炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
过去，工程师谈薪资，谈的是年薪、奖金、股票和期权。如今，硅谷的风向正在悄然变化。英伟达CEO黄仁勋在GTC 2026大会上抛出一个颇具冲击力的判断：未来，Token可能成为工程师薪酬的一部分。几乎与此同时，OpenAI一线管理者也透露，越来越多求职者开始关心，入职后究竟能分到多少专属推理算力。薪酬数据平台Levels.fyi则观察到，部分工程师已将Copilot等人工智能订阅服务纳入薪酬福利。
一条新的线索越来越清晰：Token正在从技术计量单位，变成商业计价单位，再迈向社会分配单位。这意味着，人工智能不再只是一个新工具，而是在孕育一种新的价值尺度。这种变化并不只发生在硅谷。公开数据显示，中国日均Token调用量已在两年间增长超千倍。国家数据局也已明确将Token视为连接技术供给与商业需求的“结算单位”。这说明，Token正在从技术语言加速转化为产业语言。
很多人对Token的理解，还停留在技术名词层面。它是模型处理信息的基本计量单位，今天，主流大模型服务早已经普遍按Token计费。但真正值得关注的，不在于它如何计费，而在于一种计量单位一旦走出后台、进入市场，就不会停留在“技术便利”这一步。它会嵌入企业成本核算，进入产品定价逻辑，渗入组织激励机制，最终甚至触及社会分配秩序。
工业时代按工时计量劳动，互联网时代按流量衡量平台价值，到了人工智能时代，价值越来越可能按Token来折算。
黄仁勋把大规模数据中心比作“Token工厂”，这个比喻很关键。它提醒我们，数据中心不再只是提供算力的仓库，而是持续将电力、芯片、数据和算法，转化为可消费、可计价、可交易的标准化产出：Token。换句话说，数据中心不只是基础设施，更像新工业时代的生产车间。而Token，就是车间里源源不断下线的新产品。
一旦这样理解，很多现象就连起来了。为什么企业越来越在意模型调用额度？为什么 *** 时开始有人问岗位可分配多少Token、多少推理预算？为什么各家争夺的，不只是模型排行榜上的名次，而是芯片、算力和推理能力？因为在这个体系里，谁掌握Token的生产能力，谁就掌握新的价值出口；谁拥有Token的配置权，谁就掌握新的分配权。
过去几年，人们更关心模型会不会更聪明、会不会替代人、能不能写文章、能不能画图。但对企业和资本而言，更关键的问题已经变成：智能究竟如何计量，如何定价，如何配置，如何分配。Token之所以重要，不是因为它神秘，而是因为它正在成为那把新的尺子。
而一种新的价值尺度，只有真正写入预算表和工资单，才会从产业趋势变成组织现实。
如果说前面的变化主要发生在机房和资本市场，那么硅谷 *** 市场上的新动向，则说明Token逻辑已经开始进入企业内部。过去，科技公司争夺人才，主要靠三件事：薪资、奖金和股权。如今，算力正在成为硅谷薪酬的第四极。OpenAI总裁格雷格·布罗克曼直言，可获取的算力将直接影响软件开发效率。风险投资机构Theory Ventures进一步预测，到2026年，人工智能推理成本可能成为工程师薪酬的第四组成部分，与薪资、奖金和股权并列。
这件事的意义，不在于公司多发了一项福利，而在于企业开始把生产资料的一部分，直接配置给核心知识劳动者。免费午餐、健身房、保险，是生活福利；Copilot、GPT配额、Cursor企业版、专属推理额度，则是生产福利。薪资解决当期收入，奖金绑定短期绩效，股权绑定长期预期，而算力预算直接作用于当下产出。传统办公室时代，公司给你电脑、工位、邮箱；人工智能时代，公司还要给你“第二大脑”、“代码副驾”和“推理燃料”。
同样值得注意的是，中国头部企业也开始围绕Token重构内部组织。阿里近期成立Alibaba Token Hub，整合模型、MaaS、应用等核心板块，背后折射的正是同一种变化：组织配置资源的基本单位，正从“产品”逐步转向“Token”。说到底，AI时代，最重要的员工福利，不再是让你过得更舒服，而是让你干得更强。
这一变化也会迅速抬升顶级人才的综合成本。按照相关测算，如果一名工程师每年新增10万美元推理成本，总人力成本可达到47.5万美元，意味着未来超过20%的薪酬成本可能来自人工智能使用支出。这说明，人工智能未必会让高端工程师更便宜，反而可能让他们更贵。因为生成式人工智能并不是简单替代工程师，而是在放大顶级工程师的杠杆。越优秀的人，越能把高质量模型转化为更高产出，公司也就越愿意在他们身上叠加更高额度的Token预算。结果很可能是，普通工程师岗位被挤压得更厉害，头部工程师和高效团队的综合成本却被抬得更高。
公司内部对算力资源的倾斜，最终也会外溢到劳动市场，形成新的分层。未来公司争夺的，不只是某个工程师本身，而是“工程师+模型能力+推理预算”的组合体。表面上看，大家都在做同一类工作；实际上，不同员工背后的“数字外脑”并不处于同一层级。有人配企业级Copilot、专属API额度和高性能模型调用权，有人只能使用受限版本。未来劳动市场的新鸿沟，可能不只是会不会编程，而是有没有资格调用更强的算力。
当然，算力进入工资单，并不只带来激励，也会带来治理难题。一旦推理预算成为正式资源，企业就必须回答几个新问题：谁配得上更多Token？是平均发，还是按贡献度倾斜？谁在高效使用Token，谁又在浪费Token？未来绩效考核，看的恐怕不只是人效，还可能是“单位Token产出”。这意味着，Token正在从采购问题变成管理问题。谁能把有限Token配置到更高价值任务上，谁能把高成本推理留给高回报场景，谁就更可能在下一轮竞争中胜出。
而当企业内部已经开始分配算力，社会层面围绕算力展开讨论，也就不再意外。长期以来，人们围绕“全民基本收入”讨论技术替代后的兜底机制。如今，奥特曼则试图把问题改写为：与其发钱，不如发算力；与其只保障消费能力，不如赋予生产能力。
这未必很快成为现实，却已经透露出一个值得重视的变化：未来社会真正稀缺的，可能不只是收入，而是生成能力。一个人能否高效写作、编程、学习、创业，越来越取决于他能否低成本调用强大的模型能力。工业社会的核心公平，主要表现为收入公平与机会公平。社会更关心一个人有没有工作、有没有收入、有没有基本保障。而在智能社会里，公平的内涵也许会悄悄变化，越来越体现为算力可及性公平、模型使用权公平、数字生产力公平。所谓普惠，未必只是发一笔钱，更可能是给普通人一张进入新生产方式的门票。
不过，设想再宏大，最终还是要接受现实检验。微软CEO纳德拉的提醒，恰恰点中了问题的要害。人工智能必须在医疗、教育等领域带来真实改善，否则社会不会长期接受如此高能耗的Token生产。真正的问题是，这些Token最终转化成了什么：是更精准的辅助诊断，更普惠的教育服务，更高效的研发协同，还是只是在制造平台账单和资本故事。社会不会因为你生产了海量Token，就自动认可这种技术进步。
这也是今天人工智能产业最需要警惕的地方：Token越来越像一种“新电费”。表面上看，按量计费合理透明；但一旦企业真正把人工智能嵌入研发、 *** 、办公、营销、代码生成等关键环节，Token消耗就会从一笔可控支出，迅速膨胀为持续吞噬预算的变量成本。很多企业以为自己接入的是智能，最终先装上的却是一套持续计费系统。若缺乏任务分层、模型路由、缓存复用、提示词治理和成本监测，所谓全面拥抱人工智能，很可能变成全面暴露在人工智能成本曲线之下。
所以，真正值得追问的，不只是Token会不会成为工资的一部分，也不只是它能不能替代“全民收入”，而是更根本的问题：谁来定义Token的价值，谁来决定Token的分配，谁来约束Token的成本；谁又来确保Token最终能够转化为广泛的公共收益，而不是少数平台的收益表。
未来社会的竞争，表面上看是模型竞争，深一层是算力竞争，再深一层，其实是围绕Token展开的治理竞争。一个技术词汇之所以值得写进专栏，不是因为它新，而是因为它正在穿透不同层级的系统：从机房穿透到公司，从公司穿透到市场，从市场穿透到社会。Token开始只是算法内部的计量单位，后来变成商业世界的结算单位，如今又隐约有了迈向社会分配单位的趋势。若干年后，我们回头再看黄仁勋和奥特曼今天这些关于Token、推理预算和“薪酬第四极”的讨论，或许会发现，他们讨论的从来不只是一个技术单位，而是社会开始用一种新的尺度，重新衡量能力，重新配置资源，重新安排分配。
（作者胡逸为数据工作者，著有《未来可期：与人工智能同行》一书）