问题： 随着大模型应用不断走向广泛场景，我国人工智能产业对数据处理与模型调用的需求呈现指数级增长。
国家数据局公布的最新数据表明，截至2026年3月，我国日均Token调用量超过140万亿，较2024年初的1000亿激增逾千倍，并在2025年底突破100万亿基础上三个月再上台阶。
这一变化从侧面反映出产业已从试点探索转向规模化应用阶段，对高质量数据、算力调度和算法能力提出更高要求。
原因： 一是政策引导加快释放数据要素价值。
近年来我国持续推进数据要素市场化配置改革，数据资源供给与流通能力显著提升。
二是应用场景加速拓展。
从政务服务、工业制造到金融、医疗、交通等领域，人工智能应用由“能对话”逐渐走向“能决策、能执行”，带动Token调用量快速攀升。
三是模型能力升级与行业协同增强。
面向垂直行业的大模型不断丰富，算法优化与工程化部署降低了使用门槛，推动海量调用成为常态。
影响： Token调用量的跃升既是技术发展速度的缩影，也是数据供给能力增强的集中体现。
截至2025年底，全国已建成高质量数据集超过10万个，总量超过890PB，相当于国家图书馆数字资源总量的310倍左右。
这一基础能力提升不仅夯实了大模型训练与应用的底座，也带动了数据采集、清洗、标注等全链条产业的升级，有力提升我国人工智能产业的综合竞争力。
与此同时，数据质量、数据安全和行业标准的重要性日益凸显。
对策： 国家数据局明确将持续推进数据赋能创新发展，实施新一轮高质量数据集建设行动计划，重点开展强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六大专项行动。
下一步将以场景需求为牵引，推进先行先试，在重点行业、重点区域形成可复制、可推广的实践路径，提升数据资源供给质量与利用效率。
与此同时，还将强化数据治理与合规管理，为数据要素流通提供制度保障。
前景： 从趋势看，随着数字经济与实体经济进一步融合，Token调用量仍将保持较快增长。
我国人工智能应用有望由试点示范走向系统性规模应用，具备产生更大产业拉动效应的潜力。
未来，数据集建设将更加注重行业深度与场景精准，促进大模型向专业化、可控化方向发展。
在政策引导和市场需求的双轮驱动下，数据要素将持续释放价值，成为推动高质量发展的关键支撑。
Token调用量从量变走向质变，体现的是技术能力、数据供给和应用生态的系统性提升。
面对快速变化的智能时代，加强数据要素治理、优化资源配置、推动高质量应用，将成为我国把握新一轮科技革命和产业变革主动权的关键。
持续夯实基础、聚焦场景创新，有望为经济社会高质量发展注入更强动能。