江苏省工信厅9月8日对《江苏省制造业企业Token管理参考指引（2026年版）》进行官方解读，这是国内首个面向制造业的大模型Token精细化管理标准。指引由省工信厅联合国家工业信息安全发展研究中心江苏分中心、赛昇数智科技（苏州）有限公司编制，核心是把Token作为业务需求与物理算力之间的度量纽带，追求业务效率、数据安全、算力成本三者最优平衡；在事前规划预置、事中运行监控、事后复盘优化三大环节给出操作要点，并从跨部门协同架构、角色访问控制、动态配额管控、标准化闭环流程四个维度提出制度建设建议；针对工业场景差异，把制造业务划分为生产刚性类、经营优化类、计划决策类、研发仿真类四类，对在线智能检测、设备运维、生产计划优化、产品数字化设计等17个高频落地场景分别梳理Token消耗特征与差异化管理重点。这标志着制造业AI竞争正从“能不能用上模型”转向“能不能算清账”。
为什么是现在：从“买算力”到“管Token”，制造业AI进入算账阶段
9月10日《光明日报》刊发的产业观察给出一组数字：我国人工智能核心产业规模已突破1.2万亿元，相关企业超过6200家；重点行业人工智能整体渗透率超过80%，规模以上制造业企业应用普及率超过30%；智能制造领域累计建成基础级智能工厂3.5万家、先进级8200余家、卓越级500余家。供给侧同样活跃：国内大模型全球累计下载量突破100亿次。
渗透率越往上走，一个被忽略的问题越突出：模型调用是按量计费的，而多数工厂没有把“量”与“业务价值”对应起来的账本。同一个质检场景，提示词写法、上下文长度、是否启用多轮反思不同，Token消耗可能相差数倍；生产高峰与低峰的调用差异也会直接反映在账单上。江苏这份指引的意义正在于此——它不讨论模型选型，而是先回答“怎么算清、怎么管住”。
指引的三条主线：一条度量纽带、三个环节、四个维度
指引立足制造业生产实时性、周期波动、数据安全三类现实约束，把Token作为业务需求与物理算力之间的度量纽带，并围绕三个核心环节明确全流程管控要点。
事前规划预置、事中运行监控、事后复盘优化
事前规划预置要求场景上线前完成用量测算与配额设定；事中运行监控强调对调用频次、单次消耗、异常峰值的实时观测；事后复盘优化则把消耗数据回写到场景价值评估，决定下一轮配额与模型选型。
四个维度：把制度建在流程上而不是人身上
制度建设方面，指引从跨部门协同架构、角色访问控制、动态配额管控、标准化闭环流程四个维度给出建议。值得注意的是前两者的组合——访问控制解决“谁可以调用”，动态配额解决“可以调用多少”，缺一则管控会退化为事后追责。
四类场景 × 17个高频点：分级管控而不是一刀切
指引没有给出统一的消耗标准，而是按业务属性把制造场景划分为四类，对17个高频落地场景分别梳理Token消耗特征与差异化管理重点。
| 场景类别 | 典型场景 | 消耗特征 | 管控重点 |
|---|---|---|---|
| 生产刚性类 | 在线智能检测、工艺参数实时纠偏 | 高频、低时延、单次消耗稳定 | 配额与产线节拍绑定 |
| 经营优化类 | 设备运维、能耗优化、供应链协同 | 中频、波峰明显 | 错峰调度，非实时任务后置 |
| 计划决策类 | 生产计划优化、排产仿真 | 低频、单次消耗大 | 按任务审批，审核上下文长度 |
| 研发仿真类 | 产品数字化设计、配方与材料仿真 | 极低频、单次消耗极大 | 独立预算池，长周期复盘 |
用同一套KPI考核所有AI场景，必然导致要么生产场景被限流、要么研发场景无节制消耗；按类别设配额，本质上是把Token预算变成一种生产资源计划。
对企业意味着什么：AI预算、数据治理与服务商选择
第一，AI预算要从“项目制”转为“运营制”。Token是持续消耗品，一次性立项无法覆盖长期运行成本，企业需在年度预算中单列AI运行费，并与产量、良率等指标挂钩考核。
第二，Token管控的前提是数据治理。上下文里塞进多少无关数据，直接决定单次消耗。不少制造企业的工艺数据分散在MES、ERP、SCADA与纸质台账中，未经清洗就送入模型，既推高成本也放大泄露风险。先把数据变成可被模型高效利用的语料，再谈调用优化，这正是数据挖掘与AI大模型定制的价值所在。
第三，选择服务商时应把“能不能算账”纳入评估。能否提供按场景的用量看板、能否给出提示词与上下文的优化建议、是否支持私有化部署下的独立计量，这些能力在未来两年会成为硬性门槛。对缺乏自建AI团队的传统制造企业而言，借助杭州及长三角成熟的软件外包与本地化服务能力快速补齐，往往比自建更经济。
江苏下一步将推动企业参照该文件完善内部AI资源管理制度，对长三角企业而言这既是合规预期，也是把AI投入从“费用”变成“投资”的契机。一道科技长期为制造企业提供AI大模型定制、数据挖掘与软件外包服务，若您正在规划AI场景的成本核算框架，欢迎了解我们的服务或查看更多行业分析。
常见问题（FAQ）
Token是大模型处理文本的最小计量单位，Token管理关注的是“业务调用消耗了多少、值不值”；算力管理关注的是“硬件资源够不够、贵不贵”。江苏这份指引把Token定义为业务需求与物理算力之间的度量纽带，意思是用业务侧的消耗量反推算力投入，让AI成本可以被核算、被审计、被优化。
因为四类场景的调用频率、单次消耗和时延要求差异极大：在线检测高频低时延，排产仿真低频但单次消耗大。若用统一标准管控，要么产线被限流，要么研发场景无节制消耗，因此需要按类别实行分级配额。
建议从三件事起步：一是盘点已上线的AI场景并按四类归类；二是选择支持按场景计量看板的服务商或平台；三是把数据清洗前置——上下文越干净，单次消耗越低。对缺乏自建团队的企业，可借助杭州及长三角地区的AI大模型定制、数据挖掘与软件外包服务快速补齐能力。