高校开始发 Token 了｜每人每天 1 亿，算力正在成为大学新基建

过去两年，大学生想用大模型跑代码、调试智能体，通常得自己充值买额度。2026 年这条路径变了：中国科学技术大学、北京邮电大学、同济大学、清华大学、北京大学等高校陆续把大模型 Token、算力账户、算力券直接发到师生账户里，登录校园统一身份认证就能领。AI 使用额度正从少数课题组才有的科研资源，变成学校统一配置的一项基础资源。

中国科大「词元计划」

一、五所学校，五种发法

先看清单。各校上线时间集中在 2026 年下半年，但发放形式、计量单位和覆盖范围差别很大。

校际合作层面还有更大的盘子：福建移动围绕高校 AI 创意大赛，面向全省 90 所高校规划约 2500 亿 Token 的免费调用额度。需要说清楚的是，Token、积分、Credits、算力券并不是统一计价单位，各家模型单价和兑换规则也不同，把数字直接横向比较谁更大方并不成立。

中国科大「词元计划」公告页面

二、都在说「发 Token」，其实是三条技术路线

把五所学校的做法拆开，能看出三种不同的供给逻辑，对应的使用场景也不一样。

第一条是按量发额度。中科大和同济属于这一类，直接把模型调用量或可兑换积分发到个人账户，适合写代码、查资料、分析数据、做多模态生成这类以调用为主的场景。好处是门槛低、开通即用；限制是额度按天或按周重置，不能长期囤积。

北邮「人人有算力」平台额度页面

第二条是发算力账户。北邮不把每次提问、每行代码折算成 Token，而是给一台预装好模型环境的虚拟服务器，学生可以直接开发智能体、跑作业队列。这条路线更适合工程实践和需要本地部署的场景，作业与科研数据留在校内，也降低了外泄风险。

同济大学人工智能服务平台

第三条是发券和工具授权。清华的算力券覆盖模型 API、GPU、计算集群，是通用算力补贴；北大的 Qoder 则绑定具体编程智能体，属于软件工具授权。两者都不以 Token 为唯一计量，更强调与课程、科研项目的衔接。

三、为什么集中在 2026 年

四股力量叠到了一起。

政策层面已经铺好路。2026 年 4 月，教育部等五部门印发《「人工智能+教育」行动计划》，提出建设国家教育智能算力服务平台，有效汇聚算力、数据、模型、工具等创新资源；用好教育和科研计算机网，连接国家算力训练场、国家算力枢纽、企业和高校，整合智算、通算、超算资源；并鼓励省级教育行政部门利用全国一体化算力网提供算力保障。从国家枢纽、教育科研网到校级平台，再到学生账户里的额度，通道正在被逐级打通。

成本是学生端最直接的痛点。批量跑代码、连续执行复杂智能体任务，Token 消耗相当可观；市面上的免费工具在学习科研的高频场景里往往不够用，重度使用需要付费。学校统一采购后按人发放，等于把这笔开支从学生个人转移到学校公共预算。

数据安全是另一重考虑。为省钱去找来源不明的工具，可能把作业数据和未发表的研究材料送出去。校内平台配合本地部署，让数据流向可管可控，这也是北邮选择算力账户而非纯 API 额度的原因之一。

高校对 AI 的态度完成了转向。两年前校园里讨论 AI，关键词是作弊、代写、检测；现在换成 Token、额度、平台，管理方式从限制使用转向提供合规资源。清华大学苏世民书院院长薛澜在近期论坛上提到，过去评价一所学校看体育馆、图书馆，今后算力平台、大模型数据中心、智能导师、高性能网络可能才是重要基础设施。香港大学计算与数据科学学院助理院长李弘扬说得更直接：给每个学生按月配发一定额度的 Token，大学最该改的是这件事。

四、额度发下去，真的被用掉了吗

比方案更值得看的是使用数据，这几个数字说明额度不是停在通知里的福利。

清华算力券支持计划现场

五、发额度容易，管额度更见功夫

各校几乎同步配上了治理规则，这部分常被忽略，却决定了资源能不能长期跑下去。

• 用途限定。清华要求算力券限申领人本人用于校内课程学习、学术科研、科创实践等非营利用途，系统接入统一身份认证，做到可核验、可追溯。
• 闲置回收。北大设置账号回收机制，当月实际使用量不足获赠额度三分之一的账号可能被收回，需要时重新申领，遵循「高质量使用、按需申请」。
• 学术与保密红线。北大明确要求遵守法律法规和学校管理规定，恪守科研诚信与学术规范，不得处理涉密或敏感数据。
• 配套支持。清华算力券 2.0 提供 7×24 小时技术支持，含专属顾问、算力应用培训讲座和常用 AI 软件优化建议；北邮把裸算力、API、模型服务、智能体做成统一服务超市。

北大校内门户 Qoder 额度申请页面

六、额度解决不了的那一半

把这些方案合起来看，学校解决的是「用不用得上」，回答不了「用来干什么」。同样一份额度，可以用来啃完一本难读的专业书、反复验证一组实验数据、把一段代码打磨到干净，也可能只是替自己把作业交得更快。账户里的数字一样，练出来的能力可以差很远。

压力最终会落到课堂和评价方式上。李弘扬举过一个例子：他备一次课要准备 100 多页 PPT，学生用 AI 五分钟就能提炼出要点；过去需要一学期完成的课程作业，借助工具一周就能做完。当知识获取和初稿生成都不再稀缺，作业若还停留在「复述与整理」，考核的其实已经不是学生。

北京大学光华管理学院院长田轩的判断可以作为另一侧的参照：AI 能快速回答问题，但提出好问题、对的问题、真正有价值的问题，仍是人类不可替代的优势；软性知识、未然知识以及同辈交流中的成长，也无法由 AI 完全替代。他把重点放在提问能力、批判性判断能力和共情能力上。

还有一个更长的议题：额度发放在托底教育公平的同时，也可能因为校际投入差异形成新的资源落差。国家教育智能算力服务平台和省级算力保障能否把这条差距抹平，需要持续观察，不能靠一次性的额度发放下结论。

接下来值得盯的三件事

一是覆盖范围会不会从「新生试点」扩到全体师生、从几所高校扩到地方院校；二是额度规则能否稳定下来，让课程设计敢于把 AI 调用写进教学要求；三是评价方式是否跟着改——如果考试和作业不变，再多的 Token 也只是让旧流程跑得更快。

算力成为校园基础设施，这一步已经发生。真正难的部分在后面：让工具辅助学生长出能力，而不是替他们把任务完成。