【经管讲堂·AI经管实践】中国电信的“Token经营”：运营商如何把AI变成可计量的生意

事件与实践

2026年，中国电信在前三季度交出营收3801亿元、净利润262亿元的成绩单的同时，提出了一个颇具行业创新意味的经营概念——“Token经营”。简言之，就是把AI服务按照Token（模型处理信息的基本计量单位）进行计量、定价与结算，使AI能力从“项目制交付”转向“按量计费的持续性服务”。

这一转变的商业含义十分深远。传统运营商的收入模型是“连接费”——按月收取带宽或流量费用，单价随技术迭代持续下行，行业长期面临“增量不增收”的管道化困境。而Token经营把计价单位从“比特”改为“智能服务单元”，单位价值量大幅提升，且随模型能力增强而提升。更关键的是，Token消耗具有天然的黏性：企业一旦将业务流程嵌入某个模型服务，迁移成本极高，收入的可持续性远强于连接费。

分析

一、从“管道化陷阱”看商业模式重构的必要性

电信行业长期面临“哑管道”（dumb pipe）困境：网络投资巨大，但价值被上层的互联网应用捕获，运营商只能获得 connectivity 的微薄回报。根本原因在于其收入单位（比特）与其创造的价值（用户获得的体验与服务）之间缺乏关联——用户看一小时高清视频与看一小时文字邮件，消耗的流量相差数十倍，但运营商难以据此差异化定价。Token经营的突破性在于，它把计价单位直接绑定在“智能服务产出”上：用户消耗的Token越多，说明其获得的智能处理越多，付费也越多。这实际上是在重建“价值创造”与“价值捕获”之间的关联，是商业模式层面的本质改善，而非简单的产品叠加。

二、用“计量经济学”思维审视计量单位的选择

任何按量计费模式的核心，都是计量单位的选择。一个好的计量单位应满足三个条件：可观测（能准确测量）、可理解（客户能直观感知）、与价值相关（消耗量与获得的价值正相关）。Token在“可观测”上表现优秀（技术上可精确计数），但在“可理解”上存在明显短板——普通企业客户很难判断一项任务该消耗多少Token，这就导致预算不可控，进而抑制使用意愿。中国电信等厂商的应对思路，是推出“任务包”“套餐包”等二次封装产品：把Token打包为“生成100份报告”“处理1000张票据”等客户可理解的业务单位。这一“底层按Token计量、表层按任务售卖”的双层设计，是AI服务商业化的关键工程，值得所有AI供应商借鉴。

三、从成本结构看AI服务的规模经济与边际成本

AI服务的成本结构与软件行业有本质区别：软件开发的边际成本几乎为零，而AI推理的边际成本显著为正——每一次调用都要消耗算力与电力。这带来两个独特的管理挑战：其一，毛利率不再随规模自动提升，定价必须覆盖单位推理成本，这要求企业建立精细的单位成本（unit economics）核算体系；其二，需求波动会直接冲击利润，因为算力资源难以像软件一样弹性伸缩，需要提前储备。可行的应对包括：通过模型蒸馏与量化降低单次推理成本、通过错峰调度提高算力利用率、以及通过差异化的服务等级（SLA）设计，把对延迟不敏感的任务引导至低成本时段。这些措施的本质，是把AI服务从“技术产品”改造为“可管理的成本中心”。

启示

第一，警惕“管道化”不只是电信业的问题。任何处于产业链中间环节、价值被上下游捕获的企业，都应反思：我们的计价单位是否与我们创造的价值相关？第二，计量单位需要“二次封装”。技术上最优的计量单位，未必是商业上最优的售卖单位；应在技术计量与业务感知之间设计转换层。第三，AI服务必须建立单位经济核算。不同于软件，AI的边际成本为正，没有单位成本数据的定价就是在赌博。第四，把成本优化作为产品能力的一部分。模型压缩、调度优化、异构算力利用，这些工程能力最终会转化为价格竞争力与毛利空间。

其他思考

1. 请分析你所在企业（或一个熟悉企业）是否存在“管道化”风险，即创造了价值却未捕获相应回报。如果有，重新设计计价单位的思路是什么？
2. 请为一个面向中小企业的AI客服产品设计一套定价方案，说明底层计量单位、表层售卖单位、以及两者的换算关系，并解释你的设计如何降低客户的价格焦虑。
3. AI推理的边际成本为正，且需求波动大。请设计一套包含预测、调度与成本控制的算力资源管理流程，并说明关键绩效指标。

关键词：Token经营；商业模式重构；管道化陷阱；单位经济；边际成本；AI服务定价
来源：公开报道整理（中国电信2026年前三季度业绩及Token经营相关报道） | 整理：经管讲堂