近日，清华大学可持续社会价值研究院院长、经济管理学院教授杨斌在接受人民网记者专访时，提出了一个引发广泛关注与讨论的建议——将AI时代关键词“token”的中文译名统一为“模元”。这一提议背后，是AI产业迅猛发展下对精准中文表述的迫切需求。
图片来源：编辑网图片分享系统
在近期英伟达举办的2026年GTC大会上，“token”一词成为焦点，在首席执行官黄仁勋的主题演讲中累计出现超70次，凸显其在AI领域的核心地位。国家数据局统计数据显示，截至2025年9月底，我国日均token消耗量已突破40万亿，和2024年初相比增长400多倍，这一惊人的增长速度，直观反映出我国人工智能产业的蓬勃发展态势。
杨斌教授指出，token作为AI时代的核心经济标尺，具有信息单位、算力单位和货币单位三重属性。它是AI思考的最小单元，是算力消耗的核算基准，也是智能服务的价值度量。然而，在中文世界里，token缺乏统一、精准的翻译，这已成为AI从专业圈层走向全民普惠的语言障碍。当前，业界普遍直接使用英文词“token”交流，对于未接受AI专业训练的普通大众与传统行业从业者而言，生硬插入的英文名词带来了强烈的距离感与认知隔阂。
追溯“token”一词的发展脉络，它源自古英语，本义为“标志、符号、证明”，核心是“可被识别、承载特定信息或功能的基本单元”。历经中世纪商业代币、网络安全令牌、语言学“词例”的演变，在AI大模型爆发后，token完成了“决定性”的跃迁，从语言学碎片化单元升级为AI模型可计算、可处理的最小通用单元，正式取代互联网时代的“字节”，成为AI时代的基础度量衡。
对于为何选择“模元”而非此前出现的“词元”“语元”“义节”等译法，杨斌教授进行了详细分析。“词元”被“词”字局限在文本场景，无法适配多模态、物理AI的应用形态；“语元”囿于语言范畴，窄化了token作为模型通用处理单元的本质；“义节”过度聚焦语义，忽略了token纯特征、结构化处理的属性；而“托肯”“屯”等单纯音译，徒有其音、缺乏实义，普遍接受度低，还会加重非专业人群的理解负担。这些译名要么局限于单一领域，要么缺乏度量衡的严谨性，无法承载token作为AI产业核心锚点的价值。
“模元”这一译名则具有独特优势。“模”直指大模型、多模态，锚定AI场景的核心属性；“元”代表最小基本单元，承续“字节”这类中文经典度量单位的命名逻辑，简洁直白、通俗易懂。它对大众友好，无需专业背景就能感知这是AI世界的基础计量单位；对产业实用，“模元消耗量”“模元效率”“模元成本”等概念能直接对应AI产业核心指标；对未来兼容，不局限于当下的文本推理，更适配智能体、多模态融合、物理世界AI等全场景。
杨斌教授还借鉴了黄仁勋提出的“token工厂经济学”概念，进一步阐释推广“模元”译名的现实意义。将“token工厂”改为“模元工厂”，“单位token成本”改为“单位模元成本”，原本晦涩的产业逻辑会立刻变得顺畅清晰，有助于从业者、投资者和普通大众更好地理解AI产业。
技术的真正价值在于从专业重器走向全民众技，而朗朗上口、易于传播的中文译名，正是AI普及的必要一步。杨斌教授期待大家在学术研究、产业分析、政策讨论与媒体报道中，有意识地采纳并使用“模元”这一译法，共同推动这个有根、有义、有未来的词汇，成为理解、参与和拥抱AI时代的日常用语。
