Serangkaian angka yang membuat orang tertegun.
Pada bulan Maret 2026, Direktur Biro Data Nasional Liu Liehong mengemukakan serangkaian angka di Forum Tingkat Tinggi Pembangunan China:
1000 milyar → 100 triliun → 140 triliun
Jumlah pemanggilan token harian rata-rata di negara kita, telah meningkat lebih dariseribu kali
Lebih mencolok lagi, beberapa perusahaan model menghasilkan lebih dari total pendapatan tahun lalu dalam 20 hari.
Sejujurnya, ketika pertama kali melihat angka ini, saya tertegun selama beberapa detik.
Bukan karena pertumbuhannya yang begitu mengejutkan.
Di era internet, kita telah melihat terlalu banyak cerita pertumbuhan eksponensial.
Namun, itu karena kata 'token' tiba-tiba berubah dari jargon teknis menjadi indikator ekonomi yang bisa dibahas di forum tingkat tinggi.
Ketika istilah teknis mulai muncul dalam pidato seorang kepala biro, itu bukan lagi sekadar masalah teknis, tetapi juga masalah ekonomi.
Ini mengingatkan saya pada sekitar tahun 2010, ketika "lalu lintas data" hanyalah istilah teknis yang digunakan secara internal oleh operator telekomunikasi dan perusahaan internet. Orang awam tidak peduli berapa MB yang mereka konsumsi setiap hari. Tetapi beberapa tahun kemudian, kecemasan data menjadi topik nasional, dan paket data, kartu data, serta ekonomi data pun muncul.
Kini, sejarah tampaknya terulang kembali, hanya saja tokoh utamanya telah berubah menjadi kata-kata.
Apa sebenarnya yang dimaksud dengan elemen leksikal?
Para teknisi akan memberi tahu Anda:
Token adalah unit informasi terkecil yang diproses oleh model besar. Token merupakan segmen diskrit yang dapat dipahami oleh model, yang dibentuk dengan membagi teks menjadi kata-kata menggunakan algoritma segmentasi kata. Sebuah karakter Tiongkok dapat berupa satu token, sebuah kata dalam bahasa Inggris dapat dibagi menjadi dua atau tiga bagian, dan deskripsi sebuah gambar dapat membutuhkan ratusan token.
Namun penjelasan ini tidak masuk akal bagi kebanyakan orang.
Dengan kata lain: setiap kali Anda berbicara dengan ChatGPT, meminta AI untuk menulis kode, menghasilkan gambar, atau bahkan meminta agen untuk memesan penerbangan atau mengatur email Anda, Anda mengonsumsi token di balik layar. Vendor model hampir selalu mengenakan biaya berdasarkan token.
Biaya masukan Anda dan biaya respons AI ditampilkan dengan jelas.
Misalnya
Tulis artikel sepanjang 3000 kata menggunakan GPT-4.
→ Mengonsumsi sekitar 5000 unit leksikal
→ Biayanya sekitar $0,15
Biarkan agen AI menyelesaikan tugas-tugas pemesanan penerbangan, penulisan email, dan pembaruan kalender.
→ Konsumsi kata dengan mudah melebihi 10.000
→ Biaya meningkat lebih dari 10 kali lipat
Ini seperti melakukan panggilan telepon: dulu dikenakan biaya per menit, sekarang AI mengenakan biaya berdasarkan jumlah pemikiran. Hanya saja proses berpikir tersebut dikuantifikasi menjadi kata-kata.
Pertanyaannya adalah, tahukah Anda berapa banyak kata yang Anda konsumsi setiap bulan?
Sama seperti orang-orang di tahun 2010 yang tidak tahu berapa banyak data yang telah mereka gunakan.
Badan Administrasi Data Nasional secara resmi menamai Token sebagai "Unit Ekonomi," yang bukan hanya masalah terjemahan, tetapi juga pengakuan atas atribut ekonominya. Token didefinisikan sebagai jangkar nilai dan unit penyelesaian di era cerdas. Sederhananya, token menyediakan standar terukur untuk menentukan harga tenaga kerja AI.
Dari lubang hitam yang membakar uang menjadi mesin pencetak uang.
Pendapatan produsen model terkemuka dalam 20 hari melebihi total pendapatan mereka untuk sepanjang tahun sebelumnya.
Dalam beberapa tahun terakhir, kita telah mendengar banyak sekali cerita tentang perusahaan AI yang menghamburkan uang.
Melatih model besar dapat dengan mudah menghabiskan biaya puluhan juta dolar, membeli GPU sama murahnya dengan membeli kubis, dan tagihan listrik dapat membuat CFO terjaga sepanjang malam.
Pada saat itu, unit leksikal lebih sering dilihat sebagai biaya: berapa banyak unit leksikal yang dikonsumsi selama pelatihan, berapa banyak unit leksikal yang dikonsumsi selama inferensi, dan bagaimana mengoptimalkannya agar menghabiskan lebih sedikit uang.
Namun kini situasinya telah berubah.
Begitu AI memasuki tahap aplikasi skala besar, setiap percakapan pengguna dan setiap tugas yang dilakukan oleh agen cerdas terus menerus mengonsumsi kosakata. Semakin banyak kata yang dikonsumsi, semakin banyak penjualan yang dihasilkan oleh produsen.
Kata "biaya" telah berubah menjadi "komoditas" yang dapat diproduksi secara massal, diberi harga bertingkat, dan diperdagangkan dalam skala besar.
Pabrik Leksikal Huang Renxun
Pada konferensi GTC 2026, CEO Nvidia Jensen Huang secara langsung mengusulkan konsep "meta-ekonomi".
Dia mendefinisikan ulang pusat data sebagai "pabrik leksikal":
Kedengarannya bagus, bukan? Tapi inilah masalahnya: bukankah ini hanya mengubah perusahaan AI menjadi "konverter listrik"? Anda mengonsumsi listrik untuk menghasilkan kata-kata, saya mengonsumsi listrik untuk menghasilkan kata-kata, dan pada akhirnya, ini adalah persaingan siapa yang dapat mengkonversi kata-kata secara lebih efisien. Apa perbedaan mendasar antara ini dan logika manufaktur tradisional?
Paradoks Jevons: Peningkatan efisiensi ≠ penurunan biaya
Yang lebih penting lagi, logika ini menyembunyikan jebakan ekonomi klasik—Paradoks Jevons.
Pada abad ke-19, insinyur Inggris Jevons menemukan bahwa seiring peningkatan efisiensi mesin uap, konsumsi batubara justru meningkat alih-alih menurun, karena energi yang lebih murah mendorong penggunaan yang lebih besar. Kini, penurunan biaya inferensi AI secara signifikan justru mendorong penggunaan yang lebih besar, yang menyebabkan peningkatan terus-menerus dalam total konsumsi dan pengeluaran.
Jadi, ketika para vendor model merayakan "lonjakan volume panggilan leksikal," saya selalu berpikir:
Apakah ini keuntungan efisiensi yang ditimbulkan oleh kemajuan teknologi, ataukah kegilaan konsumerisme baru?
Aturan main baru dalam rantai industri
Fokus China pada efektivitas biaya versus fokus Amerika pada premiumisasi: siapa yang akan menang?
Meta-ekonomi menciptakan rantai industri yang jelas, dengan setiap mata rantainya dibentuk ulang. Namun yang lebih menarik adalah bahwa Tiongkok dan Amerika Serikat menempuh jalur yang sama sekali berbeda.
Dari sisi produksi: Siapa yang memiliki listrik lebih murah?
Hasilnya adalah, meskipun model Amerika mungkin memiliki kualitas yang lebih baik, "efektivitas biaya" model Tiongkok jauh melampaui para pesaingnya.
Hal ini mirip dengan industri telepon seluler: Apple menjual produk kelas atas, tetapi Xiaomi dan OPPO telah menguasai sebagian besar pasar global dengan menawarkan produk berkinerja tinggi dengan harga yang kompetitif.
Sisi optimasi: Berapa banyak uang yang dapat dihemat oleh perangkat lunak ini?
Ini adalah lapisan yang menurut saya paling diremehkan. Tanpa menambahkan perangkat keras baru apa pun, optimasi perangkat lunak saja dapat meningkatkan pembuatan kata hingga 3-5 kali lipat.
Studi Kasus: Teknologi Perutean Model
Sebagai contoh, algoritma percepatan inferensi (kuantisasi, pemangkasan, distilasi) dapat meningkatkan kecepatan inferensi model yang sama sebanyak 2-3 kali, yang setara dengan menghasilkan lebih banyak token dengan jumlah listrik yang sama.
Inilah mengapa persaingan AI di masa depan mungkin tidak terletak pada model itu sendiri, tetapi pada "sistem penjadwalan" dan "kemampuan optimasi biaya".
Akhir distribusi: Apa esensi dari token kata yang mendunia?
Model-model Tiongkok, dengan memanfaatkan keunggulan biaya mereka, memungkinkan "ekspor token leksikal" melalui API. Ini terdengar seperti fiksi ilmiah, tetapi pada dasarnya benar:
➢ Perusahaan AS yang menggunakan API Tiongkok membayar sepertiga biaya per juta kata dibandingkan dengan OpenAI.
➢ Para pengembang di Asia Tenggara, Amerika Latin, dan Afrika dapat langsung membangun aplikasi lokal menggunakan model Tiongkok.
➢ Tidak ada deklarasi bea cukai, tidak ada logistik, dan bahkan tidak diperlukan kehadiran fisik.
Ini adalah jenis "ekspor digital" yang baru: kita tidak menjual barang, tetapi menjual kecerdasan itu sendiri.
Namun muncul pertanyaan: Akankah AS membatasi peredaran kata-kata seperti halnya membatasi peredaran chip? Akankah ada "embargo kata"? Pertanyaan ini layak mendapat perhatian berkelanjutan.
Dari sisi aplikasi: Siapa yang paling banyak menggunakan token?
Tiga skenario dengan konsumsi leksikal tertinggi:
① Agen cerdas layanan pelanggan
Seorang perwakilan layanan pelanggan berbasis AI menangani 1.000 percakapan per hari, mengonsumsi rata-rata 5.000 kata kunci per percakapan, sehingga totalnya mencapai 5 juta kata kunci per hari. Sebuah perusahaan e-commerce berukuran menengah mungkin mengonsumsi lebih dari 100 juta kata kunci per bulan.
② Pembuatan kode
Seorang programmer yang menggunakan Copilot mengonsumsi 100.000 hingga 200.000 unit kata per hari. Sebuah perusahaan teknologi dengan 100 karyawan mungkin mengonsumsi hingga 500 juta unit kata per bulan.
③ Pembuatan konten
Sebuah media swadaya menggunakan AI untuk menghasilkan artikel, skrip video, dan deskripsi gambar, dengan mengonsumsi 200.000 hingga 300.000 unit kata setiap hari.
Di masa depan, setiap laporan keuangan perusahaan SaaS mungkin akan menyertakan "biaya token," sama seperti biaya layanan cloud saat ini.
"Lubang hitam leksikal" dari agen cerdas
Agen cerdas sangatlah patut diperhatikan. Saya kenal sebuah tim startup yang menciptakan asisten administrasi berbasis AI untuk membantu bisnis menangani tugas sehari-hari. Kedengarannya bagus, tetapi mereka tercengang pada bulan pertama setelah peluncuran:
Rincian biaya dari kasus nyata.
Tugas: Pesan tiket pesawat, hotel, taksi, dan ruang rapat untuk bos Anda untuk perjalanan ke Shanghai minggu depan.
Langkah 1: Periksa informasi penerbangan
→ Model tersebut dipanggil 3 kali, menggunakan 8000 token.
Langkah 2: Bandingkan harga dan waktu
→ Model tersebut dipanggil dua kali, menggunakan 5000 token.
Langkah 3: Pesan dan konfirmasi
→ Model tersebut dipanggil dua kali, menggunakan 6000 token.
Langkah 4: Buat rencana perjalanan dan kirimkan melalui email.
→ Model tersebut dipanggil sekali, menggunakan 3000 token.
Total: 22.000 kata, biaya sekitar $0,50
Jika sebuah perusahaan memiliki 100 karyawan, dan setiap karyawan memiliki 5 tugas seperti ini per hari:
Pada akhirnya, tim harus memangkas 80% fitur, hanya mempertahankan skenario yang paling penting, agar biaya tetap berada dalam kisaran yang dapat diterima.
Pendiri itu mengatakan sesuatu kepada saya:
"Ini bukan tentang membuat produk; ini tentang mencari nafkah. Batasan bagi agen cerdas bukanlah teknologi, tetapi harga unit leksikal."
Inilah paradoks agen cerdas: semakin kuat mereka, semakin mahal harganya; semakin mahal harganya, semakin sulit untuk dipopulerkan. Oleh karena itu, masa depan agen cerdas mungkin tidak bergantung pada seberapa canggih teknologinya, tetapi pada seberapa rendah harga unit leksikal dapat diturunkan.
Dalam beberapa hal, perang harga kata baru saja dimulai.
Jadi, aturan mainnya telah berubah.
Untuk bisnis: ➢ Perhitungan ROI menjadi lebih akurat.
Di masa lalu, sulit untuk mengukur manfaat dan biaya ketika mengevaluasi proyek AI.
Sekarang Anda dapat menghitung dengan jelas: berapa banyak unit yang dibutuhkan untuk mengganti seorang perwakilan layanan pelanggan, berapa banyak unit yang dibutuhkan untuk memproses sebuah kontrak, dan berapa banyak unit yang dibutuhkan untuk menghasilkan sebuah laporan.
Struktur biaya sedang berubah: sebagian tenaga kerja manusia digantikan oleh otomatisasi, dan tenaga kerja non-inti dengan cepat dimekanisasi. Dalam laporan keuangan, volume pengolahan kata mungkin menjadi indikator kunci baru.
Bagi industri, AI benar-benar telah beralih dari "tahap peragaan" ke "tahap infrastruktur".
Kecerdasan bukan lagi kemampuan misterius yang tersembunyi dalam kotak hitam, melainkan sumber daya sehari-hari yang dapat diukur, diperdagangkan, dan dioptimalkan, sama seperti listrik, air, dan aliran.
Dari perspektif makroekonomi, ➢ Unit leksikal, sebagai jenis faktor produksi baru, sedang membentuk kembali fungsi produksi.
Hal ini menghubungkan energi, daya komputasi, data, dan aplikasi, sehingga melahirkan sistem nilai baru.
Keunggulan Tiongkok dalam hal listrik ramah lingkungan, biaya daya komputasi, dan skenario aplikasi telah memungkinkan unit-unit dunia untuk mendunia.
Pada dasarnya, ini melibatkan ekspor listrik dan daya komputasi dalam bentuk kecerdasan digital.
Tapi aku selalu merasa ada sesuatu yang janggal tentang ini.
Empat isu yang tidak nyaman
"Badak Abu-abu" dari Metaekonomi
Pertama, akankah istilah meta-ekonomi menjadi "jebakan lalu lintas" baru?
Di era internet, kita telah menyaksikan munculnya dan terjadinya distorsi dalam ekonomi lalu lintas data.
Awalnya, trafik merupakan kuantifikasi perhatian pengguna; kemudian, trafik berubah menjadi permainan angka yang dapat dimanipulasi, dibeli, dan dipalsukan.
Akankah unit leksikal mengikuti jalur yang sama? Ketika unit leksikal menjadi metrik inti, akankah beberapa orang membuat panggilan yang tidak valid untuk meningkatkan metrik? Akankah muncul rantai industri "manipulasi unit leksikal"? Mampukah langkah-langkah pendukung seperti regulasi, standar internasional, dan kedaulatan data mengimbanginya?
Kedua, apakah pasokan data berkualitas tinggi dapat mengimbangi kebutuhan?
Nilai suatu unit leksikal tidak hanya bergantung pada kuantitasnya, tetapi juga, dan mungkin yang lebih penting, pada kualitasnya. Namun, data berkualitas tinggi jumlahnya terbatas.
Ketika semua orang berlomba-lomba menghasilkan unit leksikal, bukankah sumber data akan semakin homogen? Akankah AI terjebak dalam siklus "pelatihan mandiri"?
Mungkinkah melatih AI dengan konten yang dihasilkan AI dan akhirnya menghasilkan hasil yang semakin biasa-biasa saja?
Ketiga, bagaimana cara mengatasi tekanan konsumsi energi?
Inti dari meta-ekonomi adalah mengubah listrik menjadi kecerdasan. Tetapi listrik bukanlah sumber daya yang tak terbatas, terutama listrik bersih.
Ketika konsumsi kata meningkat seribu kali lipat, apakah pasokan energi mampu mengimbanginya? Akankah terjadi kontradiksi antara kelebihan kapasitas kata dan kekurangan daya?
Keempat, siapa yang memegang wewenang penetapan harga?
Saat ini, penetapan harga per unit kata sebagian besar ditentukan oleh beberapa vendor model terkemuka. Namun, seiring unit kata menjadi infrastruktur, akankah konsentrasi kekuatan penetapan harga mengarah pada monopoli baru?
Akankah muncul "oligopoli leksikon"? Akankah perusahaan kecil dan pengembang individu tersingkir dari pasar?
Pertanyaan-pertanyaan ini masih belum terjawab untuk saat ini. Tetapi saya pikir sebelum merayakan "Tahun Pertama Meta-Ekonomi," setidaknya kita harus mengajukan pertanyaan-pertanyaan ini untuk didiskusikan.
Kesimpulannya
Dari batu bara dan minyak di era industri, hingga lalu lintas dan data di era informasi, dan sekarang hingga kata-kata di era cerdas, ekonomi manusia selalu berevolusi di sekitar "energi inti dan satuan pengukuran." Logika ini masuk akal.
Namun setiap evolusi selalu disertai dengan ketidaksetaraan baru, pemborosan baru, dan keterasingan baru:
Batu bara membawa Revolusi Industri, tetapi juga membawa polusi lingkungan.
Minyak membawa peradaban modern, tetapi juga membawa perang memperebutkan sumber daya.
Lalu lintas data telah menyebabkan ledakan informasi, tetapi juga mengakibatkan eksploitasi perhatian.
Apa yang akan diberikan oleh unsur-unsur leksikal? Terlalu dini untuk menarik kesimpulan.
Saya hanya punya firasat samar bahwa ketika "berpikir" dan "berkreasi" diukur sebagai komoditas yang dapat diperdagangkan,
Ketika setiap hasil keluaran AI ditagih secara tepat, kita mungkin kehilangan sesuatu yang lebih penting.
Eksplorasi semacam itu tanpa mempedulikan biaya, inspirasi semacam itu yang tidak dapat diukur, nilai semacam itu yang melampaui efisiensi.
Mungkin yang seharusnya kita waspadai bukanlah kata ekonomi itu sendiri, melainkan ketertarikan kita pada hal-hal yang dapat diukur secara kuantitatif.
Tidak semua hal yang berharga dapat diukur, dan tidak semua hal yang dapat diukur memiliki nilai.
Satu pertanyaan terakhir untuk Anda:
Apakah perusahaan Anda sudah mulai menganggarkan dana untuk konsumsi leksikal? Ketika agen mengonsumsi leksikal seperti air, pernahkah Anda berhenti dan berpikir: apa sebenarnya yang dihasilkan leksikal ini bagi kita?