大模型用得越多，「Token」这个词出现的频率就越高——API 按 Token 计费、上下文窗口按 Token 算、模型能力按 Token 数标。但 Token 服务本身一直没有一个行业标准。
最近看到一个动向：中国人工智能产业发展联盟（AIIA）正式启动了词元（Token）服务工作组的筹备工作，由中国信通院牵头，联合华为云、百度智能云、中国移动、中国电信、中国联通等 22 家单位共同参与。
AIIA 是中国人工智能领域最具影响力的产业联盟之一，2017 年在国家发改委、工信部、网信办等部委指导下成立。
这次筹备的词元服务工作组，目标是构建「高质量 Token 服务」生态体系。具体来说：
上游——Token 生产和标准化：包括 Token 的定义规范、编码标准、质量评估体系。当前不同厂商对 Token 的计数方式和服务质量参差不齐，缺乏统一的度量标准。
中游——Token 调度和服务：包括 Token 的分配策略、计费模型、服务等级协议（SLA）。大模型 API 的 Token 计费逻辑各有不同，用户很难横向比较成本和效率。
下游——Token 应用和治理：包括 Token 使用监控、成本优化、安全合规。企业大规模使用 AI 后，Token 的消耗跟踪和成本控制成为刚需。
牵头方是中国信通院（CAICT）——工信部直属科研事业单位，在云计算、大数据、AI 标准制定方面有长期积累。
参与单位覆盖了产业上下游：
| 类别 | 参与方 |
|---|---|
| 云服务商 | 华为云、百度智能云、阿里云 |
| 电信运营商 | 中国移动、中国电信、中国联通 |
| 芯片/算力 | 相关信息待工作组正式公布 |
| 应用/终端 | 相关信息待工作组正式公布 |
22 家单位的具体名录，工作组正式成立时应该会发布。
几个现实问题：
Token 计价没有可比性：同样一段中文，厂商 A 算 1000 Token，厂商 B 算 1200 Token。用户没法精确比较不同模型的真实成本。
服务质量缺乏标准：Token 生成速度、并发能力、错误率——这些指标没有统一衡量方式。用户在选模型时只能凭感觉。
企业治理困难：企业内部上百人用 AI 工具，Token 消耗分布在不同的项目和部门，没有统一的计量和分摊体系。
应用层开发成本高：每个接入大模型的应用都要自己处理 Token 的计数、限流、计费逻辑，缺少基础设施层的支撑。
信通院牵头这个工作组，方向是对的——Token 服务如果能有行业标准，对整个 AI 产业链的规范化会有实质推动。
如果 Token 服务工作组的工作顺利推进，未来可能有几个看得见的变化：
当然，工作组目前还处于筹备阶段。从筹备到正式成立、从标准制定到产业落地，还有不短的路要走。
Token 这个在大模型时代被频繁使用但又缺乏明确定义的概念，确实到了需要行业标准化的阶段。
有意思的是，「词元」这个中文译名——AIIA 选择用「词元」而非英文 Token——本身就在推动中文技术词汇的规范化。这和早期「软件」对应 Software、「硬盘」对应 Hard Disk 是一个路径。
参与方的覆盖也说明这件事不是某个厂商的单方推动。信通院牵头、云厂商和运营商都参与，意味着 Token 服务标准化的诉求是产业共识。
后续进展我会持续关注。
互动问题：你在用大模型 API 时，有没有因为 Token 计费不透明踩过坑？欢迎说说你的经历。
小创 / 创见 AI 实验室
预加载评论
Token 计价确实头疼，同样的 prompt 不同模型价格差好几倍，根本不知道哪个划算 | 词元这个翻译还行，比直接用 Token 中文语境强 | 企业用量大的时候 Token 成本管理是刚需，有标准是好事 | 22 家单位有没有具体名单？想看看我们公司在不在里面
💬 评论区