三层口径：谁在报数，报的是什么
2026 年 11 月，一份题为《词元爆发与算力跃迁：2026 年 11 月中国人工智能产业运行全景报告》的材料在行业渠道流传，声称基于中国信通院、工信部、国家数据局的公开监测数据，给出日均词元调用量突破 680 万亿、智能算力 2810 EFLOPS、核心产业规模 1.7 万亿元等一整套读数。它同时写明其中部分数字为「测算」（来源：该报告全文，微信公众号渠道）。
问题不在数字大小，而在同一指标存在多个来源层级。把公开可查的官方监测、机构统计与这类二次汇编测算并列，才能判断哪些能当基准、哪些只能当趋势参考。国家数据局披露的日均词元调用量由 2024 年初约 1000 亿增至 2025 年底 100 万亿，2026 年 3 月突破 140 万亿；中国信通院《算力网络运载力分析报告（2026 年）》发布时的公开报道援引国家数据局监测，写 2026 年 6 月日均词元近 175 万亿（来源：国家科技图书文献中心白皮书发布消息、中国产业经济信息网与移动通信网对信通院报告的报道）。
| 层级 | 来源举例 | 给出的读数 | 适合怎么用 |
|---|---|---|---|
| 官方监测 | 国家数据局、工信部在国新办发布会与信通院报告中的披露 | 2026.03 日均词元突破 140 万亿；2026.06 近 175 万亿；2026.06 底智能算力 2185 EFLOPS | 作基准与时间序列锚点 |
| 机构统计 | 中国信通院、科智咨询、OpenRouter | 2025 全年公有云企业级词元 2000 万亿、2026 上半年近 5900 万亿；2026.08 智能体词元为人类 5 倍 | 作分项结构参考，需看统计范围 |
| 二次汇编测算 | 11 月产业运行全景报告 | 2026.11 日均词元测算 680 万亿、智能算力 2810 EFLOPS、GDP 拉动 0.42 个百分点 | 只作趋势描述，不宜当官方直报 |
需要说明，工信部 2026 年 7 月 20 日在国新办发布会上介绍的口径是「截至 6 月底智能算力规模达 2185 EFLOPS、全国算力设施整体上架率 71.4%」，同比增长 177%；而二次汇编里 9 月底 2592 EFLOPS 同比增 146%、11 月测算 2810 EFLOPS 同比增 142%。总量递增、同比增幅递减并不矛盾：同比的分母是去年同期，基数抬高后增幅自然收窄（原创口径辨析）。
本站 R-INDUSTRY-60 讨论的是同一年出现的多套市场规模数字（沙利文 2.6 万亿至 20.1 万亿、企业级 212/449/3320 亿等），R-INDUSTRY-58 讨论的是企业支出。本轮处理的是第三个维度：词元与算力这类物理计量。三者不能互相代入——词元涨得快不等于支出涨得同样快，单价、缓存命中与计费口径都会改变换算关系。
目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。尚未公开的是 680 万亿的测算方法、样本范围、缓存词元是否计入，以及该汇编与官方监测之间的校准说明。
四套日均词元：140、175、500、680 万亿
把同一指标的不同读数按时间排开，是本轮最值得做的一步核对。下列四组中，前两组有官方披露出处，后两组出自二次汇编材料（来源：国家数据局相关数据经国家科技图书文献中心与信通院报告报道转述；11 月产业运行全景报告全文）。
| 时点 | 日均词元调用量 | 来源层级 | 相对 2024 年初约 1000 亿的倍数 |
|---|---|---|---|
| 2024 年初 | 约 1000 亿 | 国家数据局（起点） | 1 倍 |
| 2025 年底 | 100 万亿 | 国家数据局 | 约 1000 倍 |
| 2026 年 3 月 | 突破 140 万亿 | 国家数据局 | 约 1400 倍 |
| 2026 年 6 月 | 近 175 万亿 | 国家数据局监测，经信通院报告报道援引 | 约 1750 倍 |
| 2026 年 6 月 | 约 500 万亿 | 二次汇编材料写「较 2025 年底再翻两番」 | 约 5000 倍 |
| 2026 年 11 月 | 测算突破 680 万亿 | 二次汇编测算 | 约 6800 倍 |
倍数一列是本文按 1000 亿这一共同起点做的原创换算：140 万亿 ÷ 1000 亿 = 1400 倍，680 万亿 ÷ 1000 亿 = 6800 倍，与两份材料各自写的「两年增长超千倍」「较 2024 年初增长超 6800 倍」自洽。问题出在同一个 2026 年 6 月出现 175 万亿与 500 万亿两个值，相差约 2.86 倍（500 ÷ 175 ≈ 2.86，原创换算）。公开材料没有说明差异来自统计范围、缓存词元计入与否，还是测算模型不同，本文并列保留，不替任何一方裁定。
「日均词元调用量」是流量；信通院统计的「2025 全年公有云企业级词元消耗量 2000 万亿、2026 上半年接近 5900 万亿」是区间存量。按 2000 万亿 ÷ 365 折算约每日 5.48 万亿，与同期日均调用量并非同一量级，说明两者统计范围不同（原创换算与口径提示）。把这两个数字放进同一张增长曲线会得出完全错误的斜率。
目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。尚未说明的是 175 万亿与 500 万亿的统计边界、词元是否区分输入与输出、缓存命中词元是否计入总量。
算力结构：推理过半、私有化约三分之一
二次汇编给出的算力与供给侧结构读数较多，其中若干组可以立即做自洽校验。工信部公开口径是 2026 年 6 月底智能算力 2185 EFLOPS、上架率 71.4%；汇编写 9 月底 2592 EFLOPS、11 月测算 2810 EFLOPS，并给出训练与推理占比的迁移（来源：工信部国新办发布会公开数据、二次汇编报告全文）。
| 结构指标 | 公开读数 | 本文校验 | 口径提示 |
|---|---|---|---|
| 训练算力占比 | 2024 年超 60% | 与推理占比互补 | 按年份的静态快照 |
| 推理算力占比 | 2026 年 62%，2029 年预计 80% | 2026 年训练约 38% | 后一组为预测值 |
| 公有云 MaaS 供给 | 约 65% | 与下一行合计 99.4% | 缺 0.6 个百分点未说明 |
| 专有云与私有化 | 约 34.4%，对应 366.46 EFLOPS | 同上 | 口径为社会词元供给量 |
| 区域分布 | 东部 55.9%、西部 32.6%、中部 10.6%、东北 0.9% | 合计 100.0% | 同源分配表，非独立抽样 |
| 供给主体 | 运营商 42%、头部云厂商 38%、地方国资 20% | 合计 100% | 同上 |
| 国产算力 | 占新增智能算力超 45% | 不可与存量占比相加 | 新增量口径 |
65% 与 34.4% 合计 99.4%，差的 0.6 个百分点在公开材料里没有解释，可能是四舍五入，也可能存在未归类的第三类供给；本文按缺口记录，不补齐。区域与主体两组各自恰好合计 100%，说明它们是同一张分配表的两组切法，不能当作两次独立调研互相印证（原创口径辨析）。
推理算力占比升到 62% 这条对 Agent 侧最相关：智能体的长程任务、多轮工具调用与验证循环消耗的是推理算力，不是训练算力。但公开材料没有把「推理算力」再拆到智能体任务、对话服务、多模态生成等子类，因此 62% 只能作为方向上移的背景，不能当作智能体渗透率的代理值。
行业分布：32 / 21 / 16 / 12 与它背后的 Agent 密度
汇编给出全社会词元调用量的行业结构：互联网与数字内容约 32%、制造业 21%、金融业 16%、政务与公共服务 12%、教育约 6%、医疗约 4%、科研约 3%、能源农业交通等合计约 6%（来源：二次汇编报告全文）。
| 行业 | 词元占比 | 材料给出的增速或场景 | 与 Agent 直接相关的读数 |
|---|---|---|---|
| 互联网与数字内容 | 约 32% | 占比逐年下降、总量仍增 | 智能客服、内容审核、NPC 交互 |
| 制造业 | 约 21% | 同比增超 230%，增速居前 | 运营管理 42%、研发设计 35%、生产制造 25.9% |
| 金融业 | 约 16% | 单企业消耗强度较高 | 信贷审批智能体全流程词元为传统人工对话 30 倍以上 |
| 政务与公共服务 | 约 12% | 地级以上城市部署率高 | 90% 以上采用国产算力与模型私有化部署 |
| 教育 | 约 6% | 高校引入比例过半 | 智能备课、个性化学习辅导 |
| 医疗 | 约 4% | AI 辅助诊断覆盖 20 余种疾病 | 病历分析、医院管理 |
| 科研 | 约 3% | AI for Science 方向 | 材料科学、生命科学、气候模拟 |
| 能源 / 农业 / 交通等 | 约 6% | 电网调度、病虫害识别、物流调度 | 未单列智能体占比 |
八项相加恰为 100%（32+21+16+12+6+4+3+6=100，原创校验），同样是一张分配表。制造业内部的三项 42%、35%、25.9% 合计 102.9%，超出 100% 约 2.9 个百分点，公开材料未说明是四舍五入还是重叠归类，本文按原始读数并列保留，不强行归一。
材料自己写明增长动力的变化：长上下文普及使单任务词元较 2025 年提升 5 至 8 倍；多 Agent 协同时一次业务流程会触发数十至上百次模型调用；银行信贷审批智能体的全流程词元是传统人工对话的 30 倍以上。也就是说，词元涨得快既可能因为用的人多了，也可能因为单个任务变复杂了。把 21% 的制造业词元占比读成「制造业智能体渗透率 21%」是错的，两者分母完全不同。
目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。尚未公开的是行业占比的统计口径（按调用量、按客户数还是按算力）、企业级智能体任务与普通大模型调用如何拆分，以及去重与缓存的处理方式。
1.7 万亿、2.07 倍与 4.2 万亿：一笔对不上的账
宏观部分是这份汇编里最需要单独核对的一组：2025 年人工智能核心产业规模超 1.2 万亿元同比增 40%，2026 年预计突破 1.7 万亿元同比约 42%，带动相关产业规模超 4.2 万亿元，对全年 GDP 增速拉动约 0.42 个百分点，产业拉动系数 2.07 倍（来源：二次汇编报告全文，其中产业规模引自中国信通院数据）。
| 读数 | 数值 | 本文核对 | 结论 |
|---|---|---|---|
| 2025 核心产业规模 | 超 1.2 万亿元，同比增 40% | 1.2 ÷ 1.4 ≈ 0.857 万亿元反推 2024 年 | 内部自洽 |
| 2026 核心产业规模 | 预计 1.7 万亿元，同比约 42% | 1.7 ÷ 1.2 ≈ 1.417，即约增 41.7% | 与「约 42%」自洽 |
| 拉动系数 | 2.07 倍 | 1.7 × 2.07 ≈ 3.52 万亿元 | 与 4.2 万亿元不一致 |
| 带动相关产业规模 | 超 4.2 万亿元 | 4.2 ÷ 1.7 ≈ 2.47 倍 | 反推系数高于 2.07 |
| GDP 增速拉动 | 约 0.42 个百分点 | 材料称占全年增长超十分之一 | 分母未给，无法反推总量 |
| 基础 / 模型框架 / 应用层 | 28% / 17% / 55% | 合计 100% | 同为分配表 |
1.7 × 2.07 ≈ 3.52 与 4.2 之间差约 0.68 万亿元，反推倍数 4.2 ÷ 1.7 ≈ 2.47 也高于 2.07（原创换算）。可能的解释包括：带动规模用了更宽的统计边界、系数针对不同年份基数、或两者来自不同测算模型。公开材料没有说明，本文并列保留而不自行调和。同理，0.42 个百分点占全年增长「超十分之一」只是比例描述，未给全年增速分母，不宜反推 GDP 总量。
这条核对对智能体行业报告的意义在于：市场规模、拉动系数与带动规模经常来自不同模型，把它们写成一条因果链（「1.7 万亿 × 2.07 = 4.2 万亿」）会凭空多出约 0.68 万亿元。本站 R-INDUSTRY-60 已经处理过规模口径分层，本轮补的是同一份材料内部的算术一致性核查。
分环节渗透率与总体渗透率为何不能互替
另一份同期行业材料《人工智能金融领域行业洞察》给出一组更细的渗透率，并在说明里主动写了口径警示，值得单独拿出来做对照（来源：三个皮匠报告聚合页，数据引自中国保险行业协会公开发言、IDC、艾瑞咨询与上市银行年报等）。
| 指标 | 数值 | 计算基础 | 能否与 58.6% 相比 |
|---|---|---|---|
| 金融 AI 渗透率（2026 预期） | 58.6% | 行业总体预期口径 | 本身即总体口径 |
| 保险销售环节 AI 渗透率 | 50% | 分环节统计 | 不可，分母是环节而非机构 |
| 承保 / 理赔 | 各 35% | 分环节统计 | 不可 |
| 投资研判 / 风控 / 产品设计 | 31% / 30% / 28% | 分环节统计 | 不可 |
| 风险收益建模 | 6.5% | 分环节统计 | 不可 |
| 金融智能体项目行业分布 | 银行 43%、资管 27%、保险 15% | 项目数分布 | 合计 85%，余项未列明 |
该材料的说明明确写着：「AI+金融」总体市场规模 1.8 万亿元、金融行业生成式 AI 投资 89.68 亿元、金融大模型中标金额 15.06 亿元分属三个不同统计口径，不可直接比较或互替；保险业渗透率为分环节统计，与 58.6% 的总体渗透率预期不是同一计算基础。这类自我标注比数字本身更有参考价值。
可以做两组原创换算，但都要标明边界：金融智能体平台与应用市场 2025 年 9.5 亿元到 2030 年 193 亿元，按五年复合反推 (193÷9.5)^(1/5) − 1 ≈ 82.6%，与材料给的 CAGR 82.6% 自洽；IDC 口径金融行业生成式 AI 投资 2025 年 89.68 亿元到 2029 年 445.19 亿元，四年复合约 49.3%（原创换算）。两条曲线的分母分别是「智能体平台与应用」与「生成式 AI 投资」，不可相减或叠加。
另有 2025 年金融大模型中标 587 个项目、15.06 亿元，折算平均单项约 256.6 万元（15.06 亿元 ÷ 587，原创换算）。这是算术均值，不代表单个项目的中位数或典型规模。
把词元当作代理指标：四条可用与四条慎用
科智咨询《中国词元工厂发展白皮书（2026）》在 9 月发布时，把行业口径问题写得很直白：产能口径混乱，总处理词元、缓存词元与有效输出词元混在一起；只报峰值吞吐，不报时延、服务质量与并发约束；能效与成本定义不清；脱离模型、负载与服务等级的单一数字缺乏参考价值；理论产能与实际营收常被混淆（来源：国家科技图书文献中心白皮书发布消息）。
| 用法 | 为什么可用 / 慎用 | 建议同时记录 |
|---|---|---|
| 可用：同一平台自身的时间序列 | 统计口径前后一致时才可比 | 口径版本、缓存是否计入 |
| 可用：智能体任务与对话任务的成本比 | 能显示长程任务放大效应 | 单任务调用次数与轮次 |
| 可用：推理算力占比的方向变化 | 反映负载从训练转向推理 | 细分子类，勿当渗透率 |
| 可用：Token 单价与调度平台计费 | 词元成为结算单位后可核验 | 有效输出词元定义 |
| 慎用：跨平台词元量横向比较 | 统计范围与缓存口径不同 | 需先统一分母 |
| 慎用：把词元占比当行业渗透率 | 分母是调用量，不是机构数 | 机构数、任务数双轴 |
| 慎用：把日均流量与区间存量连成曲线 | 量纲不同 | 分别标注流量与存量 |
| 慎用：把二次汇编测算当官方直报 | 未见校准说明 | 回到国家数据局与工信部原始披露 |
新华网 2026 年 11 月 11 日关于双十一的报道里，有一个更贴近落地的观察：阿里巴巴全球 B2B 总裁张阔说 Accio 上已有超过 1000 万家中小企业开展经营活动、词元使用量同比增长 10 倍；同时 Token 作为独立品类在多个电商平台上架（来源：新华网《AI 深度赋能 2026 年「双十一」》全文）。词元在这里已经既是消耗量又是可下单的商品，但「增长 10 倍」仍是平台自报、分母未披露的读数，与前述宏观测算不能拼接。
对智能体栏目读者而言，比「日均多少万亿词元」更可核验的是四个量：单个业务流的模型调用次数、每次调用的缓存命中率、被验证动作占用的词元比例、以及按有效任务计的单位成本。前三项决定单任务账单，末一项决定值不值。这也正是本轮能力评测篇 R-BENCH-59 里 RSI Tax 与成本独立轴所指向的方向。
可证伪边界与未披露项
把这类产业运行材料当作决策依据时，以下几处应保留怀疑：
- 二次汇编非官方直报：680 万亿、2810 EFLOPS、0.42 个百分点、2.07 倍等由汇编材料给出，其中部分明确写「测算」，未见原始监测表与校准说明。
- 同期读数冲突未解释：2026 年 6 月日均词元 175 万亿与约 500 万亿相差约 2.86 倍，公开材料未说明统计边界差异。
- 算术不自洽：1.7 万亿 × 2.07 约 3.52 万亿，与 4.2 万亿带动规模不一致；制造业内部三项占比合计 102.9%。
- 分配表不可当独立抽样：行业、区域、供给主体三组占比各自合计 100%，属同源切分，不构成多源交叉验证。
- 厂商与平台自报：招行 Token 同比增超 78%、平安银行半年 53 亿增约 130%、Accio 词元增 10 倍等均为企业侧披露，缺第三方审计与统一口径。
- 词元与价值之间缺桥：调用量增长与业务结果之间没有公开换算；新华社报道也引述业内人士指出，从模型调用成本到订单实际转化之间的经济性仍待更长周期观察。
- 分环节与总体口径混用风险：保险销售 50% 之类的分环节渗透率与总体 58.6% 计算基础不同，材料自己已标注，二次转述时极易丢失该标注。
一条可证伪的检验路径是：在同一家企业内固定业务流与任务集，分别记录「智能体模式」与「单轮对话模式」的词元、调用次数与完成结果，若词元增至数十倍而完成结果不变，则词元增长主要来自任务结构而非落地规模。公开材料目前没有给出这类配对实验，本文把它列为待验证项而非结论。
目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。尚未说明的是 680 万亿的测算模型、缓存词元与有效输出词元的划分、企业级智能体任务的独立统计口径，以及拉动系数与带动规模的基数关系。