本文来自微信公众号： 科工力量 ，作者：王志帆
3月16日至22日，全球最大AI模型API聚合平台OpenRouter记录下一组令人侧目的数据：全球AI大模型总调用量20.4万亿Token，其中超过三分之一流向了中国模型。
连续三周，中国AI大模型的周调用量碾压美国同行——7.359万亿对3.536万亿，涨幅56.9%对7.35%。排行榜前四席，中国模型包揽全部：小米MiMo V2 Pro、阶跃星辰Step 3.5 Flash、MiniMax M2.5、DeepSeek-V3.2。
但比排名更值得关注的是这个被频繁提及却鲜被理解的词——Token（词元）。
1000年前，北宋工匠毕昇在胶泥上刻下一个个反体字，用火焙硬，制成可以反复排列的"活字"，改写了人类知识传播的历史。今天，工程师们将文本切割成名为"Token"的最小单元，用向量和矩阵重新定义智能生产的逻辑。
从泥活字到数字Token，从物理排版到神经网络计算，一场关于"最小单元"的革命，似乎正在以惊人的相似性重演。
但相似不等于相同。本文将借用活字印刷的历史意象，同时严格划定类比的边界——因为技术史的精确性，比叙事的流畅性更重要。
02
Token是什么？AI的“文字食材”
——以及它和活字的“表亲”关系
"Token是大语言模型处理文本的基本单元，可理解为'AI眼中的字块'。"
深圳理工大学算力微电子学院助理教授马智恒这样解释。在输入模型前，文本会被切分成Token并转换为向量。中文通常每个字对应1至2个Token，英文则约0.75个Token per word。
想象你向AI提问："人工智能会取代人类吗？"
在人类眼中，这是一句话。在AI眼中，这是若干Token的序列——可能是"人工"+"智能"+"会"+"取代"+"人类"+"吗"，或者更细粒度的切分。每个Token都被编码成一个高维向量，在神经网络的层间通过矩阵运算和注意力机制进行处理，最终生成回答。
深圳计算科学研究院崖山LAB负责人欧伟杰打了个比方：如果将"算力"视为"电力"，那么Token就是消耗的"电量"，是衡量AI活跃度与处理规模的核心指标。
综合开发研究院通证数字经济研究中心执行主任马朝良看得更远："Token背后反映的是一个更大的趋势——人类正在把世界'拆解'成可以被机器理解和处理的最小单位。"
至此，"Token=数字活字"的类比似乎成立。但这里必须插入一个关键的澄清——
活字印刷的"最小单元"（泥活字）是生产工具，可物理复用；Token的"最小单元"是计算过程中的临时数据，每次调用都在消耗算力资源。换句话说，活字越用越省（边际成本递减），Token越用越费（边际成本基本线性增长）。二者在成本逻辑上是反向的。
那么，真正的类比对象是什么？
不是Token本身，而是预训练模型的权重参数——那些在海量数据中训练得到的、可以被无数应用共享调用的"知识结晶"。这些参数才是更接近"数字活字"概念的对象：刻制一次（训练），复用无限（推理）。（注：这是本文提出的类比，非学术界标准术语）
而Token，更像是印刷过程中的"纸张和油墨"——是消耗品，而非生产工具。
但为何Token的调用量如此重要？因为它衡量的是"数字活字"被激活的频率——是技术民主化的温度计，而非技术本身。
03
历史的回响：活字印刷的启示与错位
1040年代，北宋庆历年间，布衣毕昇发明了胶泥活字印刷术。
这比古腾堡的铅活字印刷机早了整整400年。沈括在《梦溪笔谈》中详细记录了这项技术：用胶泥刻字，薄如钱唇，火烧令坚，然后密布字印，满铁范为一板。
但历史开了一个残酷的玩笑。
明清时期，活字印刷在中国未能完全取代雕版。原因复杂：汉字数量庞大，常用字就需数万枚字模；泥活字易损，金属活字成本高昂；科举制度下的书籍需求结构，未能形成足够的商业驱动力。直到19世纪西方铅活字印刷机传入，中国才真正进入活字印刷的大规模应用时代。
发明在先，规模化在后——这是中国古代技术史的常见叙事。
但今天，当Token成为智能生产的"消耗单元"，中国似乎正在走出不同的轨迹。这里的关键差异在于：我们并非Token机制（Transformer架构、注意力机制均源于美国）的"原创发明者"，但正在成为Token规模化流动的主导者。
这是一种不同的历史角色——不是毕昇式的"技术首创者"，也不是古腾堡式的"技术整合者"，而是"技术采纳者+规模化应用者"的新角色。
04
霸榜背后：中国Token经济的三大支点
OpenRouter的数据揭示了一个清晰的格局：中国模型不仅调用量大，而且增长迅猛。这背后是三个相互强化的支点。
第一支点：
价格革命——让"纸张油墨"便宜到可以挥霍
以DeepSeek、MiniMax M2.5为代表的国产模型，大幅降低了API使用成本。
"国产模型以较低的训练成本将AI变为如同柴米油盐一样的生活必需品。"粤港湾控股有限公司执行董事罗介平如此评价。
这里需要再次厘清类比：如果说模型权重更接近"数字活字"（一次性投入，无限复用），那么推理成本就是"印刷耗材"（每次调用，持续消耗）。中国模型的真正突破，在于让"耗材"便宜到可以大规模挥霍——这降低了技术应用的门槛，而非技术生产的门槛。
活字印刷的核心价值，是让知识复制的边际成本断崖式下跌；今天中国AI的核心价值，是让智能服务的边际成本趋近于零。效果相似，机制不同。
第二支点：
开源生态——让"字模"可以被自由复制
中国公司在开源模型领域占据主导地位，与全球顶尖闭源模型的技术代差已缩短至约三个月。
开源意味着什么？意味着"数字活字"（模型权重）可以被全球开发者自由获取、改进、再分发。毕昇的活字技术受限于时代，未能形成持续迭代的社区；今天的开源模型生态，正在以互联网的速度自我强化。
第三支点：
场景红利——让"印刷机"遍布每个角落
这是最具中国特色的变量。
微信月活13亿，钉钉7亿，飞书2亿。这些超级应用构成了AI触达用户的"自来水管网"。
"我国开发者贡献了大量的Token消耗，"罗介平指出，"这些用户只需轻轻一点即可调用AI能力，这无疑带来了海量的模型调用需求。"
欧伟杰称之为"长尾效应"：随着国内大模型在推理成本、响应速度、API成本等方面的持续优化，大量中小企业和开发者开始将AI接入业务流程，触发了调用量的指数级增长。
十亿级用户入口+极低调用成本+开源技术生态，这三者的乘积效应，构成了中国Token经济的基本盘。
但请注意：这里的竞争优势不在于Token本身，而在于Token的流动效率——是基础设施、成本控制、场景渗透的综合结果。
05
冷思考：Token洪流中的真问题
繁荣的表象下，需要保持清醒。
首先是"量"与"质"的落差。
马智恒提醒："我们也必须清醒认识到，美国在原始模型创新、高端芯片与算力基础设施等领域，仍保持着显著优势。"
调用量领先不等于技术领先。中国模型在应用层的Token消耗上占据优势，但在基础层的模型架构创新、硬件层的算力自主性上，短板依然存在。
其次是"消耗"与"沉淀"的错位。
欧伟杰指出了更隐蔽的挑战："海量Token的背后，是更大规模的数据吞吐与更复杂的数据治理挑战。大模型的每一次调用，都依赖底层数据库系统对实时数据、历史知识、用户交互的精准管理与毫秒级响应。"
这里有一个反讽：Token调用量越大，意味着"数字活字"（模型权重）被使用得越频繁，但同时也意味着系统脆弱性越高——数据治理、实时响应、安全合规的压力呈指数级增长。
活字印刷不仅要有字块，还要有精良的排版工艺、优质的纸张墨水、高效的发行网络。Token经济同样需要完整的"排版生态"。
最后是"薄利"与"溢价"的困境。
中国模型以价格优势收获全球开发者青睐，但这是否意味着我们只能做"薄利多销"的生意？如何在Token调用量的基础上，构建更高附加值的服务和品牌？
这是从"制造大国"到"品牌强国"的老命题，在AI时代的新投射。
06
未来谁将成为"智能排版大师"？
3月，阿里巴巴正式成立Alibaba Token Hub事业群，旨在围绕"创造Token、输送Token、应用Token"构建完整的AI生态体系。
几乎同时，英伟达CEO黄仁勋在GTC 2026上提出"Token经济学"，将数据中心定义为生产AI智能Token的工厂，强调"算力即收入"。
两种视角，两种逻辑。
美国视角：数据中心是Token工厂，算力即收入，核心是生产能力的垄断。
中国实践：Token Hub是生态枢纽，创造-输送-应用全链条打通，核心是网络效应的捕获。
哪种路径更具可持续性？历史或许能提供参照。
古腾堡的真正突破，不在于发明了活字（金属活字早已存在），而在于整合了活字铸造、印刷机、油墨配方、纸张供应、商业出版的全链条。技术的发明重要，但技术的"排版"——即如何将其嵌入社会经济系统的复杂网络——可能更重要。
今天，中国拥有最丰富的应用场景、最庞大的用户基数、最活跃的开发生态。这些条件使得中国有机会成为AI时代的"排版大师"——不仅生产Token，更定义Token流动的方式、规则和价值分配机制。
尾声：
划定边界后的回望
回到1000年前的开封府，毕昇在胶泥上刻下最后一个反体字，火光照亮了他布满老茧的双手。
他不知道，这项技术将在400年后才在异国他乡真正绽放。他更不知道，1000年后，另一群工程师正在服务器机房中，以每秒万亿次的速度切割、编码、重组着名为"Token"的数字单元。
从泥活字到数字Token，从物理排版到神经网络，人类对技术民主化的追求从未停止。但本文必须以一个严格的限定作结：
Token不是数字活字。模型权重才是。Token只是这些"数字活字"被激活时产生的涟漪。
中国AI的7万亿Token周调用量，衡量的不是技术原创性，而是技术扩散的速度和广度。这不是毕昇式的"发明者叙事"，也不是古腾堡式的"整合者叙事"，而是一种新的"规模化叙事"——同样伟大，但性质不同。
这一次，历史没有完全重演。中国正在书写新的剧本。