互联网革命曾经给世界带来了“数字鸿沟”，而如今人工智能革命正在带来一种新的“Token鸿沟”。2026年9月14日，布鲁金斯学会（Brookings Institution）发布研究报告《人工智能革命或将加剧“Token鸿沟”》（The AI revolution threatens a “token divide”）。报告认为，Token鸿沟不是传统意义上的网络接入差距，而是个人和机构能否持续负担高质量AI服务的差距。Token鸿沟不会因价格下降而自然消失，反而会因为技术能力发展不断加深。因此，弥合这一鸿沟，不能简单沿用传统数字鸿沟治理思路，而需完善衡量标准、公共算力支持、透明度与竞争政策，推动人工智能能力更加公平可及。

按照原文的论证顺序，对其主要内容进行编译，并结合背景资料作了必要的补充。文中观点不代表编译者或发布平台立场，详情内容请参阅英文原文。

图片来源：Brookings原文

过去，互联网让学生能够查资料、写作业，让小企业能够获取信息、服务客户。如今，AI不仅能提供信息，还能直接帮助人们分析问题、完成任务，而Token就是衡量和收取AI使用费用的一种单位。因此，一个人能使用多少Token，在一定程度上决定了他能获得多少AI服务。

过去讨论“数字鸿沟”，主要关心的是人们能不能上网、用不用得起互联网。现在的“Token鸿沟”则提出了一个新问题：即使人人都能使用AI，不同人能够使用的AI也可能存在巨大差距。有些人能够负担最新、最强大的模型，有些人却只能使用功能有限的旧模型。随着AI能力不断提升，这种差距还可能越来越大。

今天的生成式AI模型通过Token这种计算单元处理输入、生成输出，文本、数据、图像类应用概莫能外（英语文本中一个Token约相当于四分之三个单词）。提示词和回应越长、模型推理越复杂，消耗的Token和算力就越多，无论用户是否直接看到账单，总要有人承担成本。先进的人工智能模型甚至在给出任何输出之前就要在推理阶段消耗大量算力，而AI智能体会依据自身判断自主运行，持续消耗Token，进一步放大这种成本。

Token如何成为AI模型处理、计量和定价的基本单位

图片来源：NVIDIA Blog

即使用户购买了按月付费的AI套餐，也不意味着可以无限制地使用AI。套餐通常仍然设有使用额度，一旦超过限额，用户可能需要等待、使用能力较弱的模型，或者支付额外费用。与此同时，大型企业往往能够以更优惠的价格批量购买AI服务，还可以通过技术优化降低使用成本。相比之下，小企业和普通学生既缺乏议价能力，也没有足够的技术资源，因此可能需要花更多的钱才能获得同等水平的AI服务。这意味着，AI不仅可能扩大大企业与小企业之间的竞争差距，也可能加剧不同经济条件学生之间的教育资源差距。

全球算力基础设施分布不均，高收入经济体占据大部分数据中心容量

图片来源：世界银行

目前，AI行业主要按照Token的使用量收费。未来，收费方式可能发生变化，例如按照AI完成的任务数量、使用的智能体数量，或者最终取得的成果收费。但无论采用哪种方式，使用AI都需要付出成本。最终，AI可能不再只是帮助人们缩小能力差距的工具，也可能成为扩大社会不平等的新因素。

“数字鸿沟”这一概念在1995年由拉里·欧文（LarryIrving）推广开来。最初，它主要指不同人能否买得起电脑、用得起互联网，后来则更多关注能否获得高速宽带服务。随着网络基础设施不断完善，上网逐渐成为一项相对普及、价格稳定的服务。这是因为互联网运营商在建好网络后，新增用户带来的成本相对有限，可以通过固定月费提供服务，政府也可以通过补贴帮助低收入群体接入互联网。

但AI与互联网存在一个重要区别，即互联网主要是让人们接入已经建好的网络，而AI每回答一个问题、完成一项任务，都需要消耗计算资源。用户使用AI越频繁、任务越复杂，服务商承担的计算成本通常就越高。尤其是能够自主执行多步骤任务的AI智能体，可能需要连续调用模型几十次甚至更多，进一步增加成本。因此，AI公司必须在提高收费、限制使用次数和自行承担成本之间作出选择。

更重要的是，互联网有一个相对明确的“够用”标准，而AI可能没有。对大多数人来说，一条速度足够快、运行稳定的宽带连接就能满足日常需要，没有必要不断追求更高的网速。但AI不同，能力更强的模型可能完成旧模型根本无法完成的任务。即使今天最先进的AI在几年后变得便宜，届时可能已经出现更强大、但价格更高的新模型。

因此，“Token鸿沟”不仅意味着有些人用不起AI，更意味着不同经济条件的人可能始终无法获得同等水平的AI能力。即使基础AI服务越来越便宜，获得最先进AI能力的成本仍可能成为新的不平等来源。

但是，AI的收费方式让图书馆、学校和医院等公共机构面临新的难题。过去，图书馆购买一本书，就可以让很多人反复借阅；学校购买教学设备，也可以让一届又一届学生使用。但AI不同，每次提问、每次生成回答都需要消耗计算资源，使用越多，费用通常就越高。

这可能带来新的不平等。例如，有些学校能够为学生提供几乎不限次数的AI辅导，而经费不足的学校可能不得不限制学生的使用额度，甚至出现学生作业还没完成，AI额度就已经耗尽的情况。医院也面临类似的问题：资金充足的医院可能使用更先进的AI辅助诊断和医疗管理系统，而预算有限的医院则可能只能选择功能较弱或使用次数受限的服务。

因此，“Token鸿沟”对公共机构最大的挑战在于，AI不再是一项购买后就能长期使用的固定资源，而可能成为一笔随着使用量不断增加、难以提前准确预测的持续性开支。 当预算有限时，学校、医院和图书馆可能不得不限制AI的使用，即使这些服务本来能够帮助更多人。最终，越需要公共AI服务支持的人群，反而可能因为所在机构缺乏经费而更难获得这些服务。

非营利机构Epoch AI的研究发现，2025年大语言模型推理价格“快速下降，但不同任务间降幅并不均衡”，年降幅在9倍到900倍之间不等。《金融时报》报道，OpenAI、Anthropic等美国实验室正在推出更便宜的模型以留住转向中国低价替代品的客户：2026年7月30日OpenAI将低价模型GPT-5.6 Luna的输出价格下调80%，次日DeepSeek新模型的同类报价更低至28美分／百万Token。但Token是各家专有而非标准化的单位，简单的价格对比其实低估了定价的复杂程度。

更重要的是，价格下降本身并不能解决Token鸿沟。作者认为，由于实际上存在以下四条路径，所以降价可能进一步扩大鸿沟。

更低价格改善了单位成本，但前沿能力和不同层级定价仍然并存。图表据公开数据整理。

图片来源：OpenAI“Advancing the price-performance frontier with GPT-5.6”

公共算力可为研究者、教育者、学生和小企业扩大先进AI资源的可及性。图片署名：Charlotte Geary，U.S. National Science Foundation。

图片来源：NSF

核心组件公开发布的开放权重模型为获取智能提供了低成本渠道，但也引发国家安全担忧，需要标准化的安全认证体系，让学校、医院等机构可以放心采用。

正如食品有营养成分标签、宽带有消费者标签，AI服务同样需要披露义务，让用户知道自己获得的是什么、何时被降级。同时需要建立“非歧视”原则，防止前沿实验室通过操纵定价和准入规则偏袒自身应用。

数字鸿沟的过往经验警示我们，技术本身并不会自动带来普惠。随着智能能力持续迭代演进，我们需要进一步思考仅仅实现“接入可用”这一目标是否还具备实质意义。而这一问题的答案，正取决于我们能否阻止一道在Token的逻辑范式之下悄然滋生全新鸿沟。

AI推理依赖资本密集型数据中心与云基础设施，基础设施集中会影响算力获取和市场竞争

图片来源：Aligned Data Centers

https://www.brookings.edu/articles/the-ai-revolution-threatens-a-token-divide/