。

只要中间环节拥有市场力量，降下来的成本便可能转化为更高利润，而不是更低价格。

因此，“国家介入能够降价”可以被说得很坚定。中国电信资费、欧盟漫游和美国社区宽带，分别展示了行政调价、批发监管和公共选项怎样降低价格。美国电力市场则证明，没有价格传导和市场力量约束，成本下降并不会自动惠及用户。

国家介入是否降价，取决于国家究竟是在建设通道，还是在经营关卡。

而交给私人市场运营后，往往建设通道的动力会消失，各个都是卡着关卡的好手。

---

AI时代，断在中途的降本链条

所以，当细致说明这个历史之后，问题就变得清楚了。

很显然，决策层早就意识到这点，并正在建设一套新的制度。

中国已经投入大量资源建设数据中心、智算中心和全国一体化算力网。相关政策提出建设“普惠易用”的算力基础设施，增加低成本、高品质、易使用的算力供给，推动多元算力互联互通、统一服务和按需收费，并明确要求降低用户的算力使用成本。北京最新的智能体政策也开始讨论Token服务质量、计费规范、价值计费、公共算力供给和Token券。¹³

但为什么即便珠玉在前，我们仍没有用到便宜的词元服务呢？

问题大概在于，数据中心不是智能服务，FLOPS也不是一项完成的任务。

从公共资金建设的算力中心，到开发者手里的Agent，中间还要经过芯片与运行时、云平台、模型厂商、托管服务、模型路由、搜索与工具、应用产品和支付渠道。每一层都可能增加价格，每一层也可能改变质量。

这颗属于词元市场的洋葱结构至少产生四种价格效应。

第一种是多层加价。云、模型、路由、Agent、搜索和支付渠道各自收取费用，单层看起来并不夸张，组合后却可能使下游应用无法盈利。

更加麻烦的隐性问题是垂直一体化。拥有云、模型和终端产品的平台，可以按照内部成本向自营应用提供能力，或者用其他业务补贴低价订阅。独立开发者却必须按公开API价格采购同样的模型。于是，终端产品很便宜与开发模型应用很昂贵可以同时成立。

这和当年电信市场的批发接入问题非常相似。控制基础网络的运营商自己也卖零售业务，如果它给竞争者的批发条件很差，所谓市场开放便只剩一张营业执照。到了AI，这个问题变成了控制云和模型的公司，一边向应用企业出售Token，一边亲自做办公、搜索、编程和Agent产品。公开API究竟是公平批发价，还是一道给独立开发者准备的高墙，目前几乎完全由企业自己解释。早在OECD的报告中，它们就已经将自我优待、捆绑、拒绝供应关键投入和跨层排除列为AI基础设施市场的重要竞争风险。¹⁴

第三种是模型路由和质量不透明。

路由本身当然是好东西。RouteLLM的实验表明，把简单请求交给便宜模型、困难请求留给更强模型，可以在公开基准中将成本降低一倍以上，同时基本保持回答质量。OpenRouter等平台也允许按照价格、吞吐量或延迟选择推理服务商。¹⁵

透明路由是在替用户省钱。不透明路由则可能把更弱的模型、更低精度的推理、更短的上下文、更少的推理预算和频繁回退，统统藏进“低价”两个字里。

这也是Token与水、电、流量最大的不同。一度电接入电网以后，不会因为来自不同电厂便突然少亮一盏灯；同样是一百万Token，背后却可能是不同模型、不同版本、不同推理服务商、不同量化精度和不同上下文策略，最后完成任务的能力完全不是一回事。

模型厂商公布的是每百万Token价格，开发者买到的却是一整套可能随时变化的服务。所谓“Token降价”，有时来自真正的技术进步，有时来自模型路由和缓存优化，也可能来自上下文缩水、服务降级，或者把原本显性的成本藏进请求次数、Credits和五小时额度里。

第四种是风险转嫁。Agent失败仍然计费，自动重试仍然计费，长轨迹偏航仍然计费。

2026年一项针对八个前沿模型的软件工程Agent研究发现，Agent任务消耗的Token可以达到普通代码问答的一千倍；同一个任务重复运行，总消耗最高相差三十倍；花得更多也不必然更准确，模型还普遍低估自己将要消耗的Token。¹⁶

平台按照机器完成了多少计算获得收入，用户却只能从事情有没有办成中获得收益。现有计费制度几乎把模型不稳定、Agent设计缺陷和任务不确定性的风险，全都交给了用户。

这也解释了为什么OECD统计的质量调整后文本模型价格在2024年初至2026年4月间下降了近80%，用户仍然普遍觉得AI贵。单个Token便宜了，Agent却可以一次吞掉几个数量级更多的Token；底层模型降价了，路由、工具、重试和应用层仍然可以继续加价。¹⁷

市场竞争能够压低其中某一层的价格。国产模型、开源模型和模型路由已经在真实地压低某一层的调用成本，也让前沿模型厂商感受到降价压力。

可是，市场无法自行建立跨越算力、模型、路由、应用和数据的统一价格秩序。¹⁸

这正是政府生态缺位成为最大制度因素的原因。

芯片、电力和研发投入可以解释AI为什么在技术早期昂贵，却不能完整解释为什么质量调整后的模型价格已经迅速下降，企业账单仍然难以预测。

Agent的上下文和重试可以解释总消耗为什么上升，却不能回答失败风险为什么几乎全部由用户承担。

市场集中和垂直一体化可以解释利润与锁定，却恰恰需要批发接入、反歧视规则、迁移权和竞争执法加以处理。

这些看起来不同的原因，最后都指向同一个问题：政府尚未建立一套能够让技术降本稳定传导为全市场降价的制度。

这正是政府生态缺位之所以成为最大制度因素的原因。这里的“最大”，不是声称每张AI账单里政府缺位都超过芯片、电力和模型研发成本，而是指出，在所有能够通过公共制度改变的结构性因素中，价格传导机制的缺位最具有统摄性。它决定技术效率由谁获得，也决定失败风险由谁承担。

现在的现实是，产业政策意义上的政府很大，公共价格意义上的政府很小。

---

第二笔初装费的诞生

如果只讨论模型和算力，这条价格链仍然不完整。李飞飞老师对着公众高呼，AI的另一项基础投入是数据。这一点为从业人士更加认同。

甚至说，AI的基础就是数据。

在与数据相关的体制上，我国与外国有一点相同的是，真正优质、高质量的数据往往都存在政府内部，为政府所产生、保管与使用。

我做过政府公共数据合规，绝大部分优质数据，包括图书数据、工业数据、服务数据、应用数据、交互数据、现实场景数据等等，让企业是十分眼馋的。

基于纯粹或重市场的政策，外国借助披露制度以及共享制度，或者在一些数据上，例如图书、应用数据等能让私企通过比较便利手段获得。而对于中国，我们走的是数据资产价值化以及公共数据授权运营的路线。

在这里，通信网络和公共数据也交汇出一个相似之处，相当一部分资源由公共权力或国有主体掌握。它们又有一个重要差别，通信容量具有拥堵和消耗，数据却可以被重复使用，一个开发者使用一份公共数据，通常不会妨碍另一个开发者继续使用。

因此，公共数据开放的理由甚至比通信普遍服务更强。

然而，现行公共数据授权运营价格机制允许对面向产业和行业发展的数据产品与服务收费，并按照“补偿成本、合理盈利”核定最高准许收入。可以进入成本基础的项目包括平台建设和运维、数据传输、汇聚、存储、治理、人力资源以及获取公共数据资源的相关支出。准许利润又以经营成本为基础计算。¹⁹

这套制度的本意，是限制运营主体漫天要价。但它的结构里藏着一个很危险的正反馈，即平台越复杂、流程越长、能够核定的成本越多，准许收入和利润的基础也就越大。

于是，一个自我强化的循环可能出现。公共数据原本可以直接开放，随后被装入授权运营平台。为了授权运营，需要建设平台、登记资源、开展治理、形成产品。这些新增成本又被用来证明收费具有必要性。

这很像智能时代的第二笔初装费。

公共财政已经为行政履职、城市运行和数据采集支付过一次成本，开发者为了让这些数据进入模型和应用，又要承担平台建设、治理、授权和利润。前一端通过公共资金降低算力成本，后一端再通过公共数据资产化把成本加回来。

问题不在于为公共数据建立底账，而在于把底账变成收费账本。问题也不在于治理敏感数据，而在于把本来能够开放的数据先做成资产。

中国自己的实证研究显示了另一条道路。《财经研究》以各地公共数据开放平台上线为准自然实验，发现公共数据开放显著促进企业数字技术创新，主要机制包括增加数据供给、促进数字化投资和降低政策不确定性感知；这种促进作用在非国有企业中更加明显，开放质量越高，企业数字技术创新水平也越高。²⁰

另一项针对民营上市公司的研究估计，公共数据开放使企业专利申请数量平均增加约7.8%，对年轻企业的促进作用尤其明显。公共数据开放还能够改善竞争环境、降低经营风险，让尚未形成稳定商业模式的主体获得进入机会。²¹

这份研究真正有价值的地方，在于它没有把公共数据的价值理解成一张评估报告上的数字。公共数据更容易获得以后，企业才敢投资，才有动力开发新技术，也更容易判断一项业务能不能长期做下去。

国际经验更加直观。美国Landsat卫星影像在2008年转向免费开放。美国地质调查局后来评估，如果重新收费，能够获得的净收入可能少于建立和运行收费系统的政府成本，同时还会损害商业遥感和增值服务行业。免费开放后，数据下载量与应用规模出现数量级增长。²²

Heidi Williams利用公共人类基因组计划与私人Celera数据之间的差异进行研究，发现Celera对部分基因信息的知识产权控制，使后续科学研究和产品开发减少约20%至30%。即使排他控制并非永久，它造成的下游创新损失也可能持续存在。这则提供了排他控制的反面案例。²³

基础数据上的一小块直接租金，完全可能换来大得多的创新损失。

因此，公共基础数据资产化在这里更像一道关卡。资产评估可以服务于并购、特定交易、损害赔偿和内部管理，倘若轰轰烈烈地开启或持续推进，却极大可能反过来成为数据开放、科研利用和AI训练的普遍门槛。

个人信息、商业秘密和涉及公共安全的数据需要用途限制、安全环境、结果审查和操作审计。这些是风险治理。风险治理不要求先把数据做成资产，也不要求为它设定一个能够持续收租的产权入口。

从电信资费史我们可以得知，在这个方向上更合理的制度是，基础公共事实数据免费、机器可读、批量可取、非排他开放。敏感数据在可信环境中受控利用。定制清洗、实时接口、真实性认证、专属算力和服务等级承诺可以收费。

让企业在增值服务上赚钱，而不是在公共事实的源头上收地租，可能是更加可持续性发展的道路。

---

公家事

于是，在前文的基础上，我们可以设想政府介入词元服务的一种模式。

当然也要面对现实，AI并不是政府一手操办起来的，降低AI价格不能从粗暴规定“每百万Token不得超过多少钱”开始。Token本身不具备稳定质量，统一限价或是统一接入，只会让小型模型企业退出，让能够长期交叉补贴的巨头更强，或者把涨价转化为限速、排队、上下文截断和质量缩水。

政府需要重建的，是从基础投入到最终任务的价格传导链。

这件事往往要先从公共投入开始。

凡是获得公共数据中心、优惠电力、财政补贴、算力券、政府采购和国有资本支持的平台，都不能只报告买了多少卡、建了多少机房。它们还应该说明，上游算力成本究竟降低了多少，向模型企业提供的价格降低了多少，最终Token价格又降低了多少。

公共资金支持的目标不能停留在“生产了更多Token”，那样很蠢，各家搞一个Token消耗排行榜宛如将水龙头开着比耗水大赛一样。而如果公共投资只是让上游平台获得了更便宜的算力，却没有对开发者的价格产生可观察的影响，补贴便可能在中途变成平台利润。

所以，在这里AI时代作为一个概率论的产物，已经通过龙虾潮告诉我们政府采购、行业评测和消费者比较不能继续只看每百万Token价格，而应建立“有效智能价格指数”。

这个指数的概念你大概在很多地方都看到过，特别是全世界开始浪费token的时候，产业大牛们就纷纷站出来呼吁应选择一组具有代表性的编码、研究、翻译、合同审查、客服和Agent执行任务，统计完成一个合格结果的全栈成本，并同时公布成功率、失败费用占比、人工复核时间、中位数成本和第90百分位成本。实际模型、服务商、上下文截断、路由回退、工具调用和自动重试都应进入账单。

只是因为AI是一个奇怪的商品。电表转了，灯通常会亮。燃气表走了，灶通常会热。Agent消耗几百万Token，却可能只留下一个Slop。

需要科普这么一个知识，Token因此不是用户真正购买的生产成果。它只是模型处理文本时的技术计量与商业结算单位，更像电表上的“度”，而不是电力本身。真正成为生产投入的是算力、模型能力、数据，以及它们组合后形成的智能服务。

这也是为什么市场正在用固定月费、请求额度、Credits和滚动时间窗口，为按Token计费的不确定性打补丁。套餐让用户暂时不必盯着每一次调用，却又创造了新的问题。不同平台的一次请求、一个Credit和一个“五小时额度”完全无法横向比较。额度消耗还可能随着模型、上下文、模式和产品规则变化。

只有当这样的指数指引着公共资金按照“做成一件事花多少钱”购买服务，厂商才会有动力减少失败与无效消耗，而不只是销售更多Token，鼓励用户继续创造更多垃圾。

随后，需要处理的就是批发接入。

对控制关键云、模型或数据入口，并且同时经营下游应用的平台，反垄断执法应当关注拒绝交易、搭售、自我优待、排他协议和价格挤压。它不需要一上来宣布所有头部模型都是公用事业，却应当追问一个很现实的问题，平台给自己应用的内部条件，是否把作为创新的最小单元，独立开发者，永远挡在了成本线之外。

电信时代要求网络互联，AI时代同样需要能力互联。模型接口、工具协议和身份认证应该尽量标准化，开发者不应因为换一个模型，就被迫重写整个产品。

账单也需要被真正管起来。

平台应当披露实际调用的模型、版本和推理服务商，说明是否使用量化模型，是否截断上下文，是否发生路由回退，缓存、搜索、工具调用和自动重试分别消耗了多少Token。模型路由可以继续发展，但节省成本不能靠用户不知道自己到底买到了什么。

用户还应能够设置不会被默认突破的预算上限。系统错误、无内容返回和平台自己触发的无效重试，也不该理所当然地全部记在用户账上。

迁移权是与数据相关最核心的概念。随着AI逐渐的深入，人们将自己的个人信息、工作信息、生活信息与之相连接，超级平台魂牵梦萦的超级生态在可见的未来将真正成立，因此，为了保障人们的权利，迁移权的重要性只会有增无减。

体现在AI上，这要求着对话记录、长期记忆、知识库、向量数据、提示词和Agent工作流应当能够导出和迁移。通信时代的携号转网，使用户换一家运营商时不必把自己的社会关系一起丢掉。AI时代如果换个平台就要从头训练自己的“电子牛马”，前期低价很容易变成后期涨价的诱饵，而这过程中产生的巨量成本又会成为平台肆无忌惮的底气。

最后，不是所有人以及所有工作都需要最旗舰的前沿智能，为了解决这种需求不匹配导致的浪费，国家需要提供一层真正可用的基础智能公共选项。

它不必让所有人无限调用，也没有必要挤走私人产品。它的作用，是给普通个人和普通企业提供一条可负担、可持续、可比较的底线。

这个公共选项必须进入真实工作流。兼容主流工具，支持连续任务，有清楚的额度和预算上限，模型能力不能落后到只能做演示。公共服务不能以“已经发布套餐”为验收标准。产品没人知道怎么买，买了不知道怎么接，开发者算完账发现比市场产品更贵，那只是又多了一张宣传海报。

公共算力、批发接入、账单透明、用户迁移和公共数据开放放在一起，才构成AI时代真正的“提速降费”。

少任何一项，降下来的成本都可能在下一道闸门重新加回去。

---

不在基础能力上与民争利

早在1999年的互联网政策讨论中，杨培芳老师就把网络产业分了层，最底层的电信通道只适合由少量经营者运营，越往上的接入、内容和电子商务，竞争空间越大，每一层所需要的管制力度也不同。²⁴

二十多年后再看，这套分层思路并没有过时，甚至熠熠生辉，对于今天的AI建设启发甚大。

可以说，是基于杨培芳老师的思想，我才写就了这篇文章。

杨老师长期讨论信息经济中的“第三文明”。他尤其重视高铁、通信等社会化基础设施和网络服务，被视为中国改革开放中极为重要的发展经验。并提出以市场的基础作用、政府的保障作用和社会的协同作用共同组织信息经济。²⁵

这套思想的价值，正在于它不要求我们在两个简单答案之间二选一。

一个答案是把一切交给市场，认为模型竞争、开源发展和算力进步迟早会自动解决价格问题。另一个答案是把所有模型收归公共经营，由政府替企业决定每一项产品和服务。

真正合理的分工，是国家承担长期基础设施、约束瓶颈、保证普遍接入。市场继续竞争模型、应用和增值服务。大学、开源社区和社会组织则共同生产知识、模型与公共工具。

在杨老师等众多学者的思想中，“不与民争利”的中心始终未变，并指导着我国基础设施建设发展。

而所谓“不与民争利”，也不只是要求国企或私企凭道德少赚一点钱。它是一种更长的收益计算。

国家没有必要从每一次模型调用、每一条公共数据和每一个基础接口中直接拿走现金收入。低成本智能会创造更多企业、更多就业、更高生产率、更多科研和文化成果，也会形成更大的消费和长期税基。后面这些收益远比一张Token账单上的直接收入更大，只是它们不会立即出现在某个部门的财务报表里。

就像当年的流量费真正降低到人们不再计算每一兆时，互联网才从偶尔使用的工具，变成持续在线的生活环境。后来最重要的许多互联网产品，并不是哪个部门提前规划出来的，而是普通人在廉价连接里刷出来、玩出来、试出来的。

AI的繁荣同样需要一种“试错权”。

---

尾注

[1] OECD

[2] World Bank

[3] Federal Trade Commission

[4] 商务部政策网站

[5] OECD

[6] 重庆市发展改革委

[7] 国家能源局

[8] 工业和信息化部

[9] 国务院新闻办公室

[10] BEREC

[11] 数字战略欧盟

[12] Berkman Klein Center

[13] 国家发展和改革委员会

[14] OECD

[15] ICLR Proceedings

[16] Stanford Digital Economy Lab

[17] OECD

[18] Reuters

[19] 国家发展和改革委员会

[20] 上海财经大学快捷服务

[21] 广东财经大学学报

[22] 美国地质调查局

[23] NBER

[24] 北大儿慧

[25] 北京师范大学经济与工商管理学院