从资金补贴到要素券：江苏AI新政观察

执行摘要：江苏省发改委会同网信、工信等部门推出词元券、语料券、模型券三类补贴工具，覆盖算力消耗、语料获取与模型采购环节，标志地方AI支持政策从普适资金补贴转向面向训练、推理、调用等具体环节的精准激励。本报告梳理政策内容与信号意义，分析算力—语料—模型产业链受益格局，研判数据要素供给激活趋势及地方政策竞逐方向。

政策出台：三类券种解析

一、政策背景与出台主体

江苏省发展改革委会同省委网信办、省工业和信息化厅等部门近日联合出台支持人工智能发展的新政，推出词元券、语料券、模型券三类创新支持工具。这是江苏在省级层面围绕人工智能产业要素进行的系统性政策设计，也是地方政府以数据要素和大模型生态撬动AI产业落地的又一省级实践。

从政策工具的演进脉络看，这一新政标志着地方AI产业支持方式的重要转变：传统的财政补贴多以项目立项、专项资金等形式出现，资金流向与实际要素消耗之间的对应关系较弱；而「券」这一工具形态，则将支持资金与企业获取算力token、训练语料和大模型服务的真实成本直接挂钩，形成「要素获取—券种核销—财政支付」的闭环机制。

二、三类券种的功能定位

新政的三类券种并非简单的资金拆分，而是分别对应AI产业链上的三个关键要素环节，各有明确的功能指向：

• 词元券：对应算力消耗环节，补贴企业使用算力产生的token成本。大模型的训练与推理均以token为基本计量单位，词元券实质上降低了企业调用算力资源的边际成本，尤其有利于推理侧应用的大规模铺开。
• 语料券：对应高质量语料获取环节，补贴企业采购训练与微调所需的数据资源。高质量语料是大模型能力分化的核心变量，语料券旨在激活数据要素供给，推动数据交易与语料服务市场的发展。
• 模型券：对应大模型服务采购环节，补贴企业调用基础模型、行业模型的服务费用。这降低了中小企业接入大模型能力的门槛，促进模型服务采购从头部企业向更广泛的产业主体扩散。

三类券种覆盖的环节可归纳如下：

三、政策工具的产业逻辑

从「给资金」到「给要素」的定向激励。 新政将算力、语料、模型这三类AI基础设施的关键要素转化为可发放、可流通的「券」，意味着地方政府的支持对象从抽象的「项目」转向具体的「要素消耗行为」。企业消耗多少token、采购多少语料、调用多少模型服务，直接决定其可获得的支持额度，财政资金的激励精度显著提升。

覆盖训练、推理、调用的全链条。 从参考信息看，三类券种共同构成了对AI要素使用全环节的覆盖：词元券作用于训练与推理的算力消耗，语料券作用于模型训练的前置投入，模型券作用于模型能力的商业化调用。这种设计使处于不同发展阶段的企业——自研模型者、微调模型者、纯调用者——均能在相应环节获得支持。

数据要素与模型生态的双重撬动。 语料券的设置尤其值得关注。它不仅是对企业成本的补贴，更是对高质量数据供给端的间接拉动：当需求侧获得采购语料的资金支持，数据标注、语料加工、数据交易等上游环节的市场空间随之扩大。这与国家层面推动数据要素市场化配置的政策方向形成呼应。

四、政策信号与观察视角

区域竞争维度。 江苏此次新政被视为地方竞逐AI产业的标志性政策动作。在各地普遍出台算力补贴之后，将支持范围延伸至语料与模型服务，反映出区域间政策工具的迭代升级——从单点补贴算力，转向对AI要素组合的系统化支持。后续其他省份是否跟进类似券种设计，可作为观察区域AI政策竞争的重要指标。

执行落地维度。 券种机制的有效性取决于核销规则、适用范围、服务商准入等实施细则。例如词元券如何界定合规的算力服务商、语料券如何认定「高质量」语料的标准与权属、模型券如何处理跨区域模型服务的采购，这些操作层面的问题将直接影响政策效果。

数据合规维度。 语料券涉及语料的采集、交易与流通，客观上要求与网信部门的数据安全、个人信息保护监管框架相衔接。省委网信办作为联合发文部门参与其中，体现了产业发展与数据治理的统筹考量。语料交易中的版权归属、授权链条等法律问题，属于行业普遍面临的共性问题，需在政策实施与市场实践中逐步明确。

五、小结

江苏三类券种新政的核心，是将财政支持精准嵌入AI产业的要素消耗链条：词元券降算力成本、语料券活数据供给、模型券扩模型应用。这一政策设计兼具信号意义与操作意义——前者表明地方政府对AI要素体系的认知已从算力扩展至数据与模型，后者则通过「券」这一市场化工具形态，为后续其他地区提供了可参照的政策模板。政策实际成效，仍有待细则出台与首批企业核销数据发布后进一步观察。

政策逻辑：补贴机制转向

一、从“给资金”到“给要素”：政策工具的结构性变化

江苏省发展改革委会同省委网信办、省工业和信息化厅等部门近期出台支持人工智能发展的新政，推出词元券、语料券、模型券三类补贴工具，分别覆盖算力消耗、高质量语料获取和大模型服务采购三个环节。这一动作的实质，是将传统财政补贴改造为指向AI基础设施关键要素的定向券种。

传统财政补贴的典型特征是“普适性资金支持”：企业申报项目、政府部门审核、一次性或分期拨付资金。这一模式在产业早期发挥了重要作用，但也存在若干结构性问题：资金使用方向难以追踪、补贴与实际产出脱钩、对企业真实要素需求的识别精度不足，以及跨部门审核带来的时间成本。

券种化的政策设计改变了这一逻辑。词元券对应的是推理和训练环节的算力token消耗，语料券对应高质量训练语料的获取成本，模型券对应大模型服务的采购支出。三类券种分别嵌入AI产业链的具体环节，财政资金的兑现与企业的实际要素消耗直接绑定——企业消耗多少token、获取多少语料、调用多少模型服务，决定了其能够核销的补贴规模。

二、精准激励的产业逻辑

这一转向背后有三层产业逻辑。

第一，要素成本是AI企业的核心痛点。 与传统软件产业不同，AI企业的成本结构高度集中于算力、语料和模型服务三大要素。推理和训练环节的token消耗是持续性支出，高质量语料的获取往往需要较高交易成本，大模型服务的采购价格直接影响应用层企业的毛利率。将补贴嵌入这些具体环节，能够直接降低企业在关键要素上的边际成本，激励效果比一次性资金拨付更为直接。

第二，券种机制天然具备“用脚投票”的筛选功能。 补贴资金的流向由企业的实际消耗决定，而非申报材料的说服力决定。这意味着市场化程度更高、真实业务量更大的企业能够获得更多补贴资源，政策资源的配置效率得到改善。同时，券种只能在特定要素市场核销，资金流向可追踪、可审计，降低了财政资金挪用或低效使用的风险。

第三，券种设计间接培育了要素市场本身。 语料券的存在为高质量数据集的交易和流通提供了需求侧支撑，有助于激活数据要素供给；模型券则为大模型服务商创造了稳定的本地采购需求。券种不仅是补贴工具，也是地方政府引导数据要素和大模型生态形成的杠杆——企业领取语料券后需要寻找合规的语料供给方，这一过程本身就在推动数据交易和流通基础设施的完善。

三、省级政策竞争中的信号意义

从更宏观的视角看，江苏此举是地方政府竞逐AI产业的又一省级实践，具有明显的政策信号意义。将算力、语料、模型作为可发放、可流通的“券”，意味着地方AI产业政策的设计颗粒度从“产业级”（支持AI产业整体）细化到“要素级”（支持具体生产要素的获取），这与国家层面推动数据要素市场化配置的政策导向相衔接。

对于区域产业格局而言，券种政策的吸引力取决于几个配套条件：本地是否有可核销的算力供给和模型服务商、语料交易渠道是否畅通、核销流程是否便捷。若本地要素供给不足，券种可能带动企业向要素充裕地区采购，反而强化其他区域的集聚效应；若本地生态相对完整，券种则能形成“补贴—采购—生态繁荣—更多企业落地”的正循环。江苏作为制造业和数据资源大省，其券种设计的实际效果，将成为观察地方AI政策从资金输血转向生态营造的重要样本。

总体而言，从普适资金支持转向面向推理、训练、模型调用等具体环节的定向券种，反映的是财政资金使用精度的系统性提升。政策的后续观察点在于：券种的核销规模与企业实际要素消耗的匹配度、语料券对数据要素市场交易的带动效应，以及三类券种之间能否形成覆盖AI企业全生命周期的支持闭环。

产业链影响：上中游格局

江苏此轮新政以词元券、语料券、模型券三类定向工具，分别指向算力消耗、高质量语料获取和大模型服务采购三个环节。从产业链视角看，这一补贴结构并非普惠式资金下发，而是沿着AI产业的生产函数逐环定价激励，其直接受益方与间接受益方呈现出清晰的上中游传导路径。

上游：算力与语料供给方为直接受益方

词元券与语料券的直接指向，是AI产业链中最为上游的两类要素供给方。

在算力环节，词元券以「补贴推理与训练过程中的token消耗」为切入点，意味着企业使用智算中心、算力租赁服务、MaaS推理平台所产生的费用可获得定向抵扣。对上游算力供给方而言，这一机制相当于由财政为其下游需求侧提供价格补贴，有助于提升智算资源的上架率与利用率，缩短算力设施的回本周期。对处于产能爬坡期的智算中心而言，需求确定性的提升往往比单笔补贴金额更具产业意义。

在语料环节，语料券直接补贴「高质量语料获取」成本，利好数据服务商、语料加工企业以及持有行业数据的机构。长期以来，高质量中文语料与行业语料的供给不足是制约国内大模型训练的瓶颈之一，语料券将语料交易成本部分转移至财政端，有望激活数据要素市场的供给意愿，推动数据确权、清洗、标注、交易等配套环节的商业化进程。

中游：大模型服务商获采购补贴，用模门槛下降

模型券补贴的是「大模型服务采购」，即企业调用第三方大模型API、采购模型私有化部署与行业解决方案的费用可获支持。这一设计对中游大模型服务商构成双重利好：

其一，需求扩容。企业侧使用模型的成本下降，直接降低了中小企业试错与上模型的门槛，原本因成本犹豫而观望的潜在客户被推动进入市场，中游服务商的可触达客户池扩大。

其二，竞争格局重塑。模型券若面向通用大模型与行业模型开放申领，将在中游引发更充分的价格与服务竞争，具备行业落地能力的服务商相对受益；同时，补贴导向也会影响企业选型行为，进入补贴目录的模型服务在采购决策中占据先发优势，目录准入由此成为中游竞争的新变量。

传导链条与需求放大效应

三类券种的组合，本质上构建了一条「补贴要素—降低用模成本—扩大AI应用—反哺基础设施需求」的传导链条：

值得注意的是链条末端的「回环效应」：当应用规模化落地后，推理侧算力消耗与语料数据产出将同步增长，进一步带动智算中心建设、数据交易市场等上游环节的需求。这意味着上游并非一次性受益，而是随着应用渗透获得持续性需求支撑。

几点客观判断

第一，补贴的分配效应取决于券种权重与兑付规则。三类券覆盖的环节不同，若词元券占比高，则利好算力供给方与重度调用用户；若模型券覆盖面广，则中游服务商间竞争加剧。具体格局需待实施细则与首批兑付数据落地后观察。

第二，从「资金补贴」到「要素券」的转变，提升了财政资金的使用透明度与可核销性，券的流通路径即要素交易路径，客观上也为监管侧提供了产业要素流动的可观测数据。

第三，江苏的做法与其他省份数据要素、算力券政策同属一类实践，地方竞逐AI产业的政策博弈客观存在。对企业而言，多省券种叠加申领的可行性与跨区域结算规则，将成为影响其选址与采购决策的现实考量。

总体而言，此轮政策将补贴精准锚定在生产要素交易环节，上游算力与语料供给方确定性受益，中游大模型服务商在需求扩容中面临竞争加剧，而政策真正的长期价值，取决于应用端能否形成可持续的商业闭环。

（本章基于公开政策信息撰写，具体补贴标准、申领条件以官方实施细则为准。）

下游应用：落地成本下降

政策工具的转向：从资金补贴到定向要素券

江苏省发展改革委会同省委网信办、省工业和信息化厅近期出台支持人工智能发展的新政，推出词元券、语料券、模型券三类创新支持工具。这一政策设计的核心变化在于：将传统财政补贴改造为指向AI基础设施关键要素的定向券种，覆盖算力消耗、高质量语料获取和大模型服务采购三个具体环节。

从产业政策演进的角度看，这一转向具有明确的方法论意义。传统资金补贴以企业为主体、以项目为载体，资金流向与实际技术使用之间往往存在传导损耗；而要素券模式将算力token、训练语料、模型调用等具体环节作为补贴对象，实现了激励颗粒度从“企业”向“要素使用行为”的下沉。对地方政府而言，这意味着支持效果更可观测、更可核验；对企业而言，则意味着补贴直接对接其最真实的成本项。

三类券的成本缓解逻辑

三类券分别对应AI落地的三项主要成本结构，各自的作用机制不同：

从下游应用视角看，词元券直接作用于推理成本。AI应用规模化运营后，token消耗是持续性支出，尤其对高并发、高频调用的场景（如智能客服、内容生成）构成显著运营负担。语料券针对的则是垂直行业应用的“数据门槛”——通用大模型能力向行业场景渗透时，高质量行业语料的获取往往是最难标准化、也最难定价的环节，定向补贴有助于降低应用侧主体接入行业数据要素的边际成本。模型券则降低了企业试用和切换不同大模型服务的成本，有利于中小企业以较低沉没成本开展场景验证。

对中小企业与应用侧的激励效应

三类券的政策意图明确指向中小企业与应用侧主体。长期以来，AI能力获取呈现明显的结构性不均衡：头部企业可自建算力与数据体系，而大量中小企业和传统行业主体面临“三重门槛”——算力用不起、语料拿不到、模型选型试错成本高。定向券以补贴方式逐项拆解这三重门槛，本质上是将AI基础设施的可及性从大企业专属资源转化为普惠性供给。

这一传导链条的产业价值在于，它可能改变下游应用的孵化节奏。当算力、语料、模型的获取成本被压低后，中小企业开展AI场景验证的预算门槛显著下降，原本因成本原因搁置的应用试点得以启动，场景落地的试错周期相应缩短。

数据要素与大模型生态的联动

将算力、语料、模型作为可流通的「券」来发放，还具有激活数据要素供给的政策含义。语料券在降低需求侧获取成本的同时，客观上为高质量语料交易创造了需求基础，有助于带动数据要素市场的供需对接。这也是江苏作为省级主体，以数据要素和大模型生态撬动AI产业落地的标志性政策动作。

从地方竞争的产业逻辑看，此举属于地方竞逐AI产业的又一省级实践，具有明显的政策信号意义。其后续效果取决于几个关键变量：券种的发放规模与覆盖广度、核销机制的操作便利性、以及供给侧（算力服务商、语料供给方、模型服务商）能否相应扩容以承接需求。若上述环节衔接顺畅，三类券有望成为观察地方AI应用渗透率提升的有效先行指标；反之，若券种使用范围受限或供给端响应不足，其激励效果将打折扣。

总体而言，江苏新政标志着地方AI产业支持从“给钱”到“给要素”的方法论升级，其核心价值在于以精准激励撬动中小企业与应用侧主体的AI接入，从而加速下游场景的规模化落地。

数据要素：供给端激活

从通用补贴到定向券种的政策转向

在江苏省发展改革委会同省委网信办、省工业和信息化厅联合出台的支持人工智能发展新政中，词元券、语料券、模型券三类补贴工具构成了一个覆盖AI产业链关键环节的激励体系：词元券对应算力消耗环节，语料券对应高质量语料获取环节，模型券对应大模型服务采购环节。三类券种的组合设计，体现了政策制定者对AI生产要素结构的完整理解——算力、数据、模型三者缺一不可。

其中，语料券最值得关注。与词元券、模型券相比，语料券直接指向当前AI产业发展中最为稀缺的要素——高质量训练数据。这标志着地方政策视角从算力等“看得见”的硬件基础设施，延伸到了数据要素这一“看不见却更难获得”的供给端环节。

需求侧补贴撬动供给侧生产

语料券的政策设计遵循的是典型的需求侧撬动逻辑。政策并不直接补贴数据生产方，而是以补贴方式降低企业获取训练语料的成本，通过采购需求拉动语料的生产、加工与流通。这一传导路径可以概括为：

这一机制与传统的项目制资金补贴存在本质差异。传统补贴通常以项目立项为载体，资金流向和用途难以精确追踪；而券种设计将补贴嵌入具体的采购交易环节，每一张券对应一次真实的要素获取行为，补贴效率和使用方向更加透明可控。对企业而言，券降低了获取语料的边际成本，使得原本因数据价格高企而搁置的模型训练计划变得可行；对数据供给方而言，需求端的稳定放量为其投入数据清洗、标注、加工等环节提供了商业动力。

省级实践的样本意义

江苏此番政策动作的产业背景，是各地在AI产业竞争中对数据要素的日益重视。训练语料的获取成本和质量，已成为影响大模型企业区域布局决策的重要因素之一。将算力token、训练语料、大模型服务统一纳入“券”的流通框架，意味着地方政府对AI产业的支持从粗放式资金投放，转向面向推理、训练、模型调用等具体技术环节的精准激励。

从数据要素市场建设的角度看，语料券提供了观察省级实践的几个维度：

一是确权与流通的衔接问题。 语料券的兑现需要以可交易的语料产品为前提，这客观上要求数据提供方完成数据加工、确权与产品化的前置工作，可能间接推动区域内数据产品供给的规范化。

二是公共数据与市场数据的协同。 高质量语料的供给既依赖企业自有数据的市场化流通，也依赖政务、科研等公共数据的开放供给。券制工具能否有效衔接两类数据源，将影响政策效果的上限。

三是可复制性。 券种设计具有清晰的操作边界和成本可控性，若江苏实践取得预期效果，这一模式存在向其他省份推广的可能，从而为全国层面的数据要素市场化配置提供地方经验。

待观察的问题

客观而言，语料券政策的效果仍需时间检验。其一，券的补贴额度与企业真实语料需求之间的匹配度，决定了政策的边际效用；其二，高质量的中文语料供给能力并非短期内可以形成，需求侧的拉动能否转化为供给侧的产能扩张，取决于数据加工产业的基础；其三，语料交易中涉及的版权归属与合规使用问题，是数据流通领域的共性挑战，券制工具在激励交易的同时，也需要与数据合规监管框架相衔接。这些问题的演进，将在后续观察中持续跟踪。

总体来看，江苏以语料券激活高质量数据要素供给的政策设计，体现了地方政府从“给钱”到“给要素”的思路转变。其最终成效，取决于补贴撬动的需求能否真正转化为可持续的语料生产与流通生态——这也正是数据要素市场建设从政策文件走向产业实践的关键一步。

趋势判断：地方竞逐与扩散

一、江苏实践的标志性意义

江苏此番由省发展改革委会同省委网信办、省工业和信息化厅等多部门联合推出词元券、语料券、模型券三类支持工具，覆盖算力消耗、高质量语料获取和大模型服务采购三个关键环节。从政策工具设计的角度看，其标志性意义体现在三个层面。

第一，补贴形态的结构性转换。传统财政补贴多以项目奖励、事后奖补的形式投放，资金用途宽泛、与企业实际要素消耗之间的对应关系较弱。江苏将补贴改造为指向具体要素的定向券种——词元券对应算力token消耗，语料券对应高质量训练数据获取，模型券对应大模型服务采购——使财政资源与企业在推理、训练、模型调用等环节的真实支出直接挂钩，激励的精准度和可核验性均有提升。

第二，政策对象从“企业主体”转向“要素环节”。券种设计隐含了一个判断：AI产业落地的瓶颈不仅在于企业自身能力，更在于算力、语料、模型三类基础要素的获取成本。以券的形式降低要素价格，实质是以需求侧补贴撬动供给侧供给，带动本地数据要素流通和大模型生态培育。

第三，多部门协同的组织信号。发改、网信、工信部门联合出台，显示该政策并非单一口径的产业扶持，而是兼顾产业发展、数据要素治理与安全合规的综合安排，具有省级层面统筹推进的权重。

二、从工具创新到区域竞逐的产业逻辑

江苏并非首个以要素券支持产业发展的地区——科技创新券、数据券等工具此前已在多地试点。但将券种体系化地指向AI三要素（算力、语料、模型），江苏属于较早的省级完整实践，其示范效应可从以下路径理解。

其一，可复制性强。券种工具不依赖特殊资源禀赋，操作上依托现有财政补贴流程即可改造，其他省份跟进的制度成本较低。

其二，竞逐动力明确。在各地普遍将AI列为战略性产业的背景下，要素成本补贴直接影响企业选址、模型团队落地和语料供给方的区域流向，地方存在明确的政策竞争动机。

其三，政策迭代空间大。券种是模块化工具，各地可在江苏三类券的基础上增减调整——例如面向垂直行业语料的专项券、面向中小企业模型调用的普惠券等，形成差异化的地方版本。

这一扩散过程可概括为：

三、值得关注的几个变量

未来地方AI要素券政策的竞逐格局中，以下变量值得关注：

政策同质化风险。若各地券种设计趋同，竞争将退化为补贴额度的比较，政策边际效果递减。差异化方向大概率在语料资源禀赋（如行业数据富集地区）与模型服务生态（如本地大模型企业聚集区）上展开。

资金可持续性。算力token与模型调用属于持续性支出，券种补贴若长期化，对地方财政形成滚动压力，后续可能引入分级发放、退坡机制或绩效挂钩的设计。

券的流通与结算机制。券要真正发挥要素激励作用，需要明确的兑付对象、核销规则和数据留存要求，这一层面的实施细则将决定政策的实际落地效果，也可能成为各地竞争的下一个焦点。

区域协同与规范空间。若多地竞相加码，上级层面可能对补贴规则、公平竞争边界提出规范性要求，地方政策的合规框架有待观察。

四、小结

江苏的词元券、语料券、模型券，本质上是地方政府对AI生产要素的一次“定价介入”——以定向补贴降低企业获取算力、语料和模型服务的成本。作为省级层面的系统性实践，其政策信号意义大于单一政策的直接效应：它验证了“要素券”作为AI产业支持工具的可行性，也为其他地区提供了可参照的制度模板。预计未来一至两年，将有更多省份和城市推出本地化的券种体系，地方AI要素政策将从江苏的“单点创新”走向“多点竞逐”，竞争的焦点由是否出台，逐步转向券种设计的精细度、兑付机制的成熟度以及本地要素生态的实际供给能力。