輝達創辦人黃仁勳在六月初 GTC 大會上揭示「實用 AI 時代」降臨，並提出極具經濟學意義的概念：將大型語言模型運作的基礎單位「Token」定義為最小獲利單位。他斷言，未來企業的商業價值將取決於產出與消耗 Token 的效率。
AI 已不再是單純的輔助工具，而是真實的「GDP 產生器」。驅動這部機器的「算力」從基礎設施成本，轉變為創造營收的核心引擎。「算力即收入」意味著企業處理的每一個 Token，都代表著可量化、定價並變現的商業產出。Token 成為全新獲利單位，促使科技巨頭瘋狂擴建「AI 工廠」，引爆全球對硬體算力的龐大需求。
傳統經濟學的侷限
面對這場典範轉移，我們必須檢視傳統經濟學的侷限。自亞當·斯密以來，推動當我們面對這場由算力驅動的典範轉移時，迫切需要回頭檢視傳統經濟學理論在當代社會的解釋力與侷限性。
自十八世紀古典經濟學之父亞當·斯密奠定經濟學基礎以來，學界與實務界普遍將推動經濟發展的「生產要素」歸納為四大核心支柱：土地、資本、勞動與企業家精神。在這套經典框架中，土地代表了自然資源與生產的物理場域；資本是擴張生產規模的工具；勞動是推動生產過程的人力投入；而企業家精神則是負責整合前三者，承擔風險並發揮創新思維的組織能力。這套歷經兩百多年考驗的理論，曾完美解釋了農業與工業時代的價值創造模式。
數位時代的生產要素缺口
然而，進入網際網路時代後，數位產品「邊際複製成本趨近於零」的特性，已經對傳統勞動與實體土地的定義帶來挑戰；如今生成式 AI 的爆發，更是徹底撕裂了舊有的分析框架。在 AI 生成千萬字元報告或即時繪製高畫質影像的過程中，傳統意義上的「勞動」參與極低，實體「土地」的依賴也被虛擬的雲端空間取代。
更重要的是，與過去網路時代低廉的運算成本不同，生成式 AI 的運作伴隨著極高的邊際能源與物理成本。推動這一切智慧湧現的算力，其稀缺性、龐大的耗電量與高昂的建置成本日益凸顯。這股強大且受到物理法則（如電力與散熱）嚴格約束的經濟力量，正強烈迫使我們必須打破舊有框架，重新深刻思考並定義「生產要素」的真實範疇。
第五項生產要素　算力的誕生
基於當前商業現實，我們主張「算力」應被正式確立為新時代的「第五項生產要素」。算力不僅是技術資源，更具備傳統生產要素的稀缺性、可計量性與不可替代性。沒有龐大算力支撐，海量數據也無法轉化為具商業價值的知識。
更重要的是，算力的消耗能透過「Token」進行極度精確的度量。Token 讓「每秒處理量」成為衡量企業算力產能的絕對標尺。若將 Token 視為數位經濟的「專屬貨幣」，我們就能像計算機器產能般，將運算過程納入企業的成本核算與利潤分配中。這不僅提升了算力消耗的商業透明度，更為未來建立標準化的「算力交易市場」奠定堅實的理論基礎。
大數據 vs. 算力　為何 Token 是更精準的指標？
過去十餘年，「大數據是新時代石油」的觀點風靡全球。然而，數據更像未經開採的原油，若缺乏強大算力的加工提煉，便無法轉化為實質生產力，因此算力比靜態數據更符合「生產要素」的嚴格定義。
從經濟學角度比較，大數據的邊際效用往往遞減，資料量達到一定規模後的新增價值極低；相反地，算力的邊際效用卻能隨著模型演進而持續攀升。
此外，一般數據在全球相對充裕，但支撐先進 AI 的高效能算力才是極度稀缺的戰略資源。因此，以 Token 作為度量單位，遠比單純計算資料量更能反映 AI 時代的生產邏輯，未來極可能誕生以算力 Token 為基準的「推論經濟」，重塑全球貿易模式。
Token 消耗模式　洞悉 AI 任務的經濟成本
大型語言模型的每一次決策與生成，皆以消耗 Token 作為底層的經濟代價。分析不同 AI 任務的 Token 消耗模式，能幫助企業精準掌握算力成本。
首先，高度邏輯的「推理分析」需要展開多層次思維鏈，過程中需生成並驗證大量隱藏 Token，導致「推理 Token」消耗攀升，屬高成本運算。
其次，「創意寫作」目標為持續生成文字，「輸出 Token」佔比極高，這使得長篇小說、專業報告等任務，往往成為輸出 Token 消耗最顯著的案例。
再者，「資料處理」需消化海量文件，極度考驗「輸入 Token」的處理能力。
最後，當前最耗資源的「跨模態生成」（如圖文簡報或影片）堪稱算力黑洞，需同時處理龐大的輸入、推理與輸出 Token。Token 顯然已成為管理 AI 任務經濟成本的核心分析工具。
未來趨勢　Token 成本下降與效率革命
儘管當前 AI 產業面臨耗能龐大的挑戰，但算力成本的指數型下降已是不可逆的趨勢。這場效率革命正從三大維度展開：在硬體層面，新一代 AI 晶片正大幅提升「每瓦 Token 效率」，配合液冷技術與綠能整合，將從根本上降低巨額能耗。
在演算法層面，模型量化、知識蒸餾與智慧上下文管理等技術，預計將讓 Token 消耗量節省 40% 至 70%。
在企業策略上，「模型分級路由」機制讓簡單任務交由輕量模型處理，複雜任務才動用頂級模型，可直接省下過半的 API 呼叫成本。規模經濟與技術優化的疊加，將使 AI 應用的邊際成本以前所未有的速度逼近水電等公用設施。
結論與前瞻　迎接「算力經濟學」的新紀元
總結而言，傳統四大生產要素框架已不足以精準支撐 AI 時代的價值鏈條。作為驅動知識生成與決策運算的核心引擎，算力理應被納入「第五大生產要素」，而 Token 則是衡量這項要素最精確的度量單位與未來商業媒介。
過往將大數據等同終極要素的觀點，忽略了算力的稀缺性與加工成本。展望未來，隨著硬體升級與調用策略優化，Token 運算成本的大幅下降是確定的發展軌跡。這不僅會全面降低 AI 導入門檻，更將催生出全新的「算力經濟學」，成為驅動全球經濟增長的新基石，深刻影響未來的國際競爭格局。
(本文已於115.7.1刊登於ETtoday）