AI按词元收费，数据和版权如何分钱？
作者 | 毛立国
每生成一个回答，都有人在收费。但真正提供数据、知识和作品的人，未必能够从中分到钱。
8月29日，2026中国国际大数据产业博览会举行“词元交流活动”。国家数据局局长刘烈宏表示，词元正在成为人工智能服务计量、定价、交易和结算的重要标尺，并逐步打通数据、模型与算力之间的价值传导链路。
“词元”就是英文Token的中文名称，是大模型处理信息的最小单元。一个汉字、一个标点或者一个英文单词，都可能被模型拆分为一个或多个词元。用户调用大模型时，平台通常根据输入和输出消耗的词元数量收费。
按照国家数据局公布的数据，2024年初，我国日均词元调用量约为1000亿；2025年底达到100万亿；到2026年3月已经突破140万亿，两年增长超过千倍。
但词元调用量迅速增长之后，一个更现实的问题开始出现：
用户支付的每一笔词元费用，除了支付模型和算力成本，是否也应当分给提供训练数据、专业知识和版权作品的人？
词元解决了AI服务“怎么收费”的问题，却还没有解决价值链上不同参与者“怎么分钱”的问题。
一、词元解决收费，不等于解决分配
传统软件通常按照账号、期限或者功能模块收费，大模型则越来越多地按照实际调用量计费。
这就像电力按照“度”结算、通信服务按照流量收费。词元让原本抽象的模型能力变成可以记录、计量和结算的服务单位。企业不必购买整个模型，只需要为实际消耗的智能能力付费。
从商业角度看，词元收费已经形成了一条相对清晰的链条：用户向应用平台付费，应用平台向模型厂商支付调用费用，模型厂商再支付算力、芯片、电力和基础设施成本。
但这条链条走到数据和内容环节，往往就停了下来。
模型训练可能使用书籍、论文、新闻、图片、音乐、专利文献、司法文书、行业报告、企业知识库和人工标注数据。这些材料共同决定模型“知道什么”，但它们的提供者未必能够按照模型调用量持续获得回报。
有些数据通过一次性采购获得，有些作品通过固定许可费取得，有些专业数据由企业自行建设，还有相当一部分公开信息和网络内容并未形成明确的付费机制。
于是，当前词元经济出现了一个明显的不对称：
算力可以按使用量结算，模型可以按调用量收费，应用可以按账号订阅，但数据和版权仍主要依靠一次性授权、买断，甚至免费使用。
词元已经成为AI企业向下游收费的计量工具，却尚未普遍成为向上游分配收益的结算工具。
二、一个回答背后，站着多少权利人？
数据和版权如何参与分配，首先要回答的不是费率问题，而是权利识别问题。
“数据”并不是一种边界统一的权利客体。
一份用于训练大模型的数据集，可能包含不受著作权保护的事实信息，也可能包含受到保护的文章、图片、音乐和软件代码；可能涉及个人信息、商业秘密，也可能包含经过人工选择、整理和标注形成的数据库成果。
因此，同一个数据集背后可能同时存在多种利益：
原始信息的合法持有和使用利益，作品作者的著作权，数据库建设者的加工投入，标注人员的专业劳动，平台的技术和运营投入，以及个人信息主体依法享有的相关权益。
即使确认某项内容受到著作权保护，分配也不会因此自动变得简单。一首歌曲可能同时涉及词曲作品、录音制品和表演者权益；一篇学术论文可能涉及作者、期刊和数据库平台；一份法律数据库则可能同时包含公共裁判文书、人工编写的摘要、标签和关联关系。
模型生成一次回答时，究竟调用或者吸收了哪些内容，各项内容对回答质量贡献了多少，很难像播放一首歌曲那样逐次确认。
这正是AI版权分配与音乐平台分账最大的区别。
音乐平台能够记录用户具体播放了哪一首歌、播放多少次，并据此向相关权利人分配收益；大模型的参数则是对海量数据进行概率化学习后的结果，一次生成通常无法直接还原到某一本书、某一张图片或者某一条训练数据。
因此，不能简单地认为：
一个回答消耗了1000个词元，就应当把其中某个比例平均分给1000条训练数据的提供者。
数据对模型的贡献，并不取决于字数多少，而取决于稀缺性、准确性、专业性和对特定任务的实际影响。
三、真正能分账的，可能不是所有训练数据
从技术上看，不同使用阶段的数据，分账难度并不相同。
在基础模型预训练阶段，数以亿计的文本、图片和其他数据被用于调整模型参数。数据经过训练后融入模型整体能力，很难在每次生成时逐项追溯来源。要求基础模型对每个词元进行逐作品分配，技术成本和交易成本都可能非常高。
但在检索增强生成、行业知识库和智能体应用中，情况有所不同。
如果模型在回答问题时实时检索并调用了某份报告、某个数据库或者某家企业的知识库，系统就有可能记录具体调用了什么内容、调用多少次、产生了怎样的业务结果。
例如，一个医药研发智能体调用特定临床数据库，一个法律AI调用某一类案例库，一个专利分析工具调用经过加工的技术和诉讼数据，这些过程都比基础模型预训练更容易记录和结算。
由此可能形成两套不同的分配逻辑：
基础模型训练数据主要通过事前许可、集中授权或者固定费用解决；能够在推理阶段被识别和追溯的数据，则可以按照调用次数、词元消耗或者业务收入参与持续分成。
换句话说，真正可能率先实现“按词元分账”的，不是无法还原来源的通用训练语料，而是可以识别、可以调用、可以记录效果的高质量专业数据。
这也解释了为什么行业知识库、专业数据库和高质量数据集正在成为新的商业基础设施。
四、未来可能形成四种分配方式
第一种是固定许可。
数据或者版权作品在进入模型训练之前，由模型企业与权利人约定一次性费用或者固定期限许可费。这种方式交易成本较低，但权利人无法分享模型调用量增长带来的长期收益。
第二种是订阅与API调用。
数据服务商不直接交付全部数据，而是通过接口、知识库或者可信数据空间提供持续服务。模型每次调用都可以被记录，数据提供者按照调用量获得收入。这种方式更加适合持续更新的法律、金融、医疗、专利和产业数据。
第三种是保底费用加使用分成。
模型企业先支付最低授权费用，达到一定调用量或者收入规模后，再按照词元消耗、调用次数或者营业收入的一定比例进行分成。它兼顾了权利人的基本回报和模型企业前期投入的不确定性。
第四种是集中许可与收益池。
对于作品数量巨大、权利人分散的音乐、图片、新闻和出版领域，可以由集体管理组织、版权平台或者数据运营机构统一授权。模型企业按照收入或调用规模缴纳费用，再根据作品使用记录、样本抽查和影响权重等指标进行二次分配。
这四种模式并不存在普遍适用的唯一答案。通用文本、专业数据库、音乐作品和企业内部数据，适合的许可与结算方式可能完全不同。
但无论采用哪种模式，都需要三个基础条件：来源能够确认，使用能够记录，收益能够审计。
•没有数据来源标识，无法确认谁有权分钱；
•没有调用记录，无法计算各方贡献；
•没有审计机制，分成比例就只能依靠平台单方面决定。
五、词元之外，还需要一套权利账本
国家数据局今年印发的《关于推进行业高质量数据集建设行动的实施方案》已经提出，完善人工智能训练阶段的数据使用规则，推动版权作品数据有序用于模型训练，完善数据授权使用机制和收益分配规则。
该文件还提出，探索词元交易等新型交易模式，建立健全市场化利益分配机制，使数据供给、加工、流通和应用各环节主体都能够获得相应的市场回报。国家数据局《实施方案》
但词元只是计量单位，不是权利凭证。
要让数据和版权真正参与词元经济分配，还需要建立一套与之配套的“权利账本”：记录数据从哪里来，谁拥有或者有权许可，允许用于训练还是仅限检索，能否生成衍生内容，是否允许跨境使用，以及收益应当怎样分配。
这套权利账本可以由版权登记、合同、数据目录、权利元数据、可信时间戳和调用日志共同构成。它不必记录模型每一次内部计算，却应当能够回答三个基本问题：
模型用了谁的内容，依据什么获得使用权，产生收益后如何履行支付义务。
对于数据服务企业而言，未来最重要的能力可能不只是拥有多少数据，而是能否证明数据来源合法、加工过程可靠、使用范围清晰，并可以通过接口持续提供和结算。
对于版权人而言，未来也不能只停留在要求“不得用于AI训练”，还需要形成能够被模型企业采购、识别和计价的授权产品。
只有权利人愿意授权，模型企业愿意付费，平台能够计量，专业机构可以审计，数据与版权才能真正进入AI产业的收入分配体系。
知产力判断
词元的出现，让AI服务第一次拥有了类似水、电和网络流量的计量单位。它能够帮助模型企业计算成本、制定价格，也可能为数据服务和专业知识调用提供新的交易基础。
但必须保持克制：词元能够计算模型使用量，不等于能够计算每一项数据和作品的贡献；按词元收费，也不等于数据和版权已经获得相应回报。
真正决定分配结果的，仍然是数据来源能否追溯、权利范围能否识别、使用行为能否记录，以及许可合同能否将调用量与收益挂钩。
因此，词元经济的下一步，不只是建立更多词元超市和调用平台，而是把数据、版权、模型和应用之间的权利关系写进同一套结算体系。
能够按词元收费，只说明AI企业找到了商业模式；能够把收入继续分给数据和内容提供者，才说明人工智能建立起了可持续的产业生态。
AI已经开始按词元收费，数据和版权如何分钱，才是接下来真正困难的问题。
