从词元规模转向应用价值：中国联通如何经营Token？
一家制造企业的CIO计划将大模型接入生产系统，一连串问题很快摆到面前：调用哪家模型更稳定？敏感数据能否留在厂区？每次推理产生的成本又该计入哪个部门？
半年后，当老板问起“词元（Token）用量居高不下，但AI到底节省了多少成本、提升了多少效率，带来了多少业务价值？”等问题时，CIO往往很难拿出一本说得清的账。
由于不同部门各自接入模型，员工自行订阅AI工具，分散的API账单很难对应到具体业务。企业既要理清调用成本和数据流向，也要判断这些投入是否改善了实际工作。
AI落地的难点，已经从大模型是否可用，延伸到如何持续支撑业务发展。这一变化为电信运营商提供了新的角色空间。长期积累的算网调度和计量计费能力，加上深入行业的客户服务体系，可以为企业提供多元模型选择、管理词元消耗，并支持应用交付。
9月10日，中国联通在合作伙伴生态大会上发布“元景MaaS词元运营分发平台”（简称“元景平台”），元景数字员工也同期登场。通过封装“算力＋模型能力＋智能应用”服务，中国联通希望建立集约化词元运营体系，为客户提供更具功能价值的AI能力。
此次发布也揭示了中国联通对运营商角色的定位：在词元经济时代，大模型落地的关键，必须从“不断攀升的词元规模”转向追求“可持续增长的每百万词元应用价值”，让Token真正进入客户的真实生产与业务场景，推动实体经济高质量发展。
在讨论AI转型时，企业常会关注某个业务的Token消耗量。但消耗量只能说明使用规模，无法回答这些Token究竟为客户创造了什么价值。企业更关心的是，Token进入了哪些业务流程，完成了哪些任务，又改善了哪些经营指标。
规模体现供给能力，应用决定价值能否兑现。一个值得深究的问题是，中国联通如何让Token进入具体业务场景，让企业看到可衡量的经营结果？
模型越来越多，企业为什么依然用不好AI？
如同榜单成绩并不总能对应真实体验，企业选择大模型同样如此：当模型进入生产、研发和客服等实际业务场景和流程，模型选型便要考虑“安全合规、服务稳定、成本控制”等实际业务需求。
第一重挑战，是模型服务的分散采购和使用带来了“影子IT”风险。
过去的软硬件采购通常具有明确的预算和使用边界，然而模型服务通常按量计费，调用量和资源需求还会随业务波动，传统采购和财务核算方式很难适配。
这也放大了“影子IT”的风险。所谓影子IT，是指未经企业IT部门统一审批和管理，由需求部门或员工自行采购、部署和使用的数字服务。当不同部门分别接入模型、API服务和AI工具，企业很难完整掌握使用范围、数据流向和实际支出。
如果缺少统一的调用与计量入口，原本分散在不同业务线的模型支出就会形成难以拆解的“财务黑盒”。财务部门无法将每笔调用的费用准确归集到部门、项目和应用，管理层也就难以判断每笔AI投入的性价比。
第二重挑战，来自多模型之间的选择与调度。
营销、研发、客服和生产等场景对模型能力的要求并不相同，单一模型很难覆盖全部需求。企业的大模型采购因此逐渐呈现出“组合配置”的特征，需要根据任务类型在多个模型之间切换和调度。
对CIO和采购部门而言，选择深度绑定单一云厂商的全栈方案，可以降低初期接入的复杂度，但也可能增加后续迁移和技术路线调整的难度。企业如果自行搭建跨厂商的模型网关，又需要持续承担模型适配、系统维护和性能优化等工程投入。因此在分散的模型供给与具体的业务需求之间，企业需要一个统一的接入与调度工具。
接入模型只是第一步，更费功夫的是让应用进入业务。模型需要连接内部数据和业务工具，融入现有工作流程。对于需要跨系统执行任务的场景，企业还要进一步开发智能体。这些工作涉及知识库搭建、提示词设计和工具联调。不少企业缺乏专业的AI开发团队，一线业务部门即使清楚自己的需求，也很难独立完成开发。
最后，安全合规构成了更高的落地门槛。
在政务、金融和央国企的部分敏感场景中，数据不出域是明确要求，直接调用公有云模型可能受到限制。完全依赖本地算力部署，又会带来硬件投入、长期运维和模型更新等成本。企业需要根据具体业务，在使用便利、部署成本与安全要求之间作出选择。
解决这些问题，需要一套可持续运营的服务能力——既能统一接入和调度不同模型，也能提供灵活的部署方式，并对调用成本、数据权限和使用行为进行持续管理。
事实上，这种服务能力已经被写入行业规范。最近，由中国信通院人工智能研究所联合企业编制、联通数智核心参编的《人工智能词元（Token）运营管理能力要求》（AIIA/T 0308-2026）正式发布。该规范围绕资源纳管、服务管理、费用管理、运营分析和合规审计五个方面，对Token运营提出系统要求。
统一管理Token正在成为企业使用AI的基础能力。能否把Token消耗与业务结果对应起来，让企业看清不同应用的投入及其实际效果，是算清AI账本的关键。
从模型选型到价值产出，为什么需要元景平台？
这些挑战也改变了企业对AI服务商的要求。
模型接入之后，还需要持续适配新版本，支撑不同业务的调用，并控制运行成本与使用风险。服务商承担多少工程工作，直接影响企业能否把应用持续用下去。
当前企业AI服务市场大致形成了三类供给路径。阿里云、腾讯云等全栈厂商提供覆盖算力、模型和智能体开发的综合方案；
但多样化的供给并没有消除企业的痛点。企业买接口容易，让AI上岗难。全网算力的调度，敏感数据的安全，词元消耗的ROI核算，乃至智能体的开发应用等等诸多问题，目前的三类厂商都很难提供中立且高效的全局解法。
面对这种错位，在这场角逐中，元景平台选择了一个更靠近企业经营结果的生态位：充当“词元运营中枢”，而且要做到“更新、更强、更全”。
“更新”，首先回应企业跟进模型迭代的需求。元景平台建立了模型自部署与生态引入的双重保障机制，支持主流开源模型Day 0同步上线；在智能体开发环节，用户可通过自然语言指令，在约5分钟内完成智能体配置和上线。
“更强”，体现在模型推理和智能调度上。应用进入日常业务后，响应速度和并发承载能力都会影响使用体验。通过自研的“四维一体”Uni-Infer推理框架，元景平台进一步优化推理性能。内部评测数据显示，首Token时延平均降低50%以上，服务吞吐量提升2倍以上，模型推理速度最高提升5倍。
在推理性能之外，平台还需要为不同任务匹配合适的资源。面对业务对稳定性、成本和响应速度的不同要求，元景平台提供“性能、响应、成本、均衡”四种智能路由模式，按任务类型和服务要求选择相应的模型与算力资源。
在满足任务成功率要求的前提下，系统级综合算效比最高可提升3倍。这有助于企业在既定预算内更有效地完成任务，也减少了逐一比较模型、手动调整调用策略的负担。
“更全”，体现在模型覆盖与安全防护两个层面。元景平台涵盖不同参数规模的大语言、语音、视觉和多模态模型，并接入国内Top 5开源模型，为企业按业务需求选择模型提供更多空间。
这些模型进入企业业务，还需要相应的安全保障。元景平台将安全防护贯穿模型调用全过程，覆盖请求输入、模型推理和结果输出等环节。针对提示词注入、越狱攻击和违规内容生成等风险，平台支持事前评测、事中拦截和事后溯源。
模型的进步，最终要在业务的进步中得到兑换和彰显。
元景平台希望承担连接两者的AI服务运营者角色，将不断更新的模型能力转化为企业可以持续使用的服务，让词元投入带来实际产出。对中国联通而言，经营Token的长期空间，也将来自助力客户把AI用得更有价值。
从连接到智能：中国联通如何做好AI服务
一个值得回答的问题是：为什么中国联通有能力承担这一角色？
持续提供AI服务，需要同时处理资源供给与客户现场的问题。中国联通长期建设的算力网络，以及服务行业客户的经验，为元景平台承担这一角色提供了基础。
首先是全国范围内的算力组织和调度能力。
联通云将全域算力池接入统一调度平台，实现异构算力的统一管理和跨区域调度。依托300余个骨干云池，算力可以根据业务需求就近调用，重点区域实现毫秒级低时延。
资源如何部署，还需要考虑客户的数据安全要求。通过“云—边—端”协同，中国联通可以根据不同业务对时延、算力和数据安全的要求配置资源，并提供自主可控的私有化部署方案，支持在企业受控环境内处理核心数据、运行关键业务系统。
其次是运营商长期积累的计量计费能力。
通信业务每天都会产生海量的实时使用记录，并需要将每一笔消耗准确计入相应账户。元景平台将这套能力迁移到Token运营中，通过运营商级计费引擎记录不同模型与业务的Token消耗，并将费用归集到租户、部门和项目，为企业核算AI成本、评估投入产出提供数据基础。
最后，AI项目能否落地，还取决于行业理解和现场交付能力。
中国联通的多个行业军团长期服务工业、教育、经济、政务、医疗等领域，熟悉客户的业务流程。行业专家可以协助企业拆解需求，将业务知识整理为模型能够读懂的信息，再调度相应工具和系统。
从前期咨询到部署实施，这套服务可以减轻企业自行完成模型适配与系统集成的负担。以南昌大学AI实训平台为例，联通通过私有化部署满足“核心数据不出校”的要求，同时支持教学高峰期大量师生并发使用，将安全要求与实际教学需求落实到同一套方案中。
项目上线后，客户还需要持续的服务支持。依托约3万家服务网点和6万名一线客户经理，中国联通可以在各地开展需求对接，并协调方案实施和后续服务。对于缺少AI开发与运维团队的传统企业，这种属地化支持有助于降低应用落地和长期使用的门槛。
全国算力网络支撑资源调度，行业团队与属地服务则把能力带到客户现场。两者结合，让中国联通将模型服务进一步做成适配具体业务、能够持续交付的应用。
把词元变成生产力：元景数字员工上岗
词元需要依托应用才能变成生产力。元景数字员工，正是中国联通将模型能力带入具体岗位的应用产品。
依托元景平台与自研的智能体Harness架构，它可以面向办公、研发和行业生产场景，调用模型、知识库和业务工具完成任务，并通过多种部署方式适配客户对数据安全和业务连续性的要求。
数字员工要进入业务，首先需要理解企业的数据，并具备可靠执行任务的能力。基于本体知识工程与自主执行智能体所构建的可信AI模式，元景平台具备了解决复杂业务问题，赋能高价值场景的能力，词元的投入产出比也随之提升。
相比传统数据治理，元景平台的本体知识工程可以在现有的系统之上，重建语义大脑，对业务对象、关系、规则进行重新建模，从而让AI读懂业务，从根源抑制幻觉。
来自客户现场的实测数据显示，元景智能体可使复杂任务执行准确率平均提升至少10个百分点，多系统协同任务成功率达到89%以上。
通过引入自主执行智能体，元景平台建立了新的人机协作模式，有效减少人工干预，激发智能体自主思考进化。前沿部署工程师（FDE）进驻客户现场，协助明确目标、梳理业务逻辑；智能体承担数据清洗和资源自动编目等重复性较高的工作，减少人工操作。在这一协作模式下，智能体开发效率平均提升3倍以上。
这些能力正在通过元景数字员工进入千行百业。目前，元景数字员工已在政务、医疗和制造等领域落地。其中，面向政务工作的专业智能体“元景秘书”，提供了一个观察应用交付的实例。
元景秘书已沉淀800万余份高质量语料，并建设包含100万余份政策公文的知识库。相关能力被封装为100余个专业Skill和300余个通用Skill，支持不同政务场景的使用需求。
这套解决方案已在全国12个省、8个地市落地26个项目，覆盖210个部门单位和25类业务场景，服务超过1万名公务员。
通过数字员工，模型能力进入具体岗位，词元也被用于完成实际工作。它的应用价值，也有了更具体的衡量尺度：一项任务能否更快完成，工作成果能否更加准确。
从调用词元到经营词元
当AI进入日常工作，模型服务也需要成为客户能够持续采购和管理的产品。
中国联通以Token Plan封装分散的模型能力，为个人与企业提供标准化的订购和调用方式，而元景数字员工及行业应用，则将这些能力用于具体业务。
在现有产品规划中，联通形成了“1+4”的组合：以一套Token Plan作为基础能力，并进一步与宽带、移动流量、固话和5G-A等通信产品结合，将词元服务纳入运营商既有的产品体系。
不同客户的使用方式，也对应着不同的产品设计。面向个人用户，Token Plan提供标准化订购和统一接口；面向企业客户，平台支持团队额度共享与多租户权限隔离，并提供多种部署方式，方便企业统一采购和管理。
在计量规则上，个人版按照Token额度统计使用量，团队版通过Credits统一核算不同模型的消耗。管理者可以查看各部门、项目和应用的调用情况，将模型使用成本纳入现有预算。分散的调用由此有了统一的管理方式，也为企业调整使用计划提供了依据。
如果说产品化解决了如何购买和管理，那么持续经营还需要跟上模型更新与客户需求，而这也需要产业伙伴共同参与。
依托《AI产业应用实践行动计划》，中国联通汇聚模型服务商，提供“一键调用”，并联合算力服务商共同投资、共担风险，为模型服务提供资源支持。
在应用端，联通引入合作伙伴打造“智能体专区”，丰富面向不同业务的应用选择；同时与高校科研院所共同攻关，提升国算国模的算效比。合作由模型和算力供给延伸到应用开发，为客户后续使用提供持续支持。
从调用词元到经营词元，中国联通经营的是一段可持续的客户关系：持续改进服务，让AI在实际工作中发挥作用，并通过客户的持续使用与付费，形成新的业务增长。
写在最后
模型榜单回答的是能力有多强，但企业账本要看投入值不值。当AI进入生产经营，技术能力需要通过具体工作的改善，才能体现商业价值。
中国联通提出追求“每百万词元应用价值”，正是将衡量AI的价值标尺推向客户的实际使用上。而元景平台要解决的，是模型能力如何进入企业经营，并在具体场景中持续创造价值。
对于中国联通而言，这也意味着经营边界从通信连接延伸到数智服务。过去，通信账单记录客户用了多少；今天，AI服务还需要帮助客户理解、使用、更新这些应用，并计算出由此产生的价值。
元景平台的发布只是起点，客户是否持续使用、业务指标能否改善，才是最终答案。“让词元创造真实价值”，终究要落实到企业的降本增效与业绩增长上。
