“我提議將‘token’譯為‘模元’。”近日，清華大學可持續社會價值研究院院長、經濟管理學院教授楊斌在接受人民網記者專訪時表示，為AI時代的關鍵詞“token”進行中文定名，已成為實踐中的迫切需要。

在近日英偉達舉辦的2026年GTC大會上，“token”一詞在首席執行官黃仁勛的主題演講中累計出現超70次，成為貫穿全程的核心主線。國家數據局統計顯示，截至2025年9月底，我國日均token消耗量已突破40萬億，和2024年初相比增長400多倍，反映出我國人工智能產業的迅猛發展。

談及這些現象，楊斌表示，token作為AI時代的核心經濟標尺，兼具信息單位、算力單位和貨幣單位三重屬性，是AI思考的最小單元，也是算力消耗的核算基准和智能服務的價值度量。

他建議，將token的中文譯名統一為“模元”，以推動AI技術在中國更廣泛地普及和應用。

“token一詞在中文世界缺乏統一、精准的翻譯，這成為AI從專業圈層走向全民普惠的語言障礙。”楊斌表示，當前業界普遍直接使用英文詞“token”交流，對於未接受AI專業訓練的普通大眾與傳統行業從業者而言，生硬插入的英文名詞帶來了強烈的距離感與認知隔閡。

楊斌詳細梳理了“token”一詞的發展脈絡——它源自古英語，本義為“標志、符號、証明”，核心是“可被識別、承載特定信息或功能的基本單元”。歷經中世紀商業代幣、網絡安全令牌、語言學“詞例”的演變，token在進入AI大模型爆發后完成了“決定性”的躍遷——從語言學碎片化單元，升級為AI模型可計算、可處理的最小通用單元，並正式取代互聯網時代的“字節”，成為AI時代的基礎度量衡。

談及為何選擇“模元”而非此前出現的“詞元”“語元”“義節”等譯法，楊斌分析說，“詞元”被“詞”字鎖死在文本場景，無法適配多模態、物理AI的應用形態﹔“語元”囿於語言范疇，窄化了token作為模型通用處理單元的本質﹔“義節”過度聚焦語義，忽略了token純特征、結構化處理的屬性﹔而“托肯”“屯”等單純音譯，徒有其音、缺乏實義，普遍接受度低，還會加重非專業人群的理解負擔。這些譯名要麼局限於單一領域，要麼缺乏度量衡的嚴謹性，無法承載token作為AI產業核心錨點的價值。

“‘模’直指大模型、多模態，錨定AI場景的核心屬性﹔‘元’代表最小基本單元，承續‘字節’這類中文經典度量單位的命名邏輯。簡潔直白、通俗易懂。”楊斌說。

他進一步闡釋了“模元”這一譯法的三大優勢：對大眾友好，無需專業背景就能感知這是AI世界的基礎計量單位﹔對產業實用，“模元消耗量”“模元效率”“模元成本”等概念能直接對應AI產業核心指標﹔對未來兼容，不局限於當下的文本推理，更適配智能體、多模態融合、物理世界AI等全場景。

當記者問及推廣這一譯名的現實意義時，楊斌借鑒了黃仁勛提出的“token工廠經濟學”的概念。“如果我們將‘token工廠’改為‘模元工廠’，‘單位token成本’改為‘單位模元成本’，原本晦澀的產業邏輯會立刻變得順暢清晰：從業者明白‘模元’是AI生產的基礎原料﹔投資者理解‘模元效率’是企業降本增效的關鍵﹔普通大眾懂得，‘模元’就是AI時代的‘字節’，是走進智能經濟的入門鑰匙。”

“技術的真正價值，在於從專業重器走向全民眾技，而朗朗上口、易於傳播的中文譯名，正是AI普及的必要一步。”楊斌表示，期待大家在學術研究、產業分析、政策討論與媒體報道中，有意識地採納並使用“模元”這一譯法，共同推動這個有根、有義、有未來的詞匯，成為理解、參與和擁抱AI時代的日常用語。