在近期举办的2026年GTC大会上，一个名为"Token"的技术概念引发了广泛关注。这个被英伟达CEO黄仁勋称为AI时代"硬通货"的术语，正逐渐成为衡量人工智能发展水平的核心指标。据介绍，Token作为大语言模型处理信息的基本单元，可以理解为AI系统进行思考、推理和内容生成时消耗的"数字燃料"。每一次AI运算过程，无论是生成文本、图像还是其他形式的内容，都需要消耗相应数量的Token。
随着人工智能技术从模型训练阶段向实际应用阶段转型，Token的消耗量呈现出爆炸式增长态势。黄仁勋将其类比为数字经济时代的石油资源，指出数据中心的运营模式正在发生根本性转变——未来衡量AI基础设施效能的标准将从传统算力转向每瓦电力能生产的Token数量。这种转变源于AI推理服务需求的激增，仅过去一年相关需求就增长了近百倍。
在技术层面，Token代表着文本或其他模态数据被分割后的最小处理单元。它可能是单个汉字、英文单词的一部分，甚至是一个标点符号。大模型的运算过程本质上就是大量Token的流动与重组：从输入端的原始数据，经过模型处理后转化为输出端的结构化信息。这个过程类似于工业生产中的原材料加工，而Token就是贯穿始终的基础材料。
关于Token的中文译名问题，学术界展开了深入讨论。清华大学可持续社会价值研究院院长杨斌教授提出"模元"这一译法，认为该术语能准确反映AI时代的技术特征。他指出，现有译名如"词元""语元"等存在明显局限：前者局限于文本处理场景，后者窄化了技术应用的范围。而"模元"既体现了大模型的技术背景，又延续了"字节"等经典计量单位的命名逻辑，更符合中文表达习惯。
从词源演变来看，Token概念经历了从商业代币到网络安全令牌，再到语言学词例的多次转型。进入AI时代后，其内涵发生了决定性跃迁——从单纯的语言单元升级为可计算、可处理的最小通用单元。这种转变标志着Token正式取代字节，成为衡量数字信息的新基准。杨斌强调，在万亿级产业规模下，核心术语的标准化对技术普及和产业协同至关重要。
市场层面已经形成了完整的Token定价体系。黄仁勋披露了未来可能实施的五级服务价格：基础层提供免费服务但响应较慢；中级层每百万模元收费3美元；高级层6美元；高速层45美元；顶级专业层则高达150美元。定价差异主要取决于模型规模、上下文处理能力和响应速度等参数。这种分层定价模式反映了AI服务的差异化需求特征。
在能源约束条件下，Token生产效率成为企业竞争力的核心指标。黄仁勋预测，未来数据中心将转型为"模元工厂"，其运营效率直接决定生产成本和市场地位。能够在固定电力消耗下生产更多模元的企业，将获得显著的成本优势和更高的利润空间。这种转变正在重塑整个AI产业链的价值分配格局。
商业模式创新方面，传统软件授权制正逐步被"模元租赁"模式取代。黄仁勋描绘了这样的未来图景：软件公司将转型为智能体服务提供商，通过出租具备特定功能的AI助手获取收益，收费标准直接与模元消耗量挂钩。这种变革意味着用户购买的不再是软件工具，而是实际完成的任务量或计算资源使用量，标志着数字经济进入结果导向的新阶段。
