“Token”发工资，有人慌了VISTA看天下

不到两个月，“Token”这个原本只被AI行业熟知的黑话，就以前所未有的速度席卷了所有人的生活。

Token是AI理解世界、说话干活的最小单位，好比游戏角色的血条。

当“每一句话都有价格”这件事变得可量化，人们也开始意识到另一件事，被消耗的，其实不只有机器的Token。（图源：《轧戏》剧照）

3月16日，阿里巴巴宣布成立Token事业群，并计划向员工提供Token额度，鼓励员工使用先进的AI工具。在大洋彼岸的英伟达GTC 2026大会上，英伟达创始人黄仁勋发表了两个小时的主题演讲，其中至少提到了70次“Token”，认为Token将成为未来工程师薪资的一部分。

黄仁勋在英伟达GTC 2026大会演讲

Token还成了年轻人“养龙虾破产”的幕后黑手。

“龙虾”指的是AI智能体OpenClaw，号称“24小时打工神器”。你装上它之后，只要在聊天框里动动嘴，它就能自动帮你写邮件、管日程、刷消息。

但很多尝鲜的年轻人，“龙虾”没养明白，钱包先被榨干了。

一位用户在社交平台上发帖称，周末在电脑上安装了“龙虾”，一晚上就问了几句好，查了一些价格数据，就收到了欠费邮件，账户显示Token的可用额度直接变成负数。一位深圳用户刚装上3天，不仅API（应用程序编程接口）的密钥被盗，还收到了一笔1.2万元的账单。

大厂们纷纷跟风，生怕输在起跑线上，互联网上，媒体和网友也都在为Token取中文名。《人民日报》把Token译作“词元”，网友们脑洞大开，争相整活，有人认为可以叫作“模丸”“智子”，有人认为Token可以叫“偷啃”，因为它是真的在“偷偷啃”用户的真金白银。

随着Token被熟知，有网友开始把人的“精力”“情绪价值”都叫作Token。当AI世界的每一次消耗都被Token量化，大家突然意识到，自己每天的耐心、注意力、表达欲，也相当于一种Token。

当你为了推测领导意图而字斟句酌，把一段话改八百遍，当你与不熟的人寒暄还强颜欢笑，甚至是你无意识地刷短视频时，你都在消耗心力。这样说来，人类这一天的Token消耗量怎么也要千万级起步，但可没人给自己充值。

Token量化的不只是AI算力，也是我们每个人的生活。这个迅速火遍全网的Token到底是啥意思？对普通人又意味着什么？

“知心姐姐”只是在切割你的话

“我觉得自己特别失败，好像做什么都不对。”凌晨，小静刚结束工作，满腹委屈无法诉说，于是打开了AI对话框，敲下了自己的烦恼。

“这不是你的错。在这个快节奏的世界里，感到疲惫是正常的。你刚才提到的那件事，其实恰恰证明了你的责任心强……”不出1秒，AI就用一段温暖治愈的文字，稳稳地接住了要碎掉的小静。AI似乎总能听懂并回应打工人的需求，有时，它甚至能理解情绪。

然而，残酷的真相是，这个倾听者并不具备“温柔的灵魂”。AI从头到尾只在做一件事，切割语言。

当小静输入“我觉得自己特别失败”时，AI并没有像人类朋友那样心头一紧。它只是迅速将这句话拆解成了几个独立的编号“我”“觉得”“自己”“特别”“失”“败”。在它眼里，这不是一句伤心的倾诉，而是一串待处理的数学序列。

AI分词成Token的示例（AI生成）

它之所以能回应得如此贴心，不是因为它懂你，而是因为它在海量的数据库里，计算出了在“失败”这个编号后面，接上“安慰”类编号的概率最高。

这种被切割后的最小语言单元，就是Token。

Token就像AI的积木，组合在一起可以成为任何东西。AI会把我们输入的一句话，拆成一个个Token，再逐个预测下一个Token，最终拼成完整回答。而拼这些“积木”，靠的就是AI公司天天挂在嘴边的“算力”，算力越足，拼得越快、越准，烧的Token也越多。

“龙虾”在前台卖力打工时，哪怕是最简单的指令，燃烧的Token也不少。根据澎湃新闻，“龙虾”每完成一次分析任务，一般需要消耗300万左右的Token。你让它一晚上自动处理微信消息，哪怕只是回几个“嗯嗯、好的、晚安、哈哈”，可能都要花几万Token。有网友表示：“和‘龙虾’说一次‘你好’就要花200多Token。”

Token的天花板，就是AI能记住多少事情、做多复杂事情的天花板。这在一项叫作“大海捞针”的测试中尤为明显。“大海捞针”专门用于大语言模型性能评测。想象一下，你给AI一本几百页厚的书（这就是“大海”），然后在书的随机某一页里，悄悄插入一句毫不相关的话，比如“秘密代码是蓝色大象”（这就是“针”）。

表面上看，所有模型都读过这本书，结果却截然不同。

一些Token较小的模型，往往在开头和结尾表现良好，却很难找回中间那句关键信息，就像翻书时只记住了目录和结尾，却把最重要的内容遗漏。而Token更大的模型，则更有可能在整段文本中精准定位，甚至还能指出这句话大概出现在什么位置。

在相关测试图中，红色区域代表模型“没找到那根针”的位置。红色越多，说明模型越容易在长文本中“看过却没记住”。

Claude-2.1的“大海捞针”测试，红色越多，代表AI犯的错越多。（图源 知乎@xyjz）

这也解释了为什么Token的大小，决定的不只是AI能读多长，而是在长上下文环境下的信息提取和记忆能力。

早期的AI模型只支持4K Token的上下文窗口，约等于一篇几千字的文章。这意味着，AI一旦处理长文本，就会出现断片的情况，甚至让用户产生“它是不是在偷懒”的错觉。如今，顶级AI模型的Token容量已经突破百万，能一口气读完《红楼梦》全文，已经能完成复杂的长文本处理、多任务联动。

Token在硅谷已经成了一种新型货币。OpenAI内部已经出现了Token消耗量排行榜，而位居榜首的员工一周之内就能消耗2100亿Token，足够把整个维基百科填满33遍。

图源 英伟达官网