AI研究者解析AI分词：从Token到词元的演进与分位量化
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
日前，在中国发展高层论坛2026年年会上，国家数据局局长刘烈宏明确将Token称为“词元”，并将它定义为“结算单位”。作为一名长期跟踪人工智能发展的研究人员，我一下子就捕捉到这个表述的变化。这个变化背后的分量很重。
它意味着，我国人工智能正在从“能力布局”迈向“能力结算”，从模型好不好，转向智能服务如何计量、如何定价、如何交易。过去，很多企业采购软件，买的是许可证、账号数和部署周期；如今，越来越多企业采购的，是可调用、可核算、可复盘的智能服务量。
词元，正是那个把智能服务折算成成本与价值的刻度。真正值得重视的，不只是一个译名，而是一个计量体系正在成形。
数据显示，2024年初，中国日均词元调用量为1000亿；到2025年底，跃升至100万亿；到2026年3月，已突破140万亿，两年增长超过1000倍。自2026年1月底以来，有的模型企业创下20天收入超过2025年全年总收入的业绩纪录。
短短两组数据，已经足以说明一个事实：词元不再只是技术指标，而正在成为人工智能商业化速度、应用深度和产业景气度的重要观测值。
中文语境下，给Token定名为“词元”，格外有意义。它比“词”更准确，也比“令牌”“标记”更贴近语言处理场景。特别是强调了“基础单元”这个属性，既方便公众理解，也有助于产业、媒体和政策口径统一。
但如果把2026年3月23日看成“词元”横空出世的时刻，也并不准确。事实上，Token并不是大模型爆红后才临时冒出来的新词。
往前追溯，在学理脉络上，它可追溯至20世纪初研究者提出的type-token区分，随后进入语言学、计算语言学和自然语言处理领域，成为文本处理的基础概念。在中文规范体系，2018年已有计算机学科术语规范工具书，将相关场景下的Token译为“词元”。
词元本质上是大模型处理信息的最小信息单元。人类说出一句话之后，模型要先把文本切分成词元，再把词元映射成编号，随后才能完成关联、推断和生成。
这也是为什么同样一句中文，在不同模型里，词元数量往往并不相同。切分规则不同，成本就不同，速度就不同，可容纳的上下文长度也会不同。
为何词元调用量快速攀升到140万亿？答案不是简单的“聊天变多了”，而是应用形态变了。对话应用消耗词元，长流程任务更消耗词元，调用工具、读取文档、连续规划、多轮反馈，同样都要反复吃进上下文、生成新输出。表面看，用户只是让模型“帮我做件事”，而系统内部，实际上是一次次高密度的信息拆分、调用和结算。
正如刘烈宏在同一场演讲中所说的：人工智能正从“对话”走向“决策执行”，智能体正在驱动中国大模型应用规模爆发式增长。
另一方面，词元调用增长越快，越说明数据供给体系正在跟上模型推理与应用消耗的节奏，也说明数据、模型、场景与商业闭环开始贯通，“词元经济”雏形正在显现，“数据供给—价值释放”的良性循环已初现端倪。
但词元多，并不自动等于智能强。
我在和企业交流时，常会碰到一种误解：是不是词元消耗得越多，模型就越聪明、答案就越好？
事实并非如此。词元更像水表和电表，负责记录消耗，不负责保证质量。真正决定结果的，仍然是模型能力、数据质量、任务设计和提示组织方式。
一句话：没有高质量数据，词元只是空转；没有合适场景，再便宜的词元也难以转化出真正的生产力。
词元像是一块很小的砖，却可能正在垫高一个时代的门槛。很多人第一次听见“词元”时，会觉得它抽象、陌生。但从此刻起，词元正像“字节”“流量”“千瓦时”那样，成为普通人必须逐步理解的新单位。这也意味着人工智能开始被纳入更成熟的经济叙事。
2025年8月28日，参展商与观展者在2025中国国际大数据产业博览会会场交流城市数智化实践情况。新华社记者陶亮 摄
我第一次强烈意识到词元的这种叙事改变，不是在实验室，而是在一张预算表前。
前段时间，我和几位企业负责人讨论大模型接入方案。大家谈完模型能力、幻觉率、知识库召回率，财务负责人忽然指着一行费用问我：为什么这套系统不是按账号数收费，也不是按调用次数收费，而是按“月度词元消耗量”核算？
那一刻，我意识到，词元已经像工业时代的度电、互联网时代的流量一样，成为企业理解人工智能时代“成本”的新度量衡。它不只服务于技术研发，也会越来越多地出现在预算表、采购单、报价单和监管语境里。
我们当然不能把一个时代的变化，全部压缩进一个术语里。但有些时候，一个术语的正式定名，恰恰标志着一个产业阶段已经悄然切换。今天的词元，也许就站在这样的节点上。
等到更多人读懂词元，人工智能的落地方式也会被重新理解。以后再听到“这个模型很费词元”“上下文又超了”“本月词元预算不够了”时，我们不妨少一点陌生感。这也在提醒我们：人工智能已经不只是在展示聪明，它正在像水、电、网络和云资源一样，被精确计量，被持续调度，被大规模交易。
真正变化的，也从来不只是一个中文名字。（作者系赛迪研究院人工智能研究中心副研究员钟新龙）
相关攻略
从“动口”到“动手”：OpenClaw如何将AI推入“执行时代”？ 文｜洞见新研社 3月的最后一周，OpenClaw的GitHub社区上演了一出反转剧。往日里忙着报错的开发者们这次成了观众，主角换成了来自蚂蚁、天融信、360等机构的安全研究员，他们密集披露了数十个涉及远程接管、信息泄露的高风险漏洞。
程序员惊喜，每月100美元！OpenAI上线全新Pro方案：Codex限时10倍额度 北京时间4月10日凌晨，OpenAI终于落下了重度用户期盼已久的那只靴子：正式推出每月100美元的全新订阅方案。 至此，OpenAI的商业化版图已经清晰地划分为四个核心层级： ·免费版（接入广告） ·每月8美元的G
2026 04 14 一个核心趋势是：未来的商业竞争，本质上是用户注意力资源的争夺战。谁能更精准、高效地连接信息与用户需求，谁就能在市场中赢得关键优势。 本文配图深刻揭示了这种高效连接的底层逻辑与完整工作流。它系统展示了从数据采集到价值交付的闭环链路，每个环节都紧密耦合。实践证明，其中任一节点的效率
AI行业迎来关键转折：从“烧钱补贴”迈入“商业化定价”新阶段。被市场誉为“Token第一股”的迅策科技(03317)迎来重大利好。近期，国泰君安国际大幅上调其目标价至245港元 股。多重因素驱动下，迅策有望成为AI领域“千亿市值俱乐部”的有力竞争者。 中国AI实现弯道超车：成本优势构筑核心壁垒 全球
新智元报道编辑：元宇【新智元导读】一个让AI像原始人一样说话的插件，在HN上一夜爆火，冲破2w星。它的核心只是一条简单粗暴的prompt：删掉冠词、客套和一切废话，号称能省下75%的输出token。
热门专题
热门推荐
语言大模型 提到“语言大模型”这个词，大家可能已经不陌生了。它本质上是一类基于深度学习算法，通过海量自然语言数据“喂养”出来的超级神经网络。这些模型在理解和生乘人类语言方面，展现出了惊人的能力。那么，它的核心特征究竟有哪些呢？我们来逐一拆解。 强大的语言生成和理解能力 这无疑是其最引人瞩目的光环。一
数据挖掘的完整流程：从问题定义到价值落地 谈及数据挖掘，很多人的第一反应是复杂的算法和代码。但数据挖掘的真正魅力，远不止于此。它应该是一套严谨、系统的方法论，驱动我们从未被充分利用的数据中提取出能指导行动的真知。这个完整的过程，环环相扣，缺一不可。 第一步：定义问题——找准起点，明确方向 万事开头难
正确认识RPA技术 智能时代的浪潮已经到来，新技术的涌现和发展是不可逆转的趋势。对于财务人员而言，首先要明确一点：RPA技术本质上是一种按预设程序执行重复性业务的信息处理工具。它不具备人类的思维能力、应变能力，更谈不上预测能力和职业判断。换个角度看，这其实是个好消息——财务人员完全可以成为这项技术的
RPA如何处理文本分类任务？深度解析其优势、挑战与未来 提到RPA（机器人过程自动化），都知道它擅长处理规则明确的重复性任务。但如果任务里混入了大量非结构化的文本信息呢？这就不得不请出它的一个重要搭档——文本分类技术。作为自然语言处理的基础任务，文本分类能将这些散乱的文本数据自动归入预设的类别，为后
自动化办公软件：企业效率提升的关键引擎 在当今快节奏的商业环境中，自动化办公软件早已不再是一个可选项，而是企业提升竞争力、实现高效运营的标配工具。它的核心价值在于，能够系统性地将人力资源从大量重复、繁琐的事务中解放出来，从而聚焦于更有创造性、战略性的工作。最终，它不仅能显著降低运营成本、提升工作质量