作者：李南南

來源：羅輯思維（ID：luojisw）

導讀：今天我們從一個詞說起：Token。

3月17日凌晨，在2026年的英偉達GTC大會上，黃仁勛照例做了兩個小時的長篇發言。其中涉及的話題很多，比如，對未來市場需求的預測，黃仁勛認為到2027年，英偉達的訂單需求將達到1萬億美元。再比如，他說未來SaaS已死，智能體的世代將全面來臨，等等。

但是，在整場演講里，出現頻次最高的，是另外一個詞，Token。清華大學的楊斌教授做了個統計，整場演講，Token這個詞出現了超過70次。

01

Token到底是什么？

不只是黃仁勛。

就在GTC開幕當天，阿里巴巴宣布成立Token事業群。注意，這是和淘天電商、阿里云平級的核心事業群。阿里CEO吳泳銘在內部說：AI Agent極度依賴Token，未來將進入需求大爆炸時期。

假如你現在看各類關于AI的文章，你會發現Token這個詞的出現頻次極高。黃仁勛甚至還提出了一個概念，叫Token工廠經濟學，我們可以簡稱為“Token經濟學”。

換句話說，至少在黃仁勛看來，圍繞Token，已經延伸出了一整套生產行為，一整套經濟活動。

那么，具體來說，這套經濟活動是什么呢？我們又該怎么理解黃仁勛說的Token經濟學呢？

首先，什么是Token？這點估計大多數人都熟悉，它是一個語言的計量單位，很多人把它翻譯成“詞元”。也就是AI能理解、處理、輸出的最小信息單元。

比如，你問ChatGPT：“今天天氣怎么樣？”這句話會被切成幾個Token。“今天”是一個Token，“天氣”是一個Token，“怎么樣”可能被切成兩個Token，問號是一個Token。

但是注意，Token跟“字符”最主要的區別之一，在于字符的大小是統一且確定的，1個漢字就是1個字符。但Token不一樣，有的模型可能把“今天”當成1個Token，而有的模型會把它拆成“今”和“天”兩個Token。所以，同樣一句話，在不同的AI里，對應的Token數量可能不一樣。

同樣，在AI看來，你給出的所有提示詞都是一堆大小不等的Token。它輸出給你的答案，在它的標準里，也是一堆大小不等的Token。

02

Token為什么重要？

這個過程不難理解，估計多數人都知道。那么，我們知道Token是什么之后，最關鍵的問題來了：Token為什么重要？

第一，Token是AI的成本單位。

你用ChatGPT的API，OpenAI怎么收費？按Token。輸入多少Token，收多少錢；輸出多少Token，再收多少錢。

黃仁勛在這次GTC演講中，專門講了Token的分層定價。他把Token分成了幾個檔次：最便宜的是免費層，高吞吐但響應慢，主要靠廣告變現；往上是中級層，大約每百萬Token收3美元；再往上是高級層，每百萬Token收6美元；再往上是高速層，每百萬Token 45美元；最貴的是超高速層，每百萬Token 150美元。

你看，從3美元到150美元，差了50倍。差別在哪？在響應速度，回答質量，還有處理的上下文長度。

比如，同樣是讓AI幫你寫一段代碼，消耗同樣多的Token，但你可以選擇不同檔次的處理服務。便宜的服務，每百萬Token收3美元，可能要等幾秒鐘，而且回答質量一般；貴的服務，每百萬Token收150美元，幾乎實時響應，輸出質量也更高。就像快遞，同樣一個包裹，普通快遞便宜但慢，同城當日達貴但快。

換句話說，Token的處理正在變成一種分層定價的服務，就好比，出行的時候你是選擇綠皮火車還是飛機高鐵。

第二，Token是AI的效率單位。

黃仁勛在演講中提到一組數據：過去兩年，AI推理計算量增長了大約一萬倍。一萬倍是什么概念？相當于每年增長100倍。這種增速，在人類歷史的任何生產資料上，幾乎沒有先例。

在這個背景下，黃仁勛說：數據中心正在變成“Token工廠”。什么意思？你看，以前衡量一個數據中心，你看它的存儲容量多大、算力多少。以后衡量一個AI數據中心，核心指標是：每秒能生產多少Token？

就像衡量一個鋼鐵廠，你不問它廠房多大，你問它年產多少噸鋼。數據中心的“噸鋼”，就是Token。

英偉達最新發布的芯片架構，核心賣點之一就是“Token生產效率”。同樣的電力消耗，新芯片能比上一代多生產好幾倍的Token。

第三，Token正在成為“新貨幣”。

黃仁勛在演講里說：“未來科技公司招聘工程師，除了薪資還會提供Token配額。”你看，現在科技公司的工程師，工作離不開AI。寫代碼要問AI，調試要問AI，測試要用AI生成數據，文檔要AI幫忙寫。每一次調用都消耗Token，而Token要花錢。

如果公司不給你Token，你就沒法高效工作，效率就會下降。

所以黃仁勛預測：Token配額會成為薪酬的一部分。就像現在公司給你配電腦、配手機一樣，以后會給你配Token額度。比如，“月薪5萬，另加每月1000萬Token調用額度”。事實上，目前硅谷的一些科技公司，已經開始給員工分配Token配額了。

這也就意味著，“Token效率”可能成為新時代的核心能力。同樣是用AI，有人一個Token都不浪費，精準地獲得想要的結果；有人噼里啪啦打一堆，來來回回改半天，還是不滿意。

寫提示詞的水平越高，Token的投入產出比就越高。這就是所謂的“Token效率”。未來，會用AI和不會用AI的人之間的差距，可能就體現在這里。

而且在黃仁勛看來，未來公司里，將會出現大量的AI員工。也就是他說的，以后所有SaaS公司都將消失，轉變為AaaS。

SaaS我們都知道，軟件即服務，這是過去二十年科技行業最成熟的商業模式之一。AaaS呢？Agent as a Service，代理即服務。SaaS時代，你買的是工具。軟件是工具，你要自己操作。點這里、填那里、提交之后等結果。

而AaaS時代，你買的是員工。Agent是員工，你只需要告訴它你想要什么結果，它自己去操作、自己去協調、自己去完成，最后把結果交給你。

比如，現在你用CRM軟件，客戶管理系統，要自己錄入客戶信息、自己設置跟進提醒、自己寫郵件。未來你可能只需要對Agent員工說，幫我跟進這個客戶，促成這筆交易，Agent自己去查資料、寫郵件、安排會議、談判跟進。

軟件是工具，Agent是員工。這是本質區別。而這個Agent員工，不需要你發錢，它需要你給它足夠多的Token額度。

說白了，按照黃仁勛的觀點，未來跟AI有關的一切操作，本質上都涉及Token的消費與產出。

03

Token效率，將成為新的核心競爭力

而且注意，這個趨勢不只是關系到AI領域，而是關系到整個社會的基礎設施體系。按照黃仁勛的觀點，整個AI產業分成五層。

最底層是能源層。AI需要電，需要大量的電。一個大型AI數據中心的耗電量，相當于一座中等城市。

往上一層是芯片層。這是英偉達的主場。AI的“大腦”是GPU，目前全球高端AI芯片市場，英偉達占據超過80%的份額。黃仁勛發布的新一代芯片，核心賣點就是“能耗比”，同樣的電，能算出更多的Token。

再往上是基礎設施層。芯片要裝進服務器，服務器要放進數據中心。黃仁勛說，數據中心正在從“存儲倉庫”變成“Token工廠”。以前衡量數據中心看存儲容量，以后看每秒能生產多少Token。

再往上是模型層。GPT、Claude、DeepSeek，這些大模型就像“生產線”，把算力轉化成AI的輸出。同樣的芯片，跑不同的模型，效率差別很大。這就是為什么模型優化這么重要，比如DeepSeek能用更少的算力達到接近GPT的效果，本質上是提高了“Token生產效率”。

最上面是應用層。ChatGPT、Copilot、各種AI助手，這是普通人接觸到的部分。每次你跟AI對話，就是在“消費Token”。

你看，這五層蛋糕，從下到上，其實是一條Token的“生產—消費”鏈條。能源變成電，電驅動芯片，芯片支撐數據中心，數據中心運行模型，模型服務于應用，應用產出Token給用戶。而相關的發電廠、芯片公司、數據公司，都是在圍繞Token開展經濟活動。

順著這個邏輯，黃仁勛還有一個判斷，AI會創造大量就業，而且這些崗位，大部分不需要你懂AI。沒錯，AI創造的很多就業，不需要從業者懂AI。你看，建一個AI數據中心需要什么？需要電工、網絡布線技術員、消防安全員。這些都是實打實的藍領崗位。

黃仁勛說，未來幾年，AI基建領域會產生大量就業機會。這些崗位不是“被AI替代”的高危崗位，恰恰是AI產業創造出來的新崗位。而這一切，都是圍繞AI對Token的消耗產出，層層傳導而產生的。

以上的所有這些互動關系，就大致構成了黃仁勛所說的Token經濟學。

換句話說，理解Token經濟學的關鍵，其實就是三句話。

第一，AI不是一個孤立的技術，而是一個龐大的社會協作網絡。

第二，這個網絡上的所有人，工作的最終成果，都是讓AI能更多、更快、更好地接收、處理和產出Token。

第三，未來，一個人的Token效率，將成為新的核心競爭力。

版權聲明：部分文章推送時未能與原作者取得聯系。若涉及版權問題，敬請原作者聯系我們。