智库论见 | 为工业智能化立“度量衡”

图片来源/摄图网授权

词元经济赋能新型工业化

■ 姚莲芳

　　“十五五”规划纲要明确提出“全面实施‘人工智能+’行动”，要求抢占人工智能产业应用制高点，但人工智能在工业场景的落地并非坦途。IDC调研显示，应用大模型及智能体的工业企业比例从2024年的9.6%攀升至2025年上半年的47.5%，但渗透率的快速攀升并未带来相应的价值释放，大量工业智能体落地后未能持续产生价值。其症结不在模型能力不足，而在更深层的计量难题：工业人工智能应用成效难以量化、投入无法核算，“不敢投、不会算、说不服”成为普遍困境。词元作为大模型信息处理的基本单元，为人工智能服务提供了统一的计量标尺，推动智能能力形态转为可计量、可定价、可交易的商品形态。词元经济赋能新型工业化的实质，是工业智能领域“度量衡”体系的革新。

一、词元经济赋能工业人工智能的机制

(一)计量机制：使工业人工智能从“黑箱投入”走向“可量化”

　　工业人工智能投入产出不透明的核心症结在于缺乏统一可计量的基本单位。词元提供了通用计量基准，工艺优化、质量检测、故障诊断等人工智能调用均可折算为词元计量核算。但词元用于工业场景存在显著适配障碍。其一，工业数据形态高度异构。设备信号、传感器时序、CAD模型、工艺参数等多模态数据，难以像文本那样直接切分为标准词元，计量设计须面向算力消耗、数据权益、知识规则、能耗属性、边缘开销等维度类型化定义。其二，工业生产容错率极低，对计量精度要求严苛，计量偏差将直接导致成本失真、责任不清。工业词元计量必须下沉至工艺环节与推理任务粒度，方能为定价、归因与效益评估提供可信基础。

(二)定价机制：使工业人工智能从“成本中心”走向“价值闭环”

　　工业的专业化特征给词元定价带来特殊挑战。垂直模型训练成本高、复用率低，单位词元供给成本显著高于消费场景;更关键的是，同等消耗量创造的价值因任务而异。例如，同一产线中停工预警与状态查询消耗的词元相近，价值却相差百万元量级。单纯按量计费无法反映真实价值，还会扭曲资源配置信号。中国工业互联网研究院(2026)提出的“成本约束+智能溢价+结构差异+价值弹性+竞争浮动”复合定价模型为工业词元定价提供了基础框架，将工业人工智能从成本中心推向可量化回报的价值创造节点。词元消耗沉淀的高质量数据反哺模型训练、支撑新一轮技术投入。这正是工业与消费场景的核心区别：前者消耗是再生产投入，形成价值循环;后者是终极消费。

(三)生态机制：使工业人工智能从“单点孤岛”走向“协同网络”

　　工业人工智能整体跃升需跨主体协同，但当前缺乏全流程集成方案，设备与企业间人工智能应用彼此割裂，词元为打破碎片化格局提供了统一的价值流通载体。工业场景对实时性要求严苛，大量推理须在边缘侧就近完成，其生态构建必然是“中心—边缘—现场”三层协同的分布式体系。中心层负责大模型训练与复杂推理，边缘层服务园区内多企业的共性推理，现场层满足实时监测与毫秒级响应。生态的可持续性还依赖知识积累，词元消费沉淀工艺经验、故障特征，结构化积累后形成“知识飞轮”——消费产生知识，知识提升推理有效性，进而沉淀更高价值的数据资产，成为生态的内生动力。

二、词元经济赋能工业人工智能的现实堵点

(一)供给侧堵点：数据与知识的词元化困境

　　计量机制的有效运行以高质量工业数据与知识为原材料，但当前“供应—加工”体系断裂，高质量工业数据集建设滞后。一是样本结构失衡，正常工况占比逾95%、具有分析价值的异常样本不足5%，与模型训练需求结构性错配;二是标注能力短缺，数据标注依赖行业专家判断，专业人才供给不足;三是权属壁垒高企，企业共享意愿低，高价值工艺数据难以跨域流通复用。隐性知识转化困难加剧困境，大量工艺诀窍沉淀于技工个体经验，企业缺乏统一知识本体，难以转化为人工智能可执行的结构化形态;计量缺失，定价与交易便失去基础。

(二)能力侧堵点：模型与场景的适配性问题

　　即便数据与知识供给到位，大模型与工业要求之间仍存在适配性问题。其一，生成式人工智能以概率预测为核心机制，输出具有固有不确定性，与工业领域对错误的零容忍形成根本矛盾。其二，智能溢价缺乏量化参照，一次成功故障预警的价值事前评估与事后评估相差悬殊，事中定价缺乏锚点;价值弹性缺少度量工具，质检环节词元消耗与缺陷检出率存在直接因果关联，工艺优化环节产出受操作者采纳意愿、设备状态等多重因素影响，关联关系被显著稀释，各环节产出形态各异、量纲不统一，难以跨环节比较。供给侧与能力侧梗阻相互叠加强化，形成“数据越缺—模型越弱—定价越难—投入越少—数据越缺”的恶性循环。

　　(三)应用侧堵点：流程嵌入与价值闭环的缺失

　　智能体落地面临基础设施与制度环境等层面的缺失，使生态机制难以运转。基础设施缺失体现在物理和语义两侧：智算中心以训练算力为主、推理算力不足，边缘侧设施分散且标准不统一，“中心—边缘—现场”架构尚处于概念阶段;企业ERP、MES、CRM、OA等系统数据格式、术语、业务逻辑各不相同，智能体嵌入流程节点缺乏跨系统语义互操作的“翻译中枢”。制度环境缺失有三重表现：一是多数工业智能体未真正内嵌于生产工艺流程;二是价值计量空白突出，消耗不计量、产出不核算、配额不分配;三是组织变革滞后，多数企业的人工智能项目仍局限于IT部门试点，未进入战略决策层议程。多重缺失叠加使“知识飞轮”失去启动条件。

三、工业人工智能“度量衡”体系的构建路径

(一)建设工业高质量数据集

　　在制度层面，加快数据标注标准体系建设，建立行业专家参与标注的规范与资格认证;在平台层面，依托链主企业建设行业级数据共享平台，以数据持有权、使用权、经营权三权分置为制度基础，降低中小企业参与门槛;在组织层面，引入“数据工厂”模式，将数据工程师与行业专家纳入同一工作单元，使采集、存储、训练与应用融为一体;在生态层面，以“模数共振”为牵引，模型能力倒逼数据治理精准化，高质量数据再反馈提升模型性能，形成“场景—数据—模型—价值”闭合循环。

(二)构建工业场景词元定价框架

　　第一步，基准定价，行业协会牵头在试点场景建立按词元消耗量的计费标准，高精度特殊场景引入质量系数与风险溢价因子;第二步，市场竞价，开放多服务商竞争，通过市场竞价发现合理价格区间，形成行业参考价格指数;第三步，按效分润，在能耗优化、工艺参数改进等效果可归因的场景中先行试点按效益分成，破解价值非对称难题。

(三)锚定信息密集环节切入应用场景

　　优先切入研发设计、工艺优化、质量检测、排产调度、能耗管理等密集环节，将设备数据、工艺参数与专家经验整合为统一的推理管线，使每次人工智能调用都有清晰的词元消耗记录和效益归属，据此建立涵盖基准消耗量、基准效益值、基准投入产出比的“词元消费基线”，确立第一批“计量原点”。

(四)布局边缘侧词元工厂

　　“中心—边缘—现场”三层架构的关键在边缘层与现场层，已有探索提供验证：三一重工将轻量化大模型部署至工程机械终端，故障预测准确率达92%;冠英科技以“云—边—端”一体化体系服务10省50余个县域产业集群，表明边缘侧推理具备技术和经济可行性。建议将工业推理算力纳入新基建投资目录，对边缘侧词元工厂建设给予专项支持，推动三层架构从概念走向系统部署。

(五)推动企业词元预算管理

　　建立词元消费数字化台账，形成“词元消费月报”，让管理层“看得见”人工智能消耗。杭州等地已发放词元券补贴中小企业购买词元服务，降低企业试水成本。在此基础上，选取边界清晰、效果可归因的一至两个场景深度打穿，形成可量化的投入产出闭环，进而探索“数据换词元、词元换服务、服务换效率、效率换数据”的对称循环，让价值持续滚动放大。

(作者系国研经济研究院常务副院长)

总 监 制丨杨玉洋 车海刚

监 制丨陈 波 刘卫民

审 核丨王小霞 编 辑丨邹 朵