任何经济体都需要价值计量单位。石油经济以桶计量；云计算曾按 CPU 时长计费；而 AI 经济，计量单位就是词元（Token）。

如果你近期接触过 AI，大概率听过 “词元（Token）” 这个词，仿佛所有人都默认懂它的含义。你可能在定价页面看到 “每百万词元（Token）收费 X 美元”，或是听工程师提起某款模型具备 “128K 词元（Token）上下文窗口”。这是一类专业术语，随处可见，却很少有人完整解释。

‍

词元（Token）究竟是什么？

最基础的定义：词元（Token）是一小段数据，是 AI 模型读取与生成内容的基础单元。对于大语言模型（LLM，也就是聊天机器人、写作助手背后的人工智能）而言，词元（Token）可以是单词片段、完整单词，或是标点符号。当你向 AI 系统输入问题时，后台执行的第一步就是把你的句子拆分成若干词元（Token）。

举例来说，英文单词 “unbelievable” 可能会被拆成 “un”、“believ”、“able”。而 “the”、“is” 这类常用短单词，通常一个单词本身就是一个词元（Token）。

‍

‍

所有提示词、输入数据、推理过程以及最终回答，都会被拆解为词元（Token）；每生成一个词元（Token），都会被计量并计费。

模型并不会直接阅读英文。它读取一串词元（Token），将其转化为数字，再对这些数字执行数十亿次数学运算，以此预测下一个应该出现的词元（Token）。之后反复循环这个过程。

将一个个预测得到的词元（Token）依次拼接，就能形成通顺的段落、可运行的代码，或是具备照片级真实感的图像描述。

你无需死记底层运行原理，核心要理解这一点：词元（Token）是 AI 输出的基础单位。不是单词，不是句子，也不是 “一次回复”—— 而是词元（Token）。AI 模型产出的一切内容，无论是聊天机器人的回复、翻译后的文档，还是一段程序代码，都是靠词元（Token）首尾拼接构建而成。

‍

超越文字：万物皆为词元（Token）

文字仅仅是开端。这套逻辑几乎适用于所有类型的数据：图像可以切分成微小图块，每一块就是一个词元（Token）；音频切分成声音片段；视频拆分成帧；程序代码拆分成代码片段。当下前沿模型，也就是业内最庞大、性能最强的尖端 AI 系统，正越来越多地同时读写上述各类数据。

接下来这一点颇具颠覆性：下一代 AI 的能力不只是回答问题，而是理解物理世界并在物理世界执行动作。世界模型通过学习海量视频与传感器数据，掌握现实世界的运行规律 —— 物体如何移动、坠落、碰撞、相互作用，而所有这些数据都会被转化为词元（Token）。物理 AI 则把这套认知落地到机器人、自动驾驶汽车与自动化工厂中。

自动驾驶汽车或人形机器人不会停止工作。每一毫秒，它都会从摄像头、雷达和运动传感器获取连续数据流，转化为词元（Token），预测后续场景变化，并决定自身的运动方式。只要处于 “运行状态”，它就一刻不停地生成词元（Token）。当数百万台机器人与车辆同时运行，全球对词元（Token）的需求就不再只是一个庞大的数字，而是演变成一种全新的基础资源，重要程度堪比电力。

‍

‍

科研领域：词元（Token）消耗最大，前景也最可期

消耗词元（Token）量最高的场景之一，同时也最充满希望：科学研究。对 AI 模型来说，生命的语言和其他语言一样可读，DNA、蛋白质与分子全部可以转化为词元（Token）。

Arc 研究所联合英伟达与斯坦福大学开发的基因组模型 Evo 2，学习了取自约 12.8 万个基因组（涵盖细菌、植物到人类）、总量超过 9.3 万亿个 DNA 碱基字符的数据，能够帮助定位引发疾病的基因突变⁽¹⁾。

谷歌深度思维的 AlphaFold，其研发团队斩获 2024 年诺贝尔化学奖；该模型已经预测出约 2 亿个蛋白质结构。放在过去，科学家研究单个蛋白质的结构往往需要耗费数年时间⁽²⁾。

如今研究人员正利用 AI 筛选海量候选药物分子、判读医学影像、设计全新蛋白质，寻找癌症、糖尿病以及数十年来难以攻克疾病的治疗方案。每一项这类实验，都依赖词元（Token），而且消耗量巨大。这提醒我们：支撑 AI 运行的数据中心，产出的不只是聊天回复，更有可能诞生改变生命、拯救生命的突破性成果。

‍

藏在表象之下的词元（Token）

当你向 AI 提问，你只能看到两样东西：你的问题和它给出的回答。但在后台，一共有三类词元（Token）在发挥作用。

输入词元（Token）：模型读取的全部内容，包括你的问题，以及回答所需查阅的文档、图片、对话历史和指令。如果你让它总结一份 50 页的报告，那么整份 50 页内容都会计入输入词元（Token）。

‍

智能体 AI：一句提问，背后数百步操作

智能体 AI，会让这座 “冰山” 变得更加庞大。AI 智能体不只是回答问题，而是完成一项完整任务。它会规划任务、调用工具（网页搜索、地图、日历、预订网站），校验执行结果，持续操作直到任务完成。

举一个看似简单的需求：“帮我找酒店附近合适的意大利餐厅，周五晚上 7 点用餐，环境安静，适合商务晚餐。” 想要妥善完成这项任务，智能体可能需要执行以下步骤： 理清你的真实诉求，规划执行方案。 查询你的酒店位置，调用地图服务搜索周边方便抵达的意大利餐厅。 读取二三十家候选餐厅的详细信息，包括菜单、价格、位置。 浏览大量用户评价，从中了解菜品、服务，重点关注环境噪音情况。 调取你的用户偏好：比如你是素食者，或是不希望选择连锁餐厅。 查询周五晚 7 点的营业时间与座位余量。 综合评估各个选项，撰写推荐内容，甚至直接完成预订。

上述每一步都在消耗词元（Token）：读取搜索结果、评价内容消耗输入词元（Token）；判断下一步动作消耗推理词元（Token）；向工具发送指令消耗输出词元（Token）。普通聊天回复可能只消耗几百个词元（Token）；而一个智能体完整完成这项任务，即便在你看来只是简短提问和简短回复，也很容易消耗数万个词元（Token）。

这并非假想场景。单是代码智能体，随着不断累积上下文、检索信息，词元（Token）消耗量可达普通对话的 10 至 50 倍⁽³⁾。AI 智能体数量正在爆发式增长：调研机构 IDC 预测，全球在用 AI 智能体数量将从 2025 年约 2900 万，增长至 2030 年超 22 亿个⁽⁴⁾。试想数十亿智能体全天候处理事务、编写代码、管理供应链、服务客户，不难理解为什么词元（Token）的需求增长速度如此惊人。

‍

词元（Token）的重要性远超想象

从商业视角看，重点就在这里。词元（Token）不只是 AI 模型底层的一项技术细节，更是整个 AI 行业实实在在的交易计量单位。

企业大多不会直接在聊天窗口使用 AI，而是通过 API 调用模型，并按词元（Token）计费。模型读取的每一段输入词元（Token）、用于推理调研计算的每一个词元（Token）、生成的每一段输出词元（Token），都对应相应费用。客服 AI 处理工单、代码助手编写函数、研究工具总结报告 —— 全部按词元（Token）计量计费，就像电力按千瓦时计量收费。

这是一次重大变革。早期云计算时代，企业按算力容量付费：虚拟机只要开机运行，无论有没有产出有效工作，都要计费。这套模式并未消失：很多 AI 实验室和大型企业依旧按小时租用 GPU，尤其是用于训练自有模型。但对于绝大多数使用 AI 的企业，付费模式正在转向按产出付费。你为模型实际产出的内容买单，词元（Token）就是这个产出单位。（租用 GPU 和按词元（Token）付费，二者背后的 AI 经济逻辑差异，我们会在第四篇博客深入探讨。）

所以 “AI 的货币” 不只是一句吸睛的比喻。货币是代表价值、可用于交换的标准化计量单位。词元（Token）在 AI 经济里几乎完美契合这个定义：具备标准化（各家厂商统计口径略有差异，但都会统计词元（Token））、承载价值（客户付费的对象就是词元（Token））、可交易（企业采购算力，专门用来生成、售卖词元（Token））。

‍

简单示例

假设一家中型企业部署 AI 助手，用来起草客户邮件。每一封邮件的生成，会消耗几百个输入词元（Token）（提示词、上下文、参考文档），生成几百个输出词元（Token）（邮件正文），外加模型在思考过程产生的推理词元（Token）。一天数千封邮件累积下来，词元（Token）用量会转化成真实可统计的成本；账单明细程度，就像电话清单逐条列出通话时长与短信条数。

‍

把规模继续放大，数字会超乎想象。2024 年 5 月，谷歌旗下产品每月处理 9.7 万亿词元（Token）。一年之后，达到 480 万亿。到 2026 年 5 月，月处理量突破 3.2 千万亿词元（Token），短短两年增长超 300 倍⁽⁵⁾。1 千万亿等于 1000 万亿。分摊到整月，单家公司每秒处理超 10 亿词元（Token），并且数字还在持续攀升，仅过去一年就增长 7 倍⁽⁵⁾。

全球趋势皆是如此。中国国家数据局数据显示，中国词元（Token）用量从 2024 年初每日 1000 亿，增长至 2026 年 3 月每日超 140 万亿，两年增幅上千倍⁽³⁾。中国电信研究院预测，仅中国市场，2026 年词元（Token）消耗量将达到 100 千万亿；2030 年年度消耗量将突破 35 亿亿⁽⁴⁾。1 亿亿等于 1 百万万亿，也就是 1 后面 18 个 0。

‍

海量词元（Token）产自何处？

这样量级的数据，彻底改变讨论的视角。当词元（Token）以千万亿量级生产时，哪怕单个词元（Token）的生产成本出现微小差异，累积起来都会形成巨额成本。这就引出一个关键问题：海量的词元（Token）究竟产自哪里？什么因素决定它的生产效率？

在下一篇博客，我们将走进 AI 工厂 —— 这种专门用于生产词元（Token）的全新工业设施，认识 AI 基础设施领域当下最重要指标：每瓦词元（Token）产出量（Tokens per Watt）。

本篇核心结论很简单：词元（Token）是 AI 的产出物，也是客户付费标的；它的生产规模已经达到难以想象的水平。读懂词元（Token），是理解 AI 经济底层运行逻辑的第一步。

‍

参考文献

[1] Arc Institute，《借助 Evo 2，AI 现已能够对所有生命领域的遗传代码进行建模与设计》，2025 年 2 月。https://arcinstitute.org/news/evo2
[2] 瑞典皇家科学院，《2024 年诺贝尔化学奖》新闻稿，2024 年 10 月 9 日。https://www.nobelprize.org/prizes/chemistry/2024/press-release/
[3] 中国国际电视台，《中国算力网络建设推进，AI 词元（Token）使用量激增》，2026 年 6 月 18 日（引用中国国家数据局）。https://news.cgtn.com/news/2026-06-18/China-builds-computing-network-as-AI-token-usage-skyrockets-1O4tgBLAnxS/share_amp.html
[4] 中国国际电视台，《报告：中国 2026 年词元（Token）消耗量将达 100 千万亿》，2026 年 9 月 13 日（引用中国电信研究院与 IDC）。https://news.cgtn.com/news/2026-09-13/Report-China-s-token-consumption-to-reach-100-quadrillion-in-2026-1QoRwSLhAhG/share_amp.html
[5] 桑达尔・皮查伊，《Google I/O 2026：迈入 Gemini 智能体时代》，谷歌，2026 年 5 月 19 日。https://blog.google/innovation-and-ai/sundar-pichai-io-2026/