Kann man Tokens leisten, aber kann man auch etwas "Vertrauenswürdiges" bekommen?

Vier Jahre nach dem Ausbruch der KI-Welle durch ChatGPT tauchte ein neues ökonomisches Konzept auf: die Token-Ökonomie.

Im Bereich der KI ist ein Token ein Wortsegment, das "Atom" der Sprache und die kleinste Einheit der Textverarbeitung. Dieser einstige technische Begriff ist heute zur "Grundeinheit" zur Bewertung des KI-Werts geworden und wird vom Markt mit einem festen Preis versehen.

Im Mai 2026 kündigten die drei großen chinesischen Telekommunikationsanbieter nacheinander die Vermarktung von "Token-Paketen" an: 9,9 Yuan für 10 Millionen Token (China Telecom), 1 Yuan für 400.000 Token (China Mobile), Token in Kombination mit Mobilfunk- und Breitbanddiensten (China Unicom) ... Dies bedeutet, dass die verbrauchten Token bei der KI-Nutzung in die Rechnung aufgenommen werden.

Der Preis wird vom Wert bestimmt, und die Einführung der Token-Pakete bestätigt erneut diese Tatsache.

Nach Angaben der Nationalen Datenbehörde übertraf die tägliche Token-Aufrufmenge in China im März bereits 140 Billionen, was im Vergleich zu den 100 Milliarden Anfang 2024 um mehr als das 1.000-fache gestiegen ist. Die JP Morgan Chase prognostiziert, dass der Verbrauch von KI-Inferenz-Token in China von rund 10 Quadrillionen in 2025 auf rund 3.900 Quadrillionen in 2030 steigen wird, was einer Zunahme von etwa dem 370-fachen in fünf Jahren entspricht.

Quelle: Nationale Datennetz

Die Daten offenbaren den starken Bedarf an KI. Die KI-Rechenleistung wird als das "Wasser, Strom und Gas" der neuen Ära angesehen, und Token sind die Grundnahrungsmittel im digitalen Leben. Die preisbaren und messbaren Token-Einheiten ermöglichen es auch der Branche, klare Aufgabenteilungen zu treffen: Wer die Produktion, die Verteilung und den Verbrauch verantwortet, und die Kosten und Gewinne jeder Stufe werden nachvollziehbar und standardisierbar, so dass der kommerzielle Wert weiter hervortritt.

Aber hinter diesem schönen Bild verbirgt sich eine andere Wahrheit. Wofür werden diese riesigen Mengen an Token tatsächlich verwendet? Lösen sie wirklich Probleme? Und wenn jeder Ihrer Aufrufe aufgezeichnet und jeder Verbrauch in Daten umgewandelt wird, wer hält diese unsichtbare "Netz" in der Hand?

Kürzlich wurden auf dem IDC Direction 2026 Trendforum einige Trends und Überlegungen zur Token-Ökonomie geteilt. DoNews hat diese Ansichten nacheinander zusammengefasst.

01. Wohin fließen die Token?

Die tägliche Aufrufmenge von 140 Billionen Mal klingt beeindruckend. Aber wie viel davon sind effektive Aufrufe, wie viel davon sind wiederholte Generierungen und ineffektive Anfragen? Derzeit gibt es keine offiziellen Daten dazu.

Wichtiger als die Zahlen ist es, zu sehen, wer die Token nutzt und wie.

Laut dem "Frühjahrlichen Großbericht der chinesischen mobilen Internetbranche 2026" von QuestMobile erreichte die monatliche Anzahl aktiver Benutzer von KI-nativen Apps bis März 2026 440 Millionen. Unter ihnen befanden sich Doubao, Qianwen und DeepSeek auf den ersten drei Plätzen, mit monatlichen aktiven Benutzermengen von 345 Millionen, 166 Millionen und 127 Millionen. Im ersten Quartal nahmen 130 Millionen neue Benutzer hinzu. Im ersten Quartal erreichten Doubao, Qianwen und DeepSeek durchschnittliche Aktivitätsraten von 33,5 %, 17,1 % und 21 %. Doubao wurde durchschnittlich 54,8 Mal pro Monat verwendet, DeepSeek 41,7 Mal pro Monat und Qianwen 19,8 Mal pro Monat.

Obwohl die Anzahl der Endbenutzer (C-End) groß ist, nutzen die meisten Menschen die KI möglicherweise nur, um eine Freundeskreis-Nachricht zu schreiben, ein Bild zu generieren oder einen Text zu übersetzen. Obwohl der Token-Verbrauch in diesen Szenarien scheinbar häufig ist, ist die Menge pro Mal tatsächlich gering. Die echten Token-Verbraucher befinden sich auf der Unternehmensseite (B-End).

Laut dem Millionen-Milliarden-Token-empirischen Forschungsbericht von OpenRouter und a16z stieg der Anteil von Programmieraufgaben am Gesamtverbrauch von 11 % Anfang 2024 auf mehr als 50 % in 2025. Die Agent-gesteuerten automatisierten Arbeitsabläufe erzeugten mehr als die Hälfte der ausgegebenen Token auf der Plattform.

Eine große Anzahl von Token wird nicht von "normalen Benutzern" verbraucht, sondern von Entwicklern und Unternehmen, die sie in ihre täglichen Prozesse integrieren, um automatisch Code zu schreiben, Tests auszuführen und Dokumente zu generieren. Dies führt zu einer unangenehmen Realität: Das exponentielle Wachstum der Token-Aufrufe wirkt sich nicht hauptsächlich auf die Steigerung der Produktivität von normalen Menschen aus.

Auf der Unternehmensseite wird ein großer Teil der Token auch für die "Selbsternährung" verwendet. Die Rechenleistung, die die Menschen mit Geld kaufen, wird zur "Futter" für das Training der nächsten Generation von Modellen. Der Grund ist, dass der Branche hochwertige Daten fehlen. Wenn das große Modell alle öffentlichen Texte und Codes im Internet "gelernt" hat, woher bekommt es dann neues Wissen? Die Antwort ist: Mit KI-generierten Inhalten, um die KI erneut zu trainieren.

Zhong Zhenshan, stellvertretender Leiter der IDC China Research, erwähnte in einer öffentlichen Präsentation, dass chinesische Modelle wie DeepSeek und Tongyi Qianwen in globalen Benchmark-Tests hervorragend abgeschnitten haben. Einer der Geheimnisse ist, dass sie eine riesige Menge an Code und Texten "verdaut" haben. Viele dieser Texte wurden von der vorherigen Generation von Modellen (wie GPT - 3.5, Claude 2) generiert.

Aber die "Selbsternährung" erhöht die Unternehmenskosten anstatt sie zu senken. Zhou Zhengang, stellvertretender Leiter der IDC China Research, erwähnte ein "Paradoxon der Token-Ökonomie": Der Token-Preis fällt tatsächlich stark (der Preis chinesischer Modelle ist ein Sechstel bis ein Zehntel des ausländischen Preises), aber die Gesamtrechnung der Unternehmen steigt. Es ist wie wenn der Strompreis sinkt, aber die Haushaltsgeräte immer mehr werden und immer länger laufen, und am Monatsende ist die Stromrechnung dennoch höher.

Alles in allem verhält sich Token eher wie "Industriestrom" als wie "Haushaltsstrom". Es treibt den internen Zirkel der KI-Branche an und hat noch nicht wirklich in das digitale Leben jedes einzelnen Menschen Eingang gefunden.

02. Reden Sie nicht über den Preis, sondern über die "Nützlichkeit"

Die meisten Benutzer zögern, wenn es um die Bezahlung für KI geht. Der Grund ist klar: Sie haben noch nicht bewiesen, dass Sie nützlich genug sind. Warum sollte ich dann zuerst bezahlen?

Die meisten Diskussionen in letzter Zeit drehen sich um die verschiedenen phantastischen Ereignisse, die durch die Halluzinationen von Doubao AI verursacht wurden. Neben dem "ernsten Quatschreden und lächelnden, aber ehrlichen Apologien" hat es sogar Benutzer bei realen politischen Fragen in die Irre geführt.

Der Grund war, dass ein Benutzer sein Flugticket stornieren musste. Um die Verluste so gering wie möglich zu halten, fragte er Doubao. Doubao listed die steps "seriously" and even generated a "traceable and accountable" compensation commitment. As a result, contrary to the user's expectation, this decision - making advice did not work. Even more incredibly, later the user decided to take up legal arms - using the indictment generated by Doubao, he sued Doubao in court.

Wenn es bei den Schritten zur Ticketstornierung fehlgeschlagen ist, können wir das als KI-Halluzination verstehen. Aber die "falsche Zusage", über die Fähigkeit zur Entschädigung und zur Übernahme der gesetzlichen Verantwortung zu verfügen, lässt sich nicht mit einer Halluzination erklären. Das Problem von Doubao ist wie bei anderen großen Modellen: Es ist noch nicht reif genug, um 100 % nützlich und gut zu funktionieren, und es folgt nicht einmal den gesetzlichen Vorschriften.

Quelle: Screenshot von Xiaohongshu

Endbenutzer (C-End) sind preisempfindlich, aber noch empfindlicher gegenüber "unsicheren Risiken". Das Gleiche gilt für Unternehmen.

Der Leistungsunterschied zwischen chinesischen und amerikanischen KI-Modellen hat sich derzeit auf 2,7 % verringert. Die Leistung der Modelle wird immer stärker, und der API-Aufruf wird immer bequemer.

Dies scheint eine gute Nachricht zu sein. Aber eine IDC-Umfrage zeigt, dass bei ausländischen Unternehmen bei der Entscheidung, ob sie chinesische KI-Modelle nutzen möchten, der Faktor, der am wichtigsten ist, nicht die Leistung ist - denn die Leistung ist bereits sehr ähnlich - sondern ob das Modell langfristig stabil genutzt werden kann, ob es sich lohnt, weiter Geld dafür auszugeben, ob es in bestehende Prozesse wie Kundenservice, Forschung und Entwicklung, Rechtsabteilung und Risikomanagement integriert werden kann und ob es mit dem System kompatibel ist.

Die meisten Menschen scheinen in einen Irrtum zu geraten und die Logik der Rechenleistung mit der Logik der Benutzererfahrung zu verwechseln.

Telekommunikationsanbieter und Cloud-Anbieter erzählen Ihnen gerne, dass Sie "400.000 Token für 1 Yuan" kaufen können, als ob Sie desto mehr gewinnen würden, je mehr Token Sie haben. Aber das Problem ist, ob das Verbrauchen dieser 400.000 Token tatsächlich das Problem lösen kann. Wenn Sie ständig "tunen" müssen, die Anweisungen wiederholen und auf irrelevante Antworten warten müssen, ist es egal, wie billig die Token sind.

Nützlichkeit ist das einzige Kriterium. Dies führt zu einem noch wichtigeren Konzept: Skill (Fähigkeit).

Zhong Zhenshan teilte ein interessant experimentelles Ergebnis mit: Beim Versuch, mit OpenClaw in der Shuimu Community einen Beitrag zu schreiben, wurden bei der ersten Versuch 65 Millionen Token verbraucht, und es dauerte zwei Versuche, um es erfolgreich zu schaffen. Bei der zweiten Versuch sank der Token-Verbrauch auf 370.000, was einem Unterschied von etwa 200-fach entspricht. Der Grund ist, dass OpenClaw selbst eine "Skill" geschrieben hat, die die wiederholten Aktionen in ein wiederverwendbares Werkzeug umgewandelt hat.

Token selbst sind nur Rohstoffe. Der eigentliche Wert entsteht durch die Fähigkeit, die Token effektiv zu nutzen. Wenn es keine reiche Skill-Bibliothek gibt, werden die Token nur verbraucht, aber nicht "genutzt". In Zukunft wird es nicht darum gehen, wer das Modell mit den größten Parametern oder den niedrigsten Token-Preisen hat, sondern wer die reichhaltigsten und intelligentesten Skill-Ekosysteme hat.

03. Wer trägt die Sicherheitskosten?

Es wurden bereits zwei Probleme erläutert: Erstens werden eine große Anzahl von Token für das Selbsttraining von KI-Modellen verbraucht und nicht direkt in die Produktivität von normalen Benutzern umgewandelt. Zweitens erreicht die tatsächliche Nützlichkeit der Token, auch wenn sie in die Anwendungsebene fließen, noch lange nicht den Standard der "Nützlichkeit".

Aber neben diesen beiden Problemen besteht ein noch grundlegendes Risiko. Die Expansion der Token-Ökonomie definiert die Kostenstruktur der Sicherheit neu, und diese Kosten werden derzeit von fast niemandem getragen.

Erstens besteht das Risiko, dass die Token selbst kontaminiert werden. Große Modelle haben keine "Urteilsfähigkeit" und generieren alles anhand der zugeführten Inhalte - egal, ob es sich um seriöses Wissen oder böswillige Lügen handelt. Wenn zu viele falsche Daten zugeführt werden, wird ihre "Wahrscheinlichkeitswahrnehmung" fehlgeleitet, und sie werden Lügen erzählen und falsche Informationen verbreiten.

Was noch beängstigender ist, hat das Ministerium für Staatsicherheit eine Warnung ausgesprochen. Token fungieren in bestimmten Szenarien als "vorübergehende Personalausweise" in der digitalen Welt. Wenn sie einmal verloren gehen, können Angreifer direkt die Benutzeridentität stehlen, private Informationen abrufen, in die Accounts einloggen und sogar Überweisungen durchführen, was die persönliche Vermögensicherheit bedroht.

Zweitens wird das Sicherheitsrisiko von Skills stark unterschätzt. Die Beobachtungen der IDC zeigen, dass derzeit mehr als 60 % der Open-Source-Skills Sicherheitsrisiken haben können, aber normale Benutzer und Unternehmen verfügen über keine effektiven technischen Mittel, um zu beurteilen, ob ein Skill "böswillig" ist. Der "Datenbedrohungsbericht 2026" von Thales zeigt auch, dass 70 % der Unternehmen KI als das wichtigste Datensicherheitsrisiko einstufen, aber nur 34 % der Unternehmen wissen, wo alle Daten gespeichert sind.

Wie bei jedem Werkzeug hängt der Wert von Token davon ab, wie wir es betrachten und nutzen. Wenn die Aufrufmenge von Milliarden auf Billionen ansteigt, ist die manuelle Prüfung völlig unmöglich, und die derzeitigen Sicherheitsüberprüfungstools haben keine wesentlichen Upgrades für das Agent-gesteuerte Berechtigungsmodell vorgenommen.

Ein neuer Trend, der beachtenswert ist, ist, dass neue Modelle wie MISOS nicht durch die spezielle Ausbildung mit sicheren Daten ihre Kernfähigkeiten erlangen, sondern durch die Verarbeitung einer riesigen Menge an Open-Source-Code, technischen Dokumenten und Sicherheitslückenberichten. Dies bedeutet, dass die Grundlogik der Sicherheitsabwehr sich ändert: In der traditionellen System sind beide Parteien in der Abwehr und Attacke "Menschen". In Zukunft können beide Parteien Modelle einsetzen, und Unternehmen müssen nicht mehr gegen vereinzelte Hackerangriffe kämpfen, sondern gegen modellgesteuerte automatisierte Angriffe.

Mit der Ausweitung der Agent-Einsatzskala, der Unklarheit der Modell-Berechtigungsgrenzen und der Verbesserung der Angriffsmethoden wird die Sicherheitskosten zwangsläufig zu einer "Pflichtoption" werden. Die IDC prognostiziert, dass bis 2028 die Ausgaben von Unternehmen für KI-sichere Rechenleistung und Dienstleistungen 15 % - 20 % des KI-Budgets ausmachen werden.

Aber das Problem ist, wer diese Kosten trägt. Derzeit ist in den Token-Paketen der Telekommunikationsanbieter oder in den API-Preisen der Cloud-Anbieter keine separate Angabe der Sicherheitskosten enthalten. Die Benutzer kaufen tatsächlich "Rohwasser", das nicht gereinigt