2026年3月，全国科学技术名词审定委员会推荐使用“词元”作为“Token”的中文名。宁波优策信息技术有限公司首席科学家、原工信部软件与集成电路促进中心总工程师王建平教授，基于对软件产业、数字经济及人工智能领域的长期跟踪研究、决策支撑，以及在实际业务场景中的深度应用，认为“词元”在自然语言处理时代具有历史合理性，但在多模态大模型及通用人工智能加速演进的当下，已显现明显局限，已正式向国家有关部门提出建议，以“数元”取代“词元”。

王建平教授认为，“词元”的译文是在2017年的自然语言处理阶段，“词元”侧重于“词”与“语言”，仅适用于纯文本场景。在多模态大模型中，图像被切割为图像块，音频被切分为时间片段，这些物理形态绝非“词”。强行称其为“词元”存在语义悖论，用户难以理解为何一张图片由无数个“词”组成。更关键的是，当前人工智能已深刻融入生物蛋白设计、新材料设计、离散制造等前沿科学与工程领域。在这些场景中，模型处理的基本单元不再是“词”，而是氨基酸残基序列、分子指纹、晶体对称性参数、产品物料清单、工序序列、设备状态向量、工艺参数切片等高度专业化的数据单元。例如，在蛋白质结构预测中，模型将氨基酸残基切分为嵌入单元；在汽车制造智能调度中，模型处理的是工单状态编码、机器人动作代码、在制品位置信息。这些单元绝非“词”，强行称为“词元”将严重限制人工智能在生命科学、材料科学、先进制造等战略方向上的术语规范性与认知统一性。“词元”将AI锁定在语言学范畴，无法适应视频、触觉、嗅觉乃至科学计算与工业数据流等更多模态的未来发展。

“数元”则能实现技术全链条的底层逻辑统一。在通信环节，“数元”的“数”字直接关联“数据”属性，避免语义错位。在采集、标注、处理、存储各环节，无论是文本字符、图像图块、3D点云，还是蛋白质残基向量、设备振动时域片段、PLC指令离散单元，“数元”都能完美涵盖所有模态。在模型处理环节，“数元”精准还原了Token作为“数据单元到向量空间映射”的计算本质——模型内部处理的是数值向量，与“词”的语义无关。

将“Token”统一译为“数元”，对数据产业具有深远的积极意义。当前，我国正大力推进数据要素市场化配置改革，数据被定位为第五大生产要素。然而，数据交易、定价、核算等领域长期缺乏统一的底层计量单元，导致不同类型数据（文本、图像、视频、工业数据等）难以在同一框架下进行价值比较与交换。“数元”作为人工智能处理数据的最小单元，天然具备“价值计量”属性——一篇1000字的文本对应约1500个数元，一张1024×768的图像对应约4000个数元，一段10秒的音频对应约500个数元，一组设备振动时序数据可量化为若干个数元。同时，“数元”（计算量的基本单位）与“字节”（存储传输）、“千瓦时”（能源）共同构成数字经济的完整度量衡体系，分别对应计算（算力）、存储、传输、能源四个核心环节，为企业数字化成本核算、政府数字产业统计、数据资产入表等提供统一的核算口径，有力支撑数据要素市场的规范化、标准化发展。

从应用场景对比来看：“该模型将图像切分为196个词元”语义违和，而“196个数元”则准确中性；“视频生成消耗5000个词元”会让用户困惑，而“5000个数元”则清晰直观；“该蛋白质模型将序列切分为512个词元”让生物学家费解，而“512个数元”则无需额外解释；“智能工厂调度模型每天处理10万个词元”让工程师困惑，而“10万个数元”则准确传达数据单元本质；“词元是AI理解世界的基本单位”局限于语言，“数元是AI理解世界的基本单位”则涵盖万物。

综上，“词元”是对过去自然语言处理时代的总结，“数元”是对未来通用人工智能时代的预言。术语的命名不仅是语言学问题，更是技术路线图和产业认知的锚点。建议相关部门与标准组织重新审视“Token”的中文定名，以“数元”取代“词元”，为中国人工智能产业的标准化、数据要素市场的规范化以及数字经济的健康发展奠定更坚实的基石。