地方政策追踪与观察 2026-09-01
地方政策追踪与观察 2026-09-01
各地发展人工智能，过去几年比较常见的指标是算力有多少P、建了多少智算中心、引进多少大模型企业。随着算力建设越来越多，一个问题也越来越现实：这些昂贵的算力最后到底用得怎么样？机器开着不等于产业发展起来，算力规模很大，也不代表产生了足够多的应用和收入。北京亦庄最近出台的一项政策，开始试着算这笔账。
8月初，北京经济技术开发区发布《关于支持词元驱动智能经济高质量发展的若干措施(试行)》。政策提出，到2030年，亦庄智能经济产业规模突破4000亿元，算力规模突破10万P，建设4个万卡级“词元工厂”。其中一个很少见的目标是，要通过算电协同、硬件优化等方式，把“度电词元产出”提高到当前水平的6倍以上。换句话说，同样消耗一度电，希望模型能够生产和处理更多Token。
Token，也就是政策所说的“词元”，可以简单理解为大模型处理信息的基本单位。用户每问一个问题，模型读取信息、推理、生成答案，背后都会消耗大量Token。对于大模型企业来说，芯片、算力和电力是投入，Token则可以一定程度反映模型实际运行了多少、被调用了多少。亦庄这次有意思的地方，就是在传统的“算力有多少”之外，又往前走了一步，开始关心这些算力究竟生产了多少AI能力。
因此，这套政策的第一部分仍然在建设算力，但要求明显更具体。亦庄计划建设万卡级词元生产基地，同时支持液冷、高能效硬件、异构算力调度、GPU池化等技术，提高机器利用率。在模型端，则鼓励模型轻量化、边缘部署以及大小模型协同。企业开展相关模型业务，租赁算力费用可以获得30%的支持，最高2000万元。这里的逻辑很清楚：政府可以帮助企业降低算力成本，但也希望算力用得更充分。
第二个值得关注的地方，是亦庄把政策支持延伸到了“Token怎么用”。当地每年将发放1亿元数据券，企业采购数据，按交易金额的10%给予支持，最高100万元。同时建设跨模型、跨模态、跨算力平台的统一调用入口，让企业可以更方便地调用不同模型和智能体能力。对于建设这类聚合服务平台的运营主体，最高给予5000万元支持。政府希望解决的，是企业有算力、有模型之后，还要有一套方便使用和交易的基础设施。
更关键的一步是直接补贴AI应用。亦庄规定，企业在医疗健康、商业航天、汽车制造等真实业务场景中使用AI，可以按照词元消耗费用的50%获得支持，最高500万元。这里已经出现了比较明显的政策变化。过去很多地方补智算中心建设，或者给企业发算力券，钱主要花在供给端。亦庄现在连“谁在真正使用AI”也开始补，希望把医院、工厂、汽车、机器人等真实业务拉进来，让Token真正流动起来。
亦庄甚至把智能体之间的交易问题也提前考虑了。政策提出探索智能体自主支付，在授权预算内，让AI智能体自己完成小额、高频的服务购买和结算，并通过监管沙盒先做试验。如果未来大量AI Agent能够自动调用模型、购买数据、调用软件服务，Token就会更像AI经济运行中的一种计量单位。这一块目前还很早，但亦庄已经在尝试提前搭制度。
另外一个很有意思的安排，是发展OPC，也就是依靠人工智能工具运行的“一人公司”或微型创业主体。亦庄提出吸引超过5000家OPC实体，建设OPC社区，提供办公、居住、法务、金融等服务，还准备发放OPC券，覆盖产品打样、软硬件适配和品牌传播等环节，单个企业累计最高支持100万元。政策背后的判断是，人工智能可能明显降低创业和经营一家公司的人员门槛，一个人加上一批智能体，也有可能完成过去一个小团队才能完成的工作。
从地方产业政策来看，亦庄这套做法最值得关注的，是开始重视人工智能的“产出效率”。建设一个10000P的算力中心很直观，也容易统计，但如果设备利用率很低，或者大量算力没有形成企业收入和实际应用，这些投资的产业价值就要打折扣。“度电词元产出”至少提供了一个新的观察角度：除了看有多少机器，还要看机器干了多少活。
不过，Token本身也不能成为唯一指标。模型疯狂生成大量低价值内容，同样能够产生很多Token；有些高价值应用调用次数不多，却可能解决非常重要的问题。因此，未来如果真正评价AI产业效率，还需要把Token数量与模型调用价格、企业收入、实际应用效果、能源消耗等指标放在一起看。否则，也可能出现为了追求Token数量而追求数量的问题。
这也是亦庄经验接下来最值得观察的地方。如果能够把算力投入、电力消耗、Token产出和产业应用逐渐对应起来，地方发展人工智能就多了一套可以计算投入产出的办法。过去地方容易比谁的算力中心更大，下一阶段恐怕还要比谁的算力利用率更高、模型调用更多、真实应用更广。亦庄这次政策提供的启示很简单：AI产业发展到一定规模以后，地方政府也该开始算效率账了。(YXT)
