在2026年英偉達GTC大會上，黃仁勛以一場近兩小時的主題演講，為AI推理時代的產業重構描繪出清晰藍圖。這場演講中，“token”一詞高頻出現超過70次，成為貫穿全場的核心線索。從硬件架構革新到數據中心轉型，從萬億級AI基建到企業經營邏輯，再到智能體與物理世界AI的融合，token始終是串聯各項議題的錨點。
清華大學可持續社會價值研究院院長楊斌提出，token在AI領域的中文譯名亟待統一。他早在年初便建議將token譯為“模元”，以區別于區塊鏈等場景中的其他譯法。隨著黃仁勛在演講中正式提出“模元工廠經濟學”，這一譯名的必要性愈發凸顯。楊斌指出，模元不僅是AI經濟邏輯的核心度量單位，更是推動技術普惠的關鍵紐帶。
黃仁勛在演講中強調，傳統數據中心已從文件存儲中心轉型為模元生產工廠。在固定功耗下，模元的每秒吞吐量和單位成本直接決定AI企業的競爭力。模元兼具信息單位、算力單位和貨幣單位三重屬性，成為AI時代的基礎度量衡。全球大模型日均模元消耗量已達30萬億級別，中國模型調用量占比超60%，這一數據印證了模元作為智能經濟核心指標的地位。
當前AI行業交流中，技術專家、企業高管和投資人普遍直接使用英文“token”，導致公眾認知存在明顯隔閡。楊斌分析，即便英文基礎良好，非專業人士也難以準確理解token的核心要義；對于普通大眾而言，生硬的英文術語更會加劇認知障礙。這種語言壁壘正在阻礙AI技術向千行百業的滲透。
此前，AI領域對token的中文譯名存在多種嘗試，如“詞元”“語元”“義節”等，但均存在局限性。“詞元”局限于文本場景，“語元”窄化了應用范圍，“義節”過度聚焦語義，而音譯如“托肯”則缺乏實義。這些譯名無法承載token作為AI產業核心錨點的價值，難以打破大眾認知壁壘。
楊斌提出的“模元”譯法具有三大優勢：一是對大眾友好，無需專業背景即可感知其作為AI基礎計量單位的屬性；二是對產業實用，可直接對應模元消耗量、效率、成本等核心指標；三是對未來兼容，適用于智能體、多模態融合等全場景。他舉例稱，將“token工廠”改為“模元工廠”后，產業邏輯表達更加清晰流暢。
楊斌強調，推廣“模元”譯名并非咬文嚼字，而是為AI技術普及搭建語言橋梁。他呼吁學術界、產業界和媒體在相關討論中統一使用這一譯法，使模元成為理解、參與AI時代的日常用語。這一舉措有望降低傳統行業從業者接觸AI的門檻，促進技術向更廣泛領域滲透。
