Token调用量日均140万亿次 你每问AI一句话，背后都在消耗什么？

编者按：　　

日均140万亿次的Token调用量，见证AI应用的井喷式爆发，也勾勒出中国词元经济的强劲脉动。

什么是“词元”？词元经济是什么？它正如何改变我们的工作和生活？南都大数据研究院推出“词元崛起”系列报道，从科普解码到趋势剖析，从落地实践到风险预警，更聚焦广东如何凭算力底座与生态优势抢占先机，拆解词元经济的底层逻辑，探寻其发展中的机遇与挑战，与您一同读懂这一重塑未来的新经济力量。

第一期，一文读懂AI处理信息的基本单位“词元”。

超140万亿——这是到今年3月，我国的日均Token调用量。而我们让AI翻译的每一句话，写的每一份周报，修的每一张图片，乃至向AI的每一次吐槽，都在为这个天文数字“添砖加瓦”。

国家数据局局长刘烈宏指出，词元不仅是智能时代的价值锚点，更是连接技术供给与商业需求的“结算单位”。Token(词元)到底是什么？它和AI有什么关系？又为什么被看作智能社会的重要基础资源与核心生产要素？南都大数据研究院带你读懂。

　　AI世界的最小“信息块”　　

首先需要区分的是，Token在不同领域被赋予了不同的使命，由此衍生出不一样的叫法。在区块链领域，Token常被译为“代币、通证”，强调其价值载体、流通凭证的属性；在网络安全领域，Token则常被译为“令牌、记号、标记”，指用于验证身份、传递权限的标识符号。

最近爆火的“词元”，是人工智能领域名词Token的中文名。根据由全国数据标准化技术委员会归口的《数据基础术语》国家标准(征求意见稿)，词元(Token)的定义是：人工智能领域智能设备中信息存储、处理和交换的具有一定语义的基本符号表达。在大模型中作为模型处理和交换信息的最小单位，具有可计量、可定价、可交易的特征。

如何理解这一定义？我们要先理解AI如何“读懂”人类的话。

语言文字对于人类而言，本身携带意义，但对于大模型来说，文字只是符号，要让大模型处理语言，就必须先把这些文字符号转成数字编号。词元就是这个过程中最关键的基础单位。

当我们向AI输入一段指令，大模型通过分词器(Tokenizer)将字句拆分为小块，也就是词元(Token)，再赋予对应的数字编号(Token ID)，AI模型内部就可以根据训练数据集和设计算法，分析理解Token的含义、Token之间的关系，进而推测我们想要表达的意思。然后，AI会生成一串新的Token，再经由分词器还原回人类能够理解的语言进行输出。

比如，当我们问AI“Token的中文名是什么”时，大模型可能会先将它拆分为“Token/的/中文名/是/什么”5个词元，再根据它们分别对应的数字编号进一步推理计算，最后给出我们“词元”的回答。

同理，我们输入的图像、音视频等多模态，在AI大模型眼里也和文字没有差别，它们都要经由分词器变成数字，都遵循着“把输入的信息切成小块→给每个词元编号→进行计算(模型推理)→生成新编号→再还原成信息输出”的流程。简而言之，技术上，词元就是将人类自然语言进行切分，变成让AI能够理解处理的“语言”的最小单元。

这也就不难理解，为什么“养龙虾”开始风靡后，Token消耗量呈几何级数增长。因为对于AI Agent(智能体)而言，“整理文档”“收发邮件”等看似简单的任务，往往都需要拆分成多个指令，调用数十次乃至上百次大模型推理，而每一次交互背后都要生成与消耗大量Token。

值得一提的是，虽然Token的中文译名是“词元”，但它并不单纯与字词(Word)一一对应，Token既可能是人类语言意义上的短语、单词，也可能是词根、词缀、子词或单个字、标点符号，又或者是图像块、语音片段，我们不能把Token简单换算成“多少个字”或者“多少个词”。

语言、上下文、大模型分词算法和训练语料的不同，可能都会对具体的“拆法”带来区别，导致算出来的Token数相差几倍。比如，“人工智能”一词可能整体被视为一个Token，但如果分词器词表中没有“人工智能”这个整体词，也可能会被拆成“人工”“智能”两个Token；而“artificial intelligence”这个英文短语，则可能被不同的大模型切分为2到4个Token。

一般而言，算法会优先将高频出现的字符组合保留为一个整体，以提高效率。例如，一个2字常用词“中国”可能只占1个Token，而一个罕见单字却可能需要两个Token。另据Open AI官网，1个Token约对应4个英文字符或0.75个英文单词，而非英文文本通常比英文文本消耗更多Token。　　

衡量AI算力成本的“计价器”　　

每一次AI服务调用都对应明确的词元消耗，处理的词元越多，就需要进行更多的计算，消耗更多算力成本，正是词元这种“可计量、可定价、可交易”的特征，使得大多数AI付费服务的费用，能够按照消耗Token数量进行计算。

也就是说，词元不仅是大模型处理信息的最小单位，更是AI算力成本计费的统一度量衡，是连接技术供给与商业需求的结算单位。词元之于AI，如同“度”之于电力，“流量(GB)”之于互联网，词元消耗量越大，意味着AI服务被使用越频繁、产业商业化程度越高。对于普通用户而言，了解Token计费规则，可以让你的“数字员工”“AI搭子”成本更可控。

目前，大多数大模型API的计费方式是：总费用=输入Token数×输入单价+输出Token数×输出单价。

不同模型的价格不同。一般来说，模型越强大、能力越强，Token单价越贵。以Open AI的GPT-5.4为例，其标准版每百万Token的输入价格是经济版nano的12.5倍，输出价格则为12倍。同一个模型输入和输出的Token单价也存在差异，一般输出价格更贵，这主要是由于输出需要更多算力资源。

当然，不同公司的大模型服务定价策略实际更为复杂，除了模型的类型、能力外，还会受到模型的成本、受众以及公司的定位与商业模式等多重影响。

就每百万Token输出价格来看，目前，中国模型普遍在0.42到3.6美元之间，性价比较高；而Open AI的GPT-5.4是15美元，Google的Gemini 3.1 Pro则根据提示词(prompt)长度不同分为12美元和18美元两个价格，Anthropic于近日发布的最新模型Claude Opus 4.7则定价为25美元。　　　　

　　驱动智能社会运转的“基础资源”　　

回到根本，词元不会凭空产生，它是由高性能的GPU在消耗大量电能、完成数千亿次推理运算后产生的数字资产。每一个词元的生成，都对应着算力运转和电力消耗，而这背后的物理存在形式，正是数据中心。

由此可见，词元正是串联起数据、算法(智力)、算力三大核心要素的关键枢纽，不应仅被简单看作AI算力成本的计费单位。当下，围绕词元的生产、交换、分配与消费，一套新的价值体系正在加速演进形成，并成为人工智能产业发展的重要路径。

在英伟达GTC大会的演讲中，英伟达CEO黄仁勋提出，AI行业竞争已从“大模型时代”发展到“词元产能”时代，未来的数据中心将不再是存储文件的仓库，而是“生产Token的工厂”，每瓦特电力的Token吞吐量(能效)会成为决定其竞争力与营收的核心指标。而词元则是AI时代的“新大宗商品”“硬通货”，未来将根据速度和智能程度分层定价，为推理场景打开更广阔的商业化空间。

以数字化为核心的新基建正在成为全球各国争相布局的战略高地。2026年，我国政府工作报告首次明确提出“打造智能经济新形态”，并将“超大规模智算集群、算电协同等新基建工程”纳入重点任务。而电力与算力的协同效率，正是词元生产、调用、分发的核心成本锚点。

可以说，如同水、电一样，词元正成为驱动智能时代社会运转的重要基础资源、核心生产要素，推动AI服务实现可精确计量、可持续调度、大规模交易，与我们的生活工作、企业的长远发展，乃至一个国家的竞争力都息息相关。　

出品：南都大数据研究院

文字：南都研究员 唐静怡

制图：何欣

资料来源：国家数据局、中国科学院、科普中国网、艾媒咨询、公开媒体报道等