不同ai之间的token可以通用吗
董事长们，今天聊一个正在发生的很多人还没意识到的事，中国 ai 正在悄悄掌握全球的 token 定价权。你没听错，就是定价权。以前这个词咱们经常在能源矿产上听到，现在轮到人工智能最基础的原材料 token 了。 token 是 什么？你可以把它理解成 ai 时代的字。大模型每回答你一个问题，背后消耗的就是 token。 央视财经刚报导了，国产模型的 token 价格已经低到了国际竞品的三分之一甚至二十分之一。 这不是在打价格战，这是一个体系性的成本优势。我跟你说几个数你就明白了。从今年二月份开始，中国的大模型在一个叫 opi 聚合平台上周掉用量多次反超美国，而且持续霸榜。 调用量是什么？是全世界开发者用脚在投票。那问题来了，为什么我们能这么便宜？三个原因环环相扣。第一，开源。像 deepsafe、 v 四这种级别的模型发布就开源 api， 直接开放百万字超长上下文能力，以前是要花大价钱用的，现在直接进入普惠阶段。 更牛的是什么？八家国产芯片在同一天就完成了适配，这意味着开发者用国产芯片跑国产模型的门槛被降到非常低。第二，咱们有电价的优势，西部那些低价电力，配上这几年猛健的算力基础设施，让运营成本天然就比海外低一大截， 这个是别人想学都很难学的结构优势。第三，也是最容易被忽略的一点， ai 智能体时代来了。 以前你跟 ai 聊天儿一问一答消耗的 token 少，现在智能体要帮你干一个活儿，背后可能得调用工具、查数据库来回思考。几十步 单次任务的 token 消耗暴涨了二三十倍。用量这么大，价格弹性一下子就出来了，咱们便宜，而且便宜一个数量级以上，你说全球的开发者往哪儿跑？所以别把这当成简单的便宜货出海。这背后是中国 ai 能力的系统输出， 开源模型快速覆盖了东南亚、中东、拉美市场。很多海外公司直接把训练和推理任务部署在中国的算力中心，这就是 token 出海好。说到这儿，做投资的朋友肯定要问了，这会产生哪些投资机会？ 整个链条得倒着看，最确定利好的是那些卖铲子的人。算力基础设施，不管哪家模型公司的 token 火了，它都得跑。在服务器上，都得消耗算力。 你看现在一个头部模型，日军 token 调用量就超五十万亿，这得多少服务器撑着？所以提供算力底座的出租 gpu 服务器的订单和开机率是最踏实的。再往深一层，弹性最大的环节可能在哪儿？ 在芯片调用量爆发，算力需求就爆发。但现在海外高端芯片出口还在管制，但国产 ai 芯片的供需缺口会持续存在，而且可能越来越大，这里面谁能顶上谁的业绩，弹性就可能被放大。 有了算力和芯片的支撑，才轮到模型 a p i 层和应用层。模型公司不只是卖 token， 更是在跟全球最顶尖的对手抢夺开发者生态。已经有公司在涨了价之后，调用量不降反升， 这恰恰说明，当你的模型性能强到变成刚需，你就有了真正的定价权，那最终这些能力会落在五花八门的应用上。不管是 ai 视频剪辑工具在海外的爆火，还是跨境电商的智能客服， 它们是中国 ai 能力服务全球的最终触角。所以，整条线捋下来，一个正在发生的巨大变化时， ai 时代的基础资源定价体系，正在因为中国力量的加入而发生倾斜。 那些在海外的算力中心，那些疯狂增长的钓用量数字，是全球市场在为我们的成本优势和技术能力买单。这里面有长坡厚雪，也有大浪淘沙，但方向已经摆在这儿了。
粉丝50.5万获赞300.1万
相关视频
04:29查看AI文稿AI文稿ai 大 模型呢，为什么要按照托肯收费？同样是一百万的托肯呢？为什么价格能差三十倍？等等，你可能会说啊，我们平时用的豆包啊，元宝啊，也没交过钱啊。没错，咱们平时用的网页版或者 app 呢，确实是免费的，那是大厂为了抢占市场给的福利。 但如果你是专业用，或者是使用最近爆火的小龙虾，那就必须通过 api 接口来调用大模型，按量付费，烧起钱来也是非常吓人的。那这些钱到底烧在哪了？ 当模型正式发布后呢？它的使用成本其实由两个部分组成。第一部分呢，是固定成本，也就是模型上线前已经砸下去的钱， 包括前期的研发与训练投入，还有算力基础设施的建设，像建机房，采购显卡，配齐内存和硬盘。最近大家可能也注意到了，显卡和内存价格是一路上涨，很大程度就是因为 ai 需求暴增呢，把硬件价格也推高了。但这些成本呢，有个特点，它是沉没的， 在模型发布前呢，就已经支出了，随着用户越来越多，这部分费用呢，会被不断贪薄，贪到每一次调用上呢，它的占比会越来越低，甚至低到可以忽略不计。 那第二部分呢，是动态成本，也就是每一次调用模型实打实消耗掉的东西，每次计算都要消耗电力，还需要占用内存， 数据在传输过程中呢，也需要消耗网络流量。而所有这些消耗呢，都和 token 的 数量呢，直接相关。这里呢，快速同步一个概念。到底什么是 token？ token 的 中文呢，可以翻译为词源，可以是一个字，一个词，一个分词，甚至一个字节。在大模型中呢，被表达为一组数字序列，用于计算下一个 token。 token 越多呢，模型的计算的时间就越长，占用的算力和资源呢，自然就越多。所以，按照 token 数量收费，本质上是一个多用多付少用呢少付的计费方式， 非常直观呢，也非常合理。这像什么呢？就像我们每个月交的水电气一样。从这个角度看呢， ai 正悄悄完成一个转变，它正从一项技术、产品呢，演变成一种基础服务。我们想要获得智力呢，就需要购买算力。 说不定以后每个月的水电账单旁边呢，就会多出一行 token 费用。那既然都是按 token 收费呢，为什么不同大模型的价格差这么多？比如你输入一百万 token， deepsea v 三的收费呢，是零点二八美元，而 g p t 模型呢，要二点五美元。如果是输出 token 呢，差距更夸张， deepsea 呢是零点四二美元， g p t 呢是十五美元，整整差了三十多倍。 同样都是 token 呢，为什么价格能差出这么多？其实 token 的 价格呢，主要是由两个因素决定的。第一，电力和人工成本不同。在美国、中国、中东等不同地区，电价运为成本，人力成本差异非常大，而这些呢，最终都会反映到价格里。第二呢，算法不同。 好的算法呢，就像一台省油的发动机，同样是跑一百公里啊，有的车呢，只需要三升油，而有的车呢，却要烧掉十升。大模型也是一样，算法呢，设计的越巧妙呢，达到同样质量的输出，消耗，算力呢就越少。所以优化算法是模型研发人员最最重要的任务之一。 算法越高效，成本就越低，价格自然就更有优势。在这方面呢，有很多创新的工作，比如 deepstack 引入的 mo 机制，想了解的朋友可以翻看我之前的这期视频。 那为什么输出托管的价格比输入托管贵这么多？原因呢？很简单，输入和输出呢，干的活不一样。输入的托管呢，是你的提示词， 模型可以一次性全部读取参与计算，多一个少一个呢，对显卡的负担影响呢，是有限的。但输出 token 就 不一样了，它是一个接一个逐自生成的，每生成一个 token 呢，模型都要重新算一次。输的 token 是 配角，输出的 token 呢是主角，所以给出的片酬呢，就不一样。 具体的技术原理呢，也可以看我这期视频，理解注意力机制对托根计算量的影响。这里呢，再顺便澄清一个常见的误解，托根的发明初衷呢，不是为了计费。 托根是纯粹的算法创新和工程发明，是为了把人类的语言翻译成机械能听懂的数学坐标。 只是后来大家发现呢，托管的数量呢，恰好决定了计算量，这才顺理成章的用它来计费，绝不是因为要收钱才搞出来这么个复杂的概念。当这里可以像自来水一样按量计费，一个属于算力文明的时代就真正开始了。
1303陈兴AI
02:49查看AI文稿AI文稿我现在还是有一种感觉，很多人觉得 dk 爱的 dk 还是挺贵的。呃。不过现在还是好一点，但是我觉得还是有这种感觉。去年我开始用 vivo 的 时候， 呃身边的人都没有多少个人愿意付出这个一百块钱的价格尝试用它，那么我那时候就是，呃这个东西我肯定就是尝试了以后，然后就发现了，就是我在之前要做东西可能是要三四个小时，然后 呃现在是在一个小时以内就可以完成的，那我就觉得这个东西就是性价比比较高，而且，呃 就就这样性价比比较高，那么现在的人还是用的这些东西是越来越多的。呃。但是我还是觉得很多人都是不愿意尝试。呃。就是充一些五十块钱，然后试一下用 ai 在 日常的工作， 那么呃这些拓片他们只会越来越便宜，因为竞争是比较大的，而且你也不需要每次用最强的模型，你是可以用各种各样的 g、 p、 g 的， 或者这面台这些模型，那么 你用这些模型它的价格就是不是很贵，最贵的模型就是 open i 和 cloud 这些东西， cloud 最贵的，那么呃不是所有的任务都是需要它，就是你卸载吗？可能是需要它或者处理一些。呃比较难的， 其实我就是现在只能说是写代码的时候，可能就是要用它。呃。对，有可能是一些数学的问题吧。那么在其他的语言处理和一些其他的 这种日常的工作，就是用普通的模型是可以的，普通的模型是很便宜的，而且竞争比较大，所以就是他们价格会下下来。我个人就是用呃这种 ai， 现在就是可能花费在于 呃，不是话费就是费用，是大概在于呃两三百，两三百一个月，这肯定是不包含了很多其他，就是肯定不是说呃标签，就给数据带一些标签或者一些其他的东西，就是日常使用，日常使用大概两三百。 嗯，我觉得如果他可以帮助你，如果他帮助你提升你的工作效率，你可以尝试，你其实可以每次可以尝试新的东西，我觉得一旦 来了新的东西，然后有这个概率他可以帮助我。而且就是啊，我也可以接受，我就是会试试的，不管是什么样的技术。
03:37查看AI文稿AI文稿token 翻译成中文叫什么？叫词源，是模型处理文本的最基本单位。 token 和字呢？有什么区别？ token 呢，可以是一个字，一个词，甚至半个字，那这是谁规定 的？是模型看了大量人类文字统计出来的，这样表达呢，更省事。常见的字和词就用一个 token 表示，其他的就用多个 token 拼接。 一个 token 到底是多少钱？ deep 呢？输出一百万 token 呢？约等于三本新华字典只需要三块钱， gpt 五呢更贵，超过九十块 token 和上网流量收费是一样的道理吗？不是的， token 收的是计算费，是生产成本，而流量收费呢，是搬运费，不是一回事。为什么养龙虾要烧 token？ 是 因为龙虾要用大模型思考和回答问题，因为大模型按 token 收费，所以就说烧 token。 本地部署大模型是不是就不用烧 toon 了？还是要用到 toon， 因为 toon 机制本身和部署方式无关。本地部署呢，不需要按量付费，但电费得自己掏，算上硬件成本不一定划算。如果我把一段话复制粘贴进去，是不是就算一次 toon 不是 文字越多呢？计算的输入 toon 数量就越多？ 我问的问题很长，但答案很短，是不是只扣答案的 token 不是， 输了 token 呢？也要算钱？表情符号算几个 token 会不会比一个字还贵？常见的表情呢，是一个 token， 不 常见的会用两到四个 token 拼接表示。 deepsea 和 gpt 的 token 是 一样的吗？ 不一样，互相不认识。 y， y， d， s 这种网络词是几个 token， 一 般拆成 y， y 和 d s 两个 token， 要是这个词足够火，也可能被模型当做一个整体。同样的问题，我上午问和下午问，输出的 token 数会不一样吗？不一样，模型输出具有随机性，每次输出的 token 数量不同。 那小龙虾帮我下载电影是否要按 token 计费？小龙虾思考怎么下载？打开下载网站，执行下载命令，这些都需要消耗 token， 但是下载电影本身不消耗 token， 因为电影不是大模型生成的， 电影是存在第三方服务器上，只消耗下载流量，不消耗 token。 为什么我和 ai 聊得越久，回复同样一句话，花的钱就越多？ 模型是基于对话历史进行回答的，所以你所有说过的话呢，都会参与计算，计算成本就越高，这也是 ai 还需要按照输入 token 数量计费的原因。 怎么才能少用点 token 输入更少的提示词去掉？你好，请问这类废话规定模型输入长度，加一句五十字以内回答，但很有可能问题没有说清楚，回答呢也不够准确。如果前后问题呢？不相关也可以新开对话，避免历史对话参与计算。 托管是加密的密码吗？不是，托管只是一种文字编码方式，虽然你看不懂，但他并没有加密。 图片和文本的托管是一样的吗？不一样，图片会切分成很多小小的方块，每个方块呢？当做一个视觉托管，就像拼图一样。托管是为了收费而发明的吗？ 不是，托管是技术发明，是为了能表达和能计算，只是计算的成本和托管数量正相关，所以就按照托管数量收费。我使用豆包没有付费啊。为什么说托管是收费的？大厂为了抢占市场让你免费使用，成本呢？暂时不用你出， 如果你是企业用户或者养龙虾就需要支付费用。我在一段话里疯狂敲空格， ai 是 视而不见还是会偷偷扣我的钱？ 空格也算钱，虽然有的模型会把几个空格打包，大部分时候你多敲一个空格就再多烧一份算力。那 ai 产生的废话是不是能退费？不能，因为废话也是显卡辛辛苦苦算出来的。
5593陈兴AI
03:35查看AI文稿AI文稿最近有不少做 talk 分 销出海的老板找我咨询，大家普遍的心态就是，我就做个中间商，把海外用户的 prompt 拉回国内的服务器跑一下，再把结果传回去，这个能有什么法律风险？ 但是真实的情况是，这件事情远远比你想的复杂，你以为你只是个技术通道，但其实你正好踩在两套完全不同的法律体系的交叉地带。这个事情呢，不能一上来就套法条，必须先看清楚事实。我建议你回去先查清楚三个核心问题， 这三个点直接决定了你的风险有多大。视频有点长，但对你来说真的很重要。第一个，你的主体到底在哪？ 比如说，如果你的运营主体在美国，以美国公司的名义向用户提供服务，那可能就直接走美国国内的那套数据合规方案了，不涉及数据跨境。 但如果你是用中国公司直接向海外用户提供服务，把用户数据拉到中国的服务器上处理，在他们那边就会构成数据跨境传输。一旦被认为是非法出境，在全球范围内都是重罚。比如欧盟的 gdp 上限是你全球年营收的百分之四， 速卖通前两年也被韩国罚了将近二十亿的韩元。违规点其实就三个，用户不知道数据要出境，被收集的信息远远超过必要范围，数据出去之后，用户权力没有人保障。 这三个点就是现在全球数据保护的重中之重。要把他们落实到位，是一个从前端隐私文本到后端数据处理的系统性工程，绝对不是你随随便便抄下近期的隐私政策就能糊弄过去的。第二个，数据里面有没有个人信息？ 有很多人觉得用户只是在发 prom， 只会模型干活，哪里有什么个人信息？但是你想一下，用户在你的平台上面问了什么问题，什么时候问的 ip 是 什么， 这些全部在你的后台日制里面，这本质上就是一条用户的行为。日制一旦能够关联到具体的人，就会受到管理，从前端的告知、合法基础到影响评估、用户删除权，这些东西又是一整套完整的义务，却一个都可能吃到罚单。 第三个，数据是怎么被处理的？如果你真的只是一个纯通道，数据不落盘不留日制，那风险是相对可控的。但是实践中你真的很难做到只是一个纯通道， 队长要不要日制省钱？要不要缓存体验要不要路由分发？都要的吧你这些事情你不太可能全部都绕开，但是你每做一件，法律上就多栓了一道链子， 你记了日记，出事了监管来查，你就得解释这些日记是怎么管的，存了多久，谁碰过你就不猜是一个局外人，而是数据处理链条上的一环。 你建了账号来分析用户的行为，那就更进一步了。用户数据跟他的身份挂上了钩，你这个时候就不是在帮人传话，而是在整理和分析用户信息。出了事呢， 责任就不会只追到模型厂商，你一样是要被拉出来问话，那等数据攒够了，你可能就会开始微调，甚至训练模型了，那就彻底没得解释了。你就不再是一个传数据，而是用数据的所有压给模型厂商的义务，你一个都跑不掉。 坦白说呢，这种业务的合规没有什么一招先吃遍天的套路，主体架构、数据范围、处理方式、目标市场。差一点，合规路径就完全不一样， 不知道自己踩没有踩雷其实是最危险的状态。如果你正在做这一类的出海业务，或者正准备做，建议你先把自己的业务价格和产品路径梳理清楚，如果拿捏不准，可以把你的产品情况发给我，我先帮你看一看，做个初步判断。
394单律聊AI
07:18查看AI文稿AI文稿一条视频让你搞懂 talk 才是真正意义上的电力出海，而且是毛利率更高的电力出海形式，以及这个产业链中最重要的环节都是哪些。这个事情非常简单，你就想象一下现在大家对电力需求的一个新增的需求方， ai 用电有一个数字，亿几瓦的 ai 数据中心，一年的用电量大概是七十亿度到一百亿度，这相当于一个中等规模的城市的年用电量。 从店里的需求角度来看，突然多出来这么一个新的买方，那么店里就成了一个底层的硬通货了。你没有店，你靠芯片自己在那算算术题吗？自己在那搞推理吗？这个事情是完全不现实的。 我们以美国为例，美国二零二五年 ai 数据中心的用电量占到他们全社会用电量的比例大概是百分之四到百分之五，预测数据是到二零三零年的时候，这一占比将达到百分之十五甚至百分之十七。你算一下这个年复合率是一个非常恐怖的数据。但是美国 缺电，他们还在不断的构建万卡甚至五万卡的 ai 数据中心，电成了他们非常头疼的一个问题。那我们有电，你难道在太平洋上架高压线，把中国的电输送到美国去吗？我们都不考虑什么地缘政治，什么国家能源安全，这些东西 从物理上你也没办法，我们国家生产的电很难直接出口到其他需要电的地方去。现在中国的特高压输电最多出口到越南，再远你就没办法了， 是一个物理条件的限制，你出境是很困难的。过去中国经济的商品出口底层也有一个生产资料的消耗，就是对电力的消耗。 我们过去强大的工业能力，不管是做袜子还是做服装，还是后来的做机电，还是卖其他的商品，中国和一百五十多个国家是第一大贸易伙伴的这种关系。中国的商品的出口隐含着电力的出口， 但是大家要想到一个基本的概念，店里成本在商品里面的占比是比较低的，也就是中国的店里在出口商品里面没有更高的毛利率的体现。过去主要是量大管饱，最近这两年高附加值的产品的出口 占比逐渐在抬升，逐渐在提高，但是整体上我们的店里成本只是我们出口商品竞争力的一个体现，店的价值没有被凸显出来。 现在 tokken 出海到底是怎么玩的？比如说中国西部的绿电大概的度电成本两毛钱，中国的这些电去在国产的算力卡上跑，中国的大模型 产生出来这个 a、 p、 n 直接开放给海外市场他们调用，这就所谓的中国 tokken 出海底层电力的作用。这里面有一个算术题，我刚才跟你们说了，我们的度电成本两毛钱，平均算下来 我们的度电成本大概六毛钱，用六毛钱的度电成本生成的 tokun， 每百万 tokun 的 调用价格大概是六到十块钱，六毛钱变成了六块钱，这就是十倍的收益。即便是把其他的所有的成本算完之后，中国的 tokun 出海平均让我们店里的毛利率达到百 百分之六十。传统的外贸出口商品里面，电力的价值是完全不可比的。这里面还有第二个数据，中国生产的 talk 占到全球总 talk 市场份额的百分之六十一，这是最新数据。比如全球生产了一千万亿的 talk， 其中有百分之六十 中国的 talk， 美国是中国 talk 的 最重要的一个买家，中国 talk 出海，百分之九十被美国使用了，这是我们算的第二个账，第三个账，现在的 talk 到底是一个什么样的增长趋势？从二零二四年四月算起，到二零二六年四月，这两 年时间，全球 talk 增长了一千倍，这是这个市场的空间规模和斜率，它呈现的都不是一般意义上的指数性的爆发。 一千倍的倍数的增长，也能看出来这个市场的需求量有多么旺盛，景气度有多高。同时，这里面还有一个更具体的数字， mini max 的 单周 tucker 钓用量是二点四五万 亿，光至一周的 tucker 的 钓用量能为 mini max 贡献七千万美元的收入，这只是我们的一个模型， tucker 在 一周的钓用量带来的 购入。你稍微把这个方向展开一点。以四月最新的数据而言，现在日军的 top 肯调用量已经突破了一百四十万亿。在这个数据的背后，全球六大调用量最高的模型里面，五家是中国的。 这就是中国 top 肯出海的一个典型途径。从电力到算力到模型到 top 肯这个链条，中国已经完全形成了国产自主 可控，已经形成了一个闭环，这种闭环是技术上的闭环，是商业模式上的闭环，就是不会被卡脖子，你就是得用我的 talk， 那 就意味着你得用我的电力，我们的电 从物理层面上没办法直接卖给美国，但是我们可以以最新型的数字商品服务的形式出口到美国去，而且这种数字服务的关税利率要比特高压设备的关税低很多很多。这就是中国在 ai 产业里面的一个竞争优势。 到底是大家为什么说 ai 的 终点是算力，而中国的电力在全世界从任何一个角度去看都是最强的。我们前面是从电力到 talk， 这是一个顺序，我们也可以采用倒序的方式来说一下这个产业链上的核心环节和核心价值。最后一个环节是什么？ talk、 a、 p、 n 被调用，谁的大模型的调用量最大？我们知道的智普、 mini、 max、 千问这些，也就说中国的这些大模型场上是直接受益着你，不要还是停留在中国的大模型，和所谓的拆的 g、 p、 t 和真面的差距很大，其实几乎处于同一个水平，这是最直接收益， 钱是给到这些大模型公司的。那我们再往前推一下，大模型公司的上一步就是 ai 数据中心，而 ai 数据中心我们最新看到的是什么？ deepsea v 四模型采用了全链路底层完全国产化的升腾的训练卡和推力卡，这就意味着在算力这个环节，以升腾算力卡为典型代表的国产算力卡是受益的。 为什么？因为我们到现在，即便是特朗普允许 h 二零出口给中国，我们明面上一片也没买，不买的目的是什么？为什么敢不买？你离开英伟达的芯片能不能转的动？这就是国产算力卡，这个环节上已经逐渐在追上来了， 可以用了，甚至比较好用了。这里面就不仅仅只是升腾卡，还涉及到了汉武帝、海光避任等等国产酸利卡，当然也包括阿里的平头哥的卡，也就是国产酸利卡是受益于 tucker 的 爆发性增长， tucker 的 出海的，那你从酸利卡再往前推，那就是电力。电力这个环节是有两个 方向，一个是和 ai 数据中心所需要的储能相关的电的传输，这个环节也是受益的，一方面是电力设备，另一个方面电力的调度，电力的调配，这个储能是能起到调配作用的， 除了电力的输送之外，就是电力的生产。原来中国的电生产袜子其实没有体现出电的毛利率，生产 talk 它的价值量就大幅提升了，那对生产电的这些单位本身也是受益的。这就是我们从倒序的方式。再给大家看一下整个链条本 本质上就是 talkin 经济。 talkin 经济的底层其实是全链桥的自主可控，全链桥的国产替代，全链桥的 ai 的 商业闭环和技术闭环。大家要对这个东西不仅仅是有吸引力，还要有信心，美得很，撩咋咧？
2865关中铁人张大户
05:45查看AI文稿AI文稿每一次工业革命，都有一样东西在背后疯狂燃烧。第一次工业革命，蒸汽机来了。蒸汽机本身不值钱， 值钱的是让它跑起来的东西。煤。煤从地里挖出来烧掉，变成蒸汽，蒸汽推动机器、机器生产商品。整个英国的矿山、铁路、钢铁厂，全都围绕着怎么挖更多的煤，怎么运更多的煤来建立起来。煤就是那个时代的核心消耗品。 第二次工业革命，电来了，电本身也看不见摸不着，但他改变了一切。爱迪生建发电厂，特斯拉搞交流电，全世界开始拉电网、发电、输电、配电、用电，一条完整的产业链，养活了成千上亿的人， 创造了通用电器这种巨无霸公司。电就是那个时代的核心消耗品。第三次石油、内燃机、汽车、飞机、塑料化工。整个二十世纪，全球经济都建立在石油上，围绕着石油打了多少仗？中东为什么重要？因为那里有油，石油就是那个时代的核心消耗品。 现在 ai 时代来了，它的核心消耗品是什么呢？ token， 你 可能听过这个词，但不太理解。简单说， token 就是 ai 处理信息的最小单位。 你跟 ai 说一句话， ai 会把你的话拆成一个一个的 token， 然后逐个处理，逐个生成回答。每一次你问 ai 一个问题，每一次 ai 给你写一段文字，画一张画，生成一段代码，背后都在消耗 token。 一个中文字大约是一到两个 toc， 你 让 ai 写一篇一千字的文章，大概就是消耗了两千个 toc， 听起来不多，对吧？赶紧把这个数字乘以全球的用户量， chat gpt 每周九亿活跃用户，豆包 kimi 千万， 中国五点一五亿生成式 ai 用户，每个人每天跟 ai 对 话好几轮，每一轮都在烧 toc。 再加上企业端自动驾驶的 ai， 每秒处理海量的传感器数据，全是 token。 金融公司的 ai 交易系统，每毫秒做一次决策也全是 token， ai 写代码， ai 做客服， ai 审核合同， ai 看片子，全都是 token。 英伟达为什么一年赚两千一百多亿美金？因为生成 token 需要 gpu， gpu 就是 token 的 发电机。英伟达卖的每一块芯片，最终都是在帮客户生产更多的 token。 openai 为什么要花六千亿美元建数据中心？因为数据中心就是 token 的 发电厂。越多的人用 ai， 就 需要越多的数据中心，就需要越多的电力，就需要越多的芯片。 google 为什么要签一百五十兆瓦的地热能协议？因为 ai 的 数据中心太吃电了，生产 token 这件事，最终还是要烧真实的能源。所以 token 这条产业链从上到下是这样的， 最底层是能源发电厂，电网、地热核能给数据中心供电。往上一层是芯片，英伟达、 amd 含五 g 造生产 token 的 发动机。 再往上是云计算，亚马逊、微软、阿里云建 token 工厂，把算力租给别人。再往上是大冒险公司 open ai、 ospec、 deepsea、 月之暗面，它们把芯片和算力变成可以使用的 ai 服务。 最上面是应用层， chat、 gbt、 豆包 kimi 各种 ai 工具，它们是 token 加油站，每个用户来一次就烧一次。煤的时代，谁控制了煤矿，谁就是亡。石油时代，谁控制了油田，谁就是亡。电力时代，谁建了发电厂，谁就是亡。 token 时代，谁能更便宜、更高效的生产和分发 token， 谁就是王。这就是为什么英伟达市值全球第一，所有的科技巨头疯了一样的砸七千亿建数据中心。这就是为什么 deepsea 一 出来，全世界都撼动，因为它证明了用更少的算力能生产同样质量的 token， 等于用更少的煤烧出了同样多的蒸汽。但 token 跟煤石油炼里有一个根本区别，就是 煤你能看得见，能称重，一吨多少钱清清楚楚，石油你能闻到？一桶多少美元，全球统一报价。 电你虽然看不见，但电表会转，每个月你都会收到电费单 token 你 看不见，摸不着，闻不到。你跟 ai 聊天的时候，他不知不觉的会在消耗这个东西。每一次对话，每一次生成，背后都有真实的芯片在运转， 真正的电力在燃烧，真实的成本在产生。 openai 去年收入一百三十一亿美元，亏了八十亿。收入从哪儿来？卖 token 亏的钱花在哪了？生产 token 按 so pick 给 cloud 的 定价，按输入 token 和输出 token 分 别收费。 google 的 gmail 三点一 pro， 两百 k 以下的 token 一个价，两百 k 以上的 token 另外一个价。整个 ai 行业的商业模式底层逻辑就是一句话，生产 token， 卖 token。 未来十年， token 的 价格会像电价一样成为一个关键的经济指标。哪个国家的 token 成本更便宜，哪个国家的 ai 产业就更有竞争力。中国为什么拼命搞国产芯片？因为用英伟达的芯片生产 token 太贵了，还随时可能被卡脖子。 deepstack 为什么重要？因为它把每个 token 的 生产成本打了下来。当年煤价涨价，工厂就停工。油价涨了，航空公司就亏钱，电价涨了，铝厂就关门。未来， token 成本涨了， ai 应用就用不起。 token 成本降了， ai 就 能渗透到更多应用场景，替代更多人力，创造更多价值。 我是文思，你每天用 ai 的 时候，可能从来没有想过这些，但从今天开始，你可以换一个视角看 ai。 你 用的每一个 ai 工具，背后都连着一条从能源到芯片到数据中心到大模型的完整产业链。你敲下的每一个字， ai 回复你的每一句话，都在消耗一种你看不见的资源，这种资源就是 token， 它是 ai 时代的煤， ai 时代的石油， ai 时代的电，只不过这一次烧的东西，你看不见。觉得涨知识了，可以转发给你的朋友看看。关注我，每天带你看懂 ai！
1.8万文斯说AI
07:08查看AI文稿AI文稿今天我们要聊的是，普通人怎么通过做 token 代理，把大公司的 ai 能力介绍给中小企业，并且用贴心的服务解决他们遇到的问题，从而抓住这个 ai 时代的新机会。是，这个其实是一个非常值得关注的方向，那我们就直接开始吧。 咱们先说说第一个大家常有的疑问啊，就是很多人一听到 token 代理就觉得这不就是一个赚差价的中间商吗？嗯，这个理解对吗？ 其实这个是挺常见的一个误解，大家都会觉得 token 代理不就是跟黄牛一样吗？对，低买高卖赚差价，包括我自己一开始的时候也是这么想的。这么说的话，这个 token 代理和黄牛还真不一样。对，真不一样，因为你深入了解之后会发现，其实， 呃，互联网大厂他们是非常欢迎投肯代理的。是的，甚至可以说，如果没有这些代理，他们的 ai 服务是很难推广到这么多企业的。嗯，因为大厂其实自己是看不上这些中小企业的小订单的，所以他们非常希望有代理来帮他们做这件事情。原来如此啊， 那这些互联网大厂为什么自己不直接服务这些中小企业，而非要通过 token 代理呢？因为大厂的销售团队其实是有限的，他们每个人可能每个月都背着几百万的业绩指标，那他们肯定会把主要的精力放在能签几百万合同的大客户身上。对，比如说金融巨头、大型国企， 因为这样的一个订单就足够他们忙活好久了。所以说中小企业的订单太小了，大厂根本就无暇顾及。没错没错，就全国有几千万家中小企业，可能一个小老板一年就只想花个三五千来试用一下 ai。 嗯，那这一点点钱 还不够给大厂的销售发工资和报销邮费呢。所以，大厂不是不想服务他们，而是在商业逻辑上划不来。是的，他们没有办法为了这点收入去耗费大量的人力和时间了解了。那托根代理到底是怎么把大厂的 ai 和中小企业连接起来的呢？是这么回事，虽然说这些中小企业数量庞大， 他们的需求加起来是非常可观的，但大厂自己是没有办法服务这么多小客户的。所以，这时候 token 代理就像一座桥，把大厂的 ai 模型、推理、服务啊，这些能力带给了这些 不懂技术，但是又想用 ai 来赚钱或者省钱的小老板们。既然如此，为什么大厂他们自己没有办法把 ai 技术直接卖给这些中小企业呢？这是因为大厂他们虽然很会研发技术，但是他们只会用 api、 sdk、 推理服务这些专业术语沟通。嗯， 可对于中小企业老板来说，他们根本听不懂这些东西，他们关心的就是这个东西能不能帮他们多卖货，能不能帮他们节省成本。是的，而这恰恰是大厂的短板。听起来大厂和中小企业之间真的是有一道圆的鸿沟啊。是的，是的，这个时候 token 代理就像一个翻译官，又像一个落地帮手，他会把 啊 ai 的 能力翻译成通俗易懂的话。嗯，比如说客户想节省人工，那代理就会告诉他，这个 ai 客服可以顶三个真人客服还可以全天候工作。是的，如果客户说他想要提升销量，那代理就会说， 这个 ai 可以 帮你自动写爆款文案，自动处理订单，客户根本不用担心不会用，因为代理会帮他全程配置和调试，有问题还可以随时找代理解决。 这么说的话， tocan 代理是不是其实卖的不是 tocan 本身？完全正确， tocan 代理其实卖的是解决问题的方案。嗯，就像把大厂的 ai 能力这个发动机装到不同的车上，然后再交给有不同需求的小老板。是的，这种定制化的增值服务是大厂做不来也不想做的。明白了， 那我想问一下大家最关心的问题，投肯代理这个生意到底能做多久？会不会有一天大厂突然说要自己做中小企业市场，那这些代理不就被踢出局了吗？其实这个担心完全没有必要，就云计算，从二零零六年亚马逊推出 ec 二到现在已经快二十年了。 嗯，云服务器和云存储都已经非常标准化了。但是市场上依然有多如牛毛的云服务代理商就有上万家啊。 这么说的话，就算技术再怎么普及，代理商依然是有存在的必要的。对啊，因为中小企业永远都需要有人帮他们选配置，帮他们数据迁移，帮他们呃快速的响应解决问题。是的， 所以技术越普及，他们对于这种本地化的贴身的服务需求反而会越来越大。这么看来， ai 领域的 token 代理也是一样的道理吧？没错没错， 因为现在虽然大模型越来越厉害，但是大部分的中小企业老板连什么是提示词都不知道，更不要提什么微调 r i g 搭建知识库了。是的，那这个时候代理就可以帮他们搭建环境培训基础，然后随时响应他们的问题， 这种面对面的服务是大厂永远没有办法取代的。确实，那我们接下来要聊的就是普通人到底能不能抓住 token 代理这个机会。因为很多人一听到 ai 就 觉得门槛太高了，觉得自己又不会写代码，又不懂算法，那是不是就根本没有办法参与？其实完全不用被技术吓到，就真正靠 token 代理赚到钱的人， 并不是说他的技术有多牛，嗯，而是他真的知道客户遇到的问题是什么，然后能够找到合适的 ai 工具，帮客户把问题解决掉就可以了。哦，那看来技术其实只是一个很小的环节，关键还是要懂客户需求。是的是的，比如说你身边有开网店的朋友，每天要手动回复上百条客户消息， 那你只要给他配一个 ai 自动回复机器人，一个月收他五百块钱，他也很乐意，因为他节省了一个客服的工资， 而你也赚到了钱。对，这个过程你根本不需要写代码，你只要会用那些现成的工具帮他配置好，能处理一些常见的问题就可以了。哎，那除了这个网店客服的场景，还有没有其他的例子可以举？当然有啊，比如说你小区里面有做自媒体的邻居，他可能每个月花几十块钱 就可以使用 ai 写作助手，帮它生成爆款标题和文案。那你想，一个小区可能有几百个这样的潜在客户，你每个月的收入是不是也很可观？而且你根本不需要懂算法，你只要会用这些工具就可以了。懂了懂了， 那投坑代理这个事情是一个短期的风口，还是说可以长期做下去的？这个绝对不是一个赚快钱的事情，就云计算代理都已经安稳的做了十几年了，现在依然很赚钱。嗯，那 ai 行业现在才刚刚开始，未来大模型肯定会越来越便宜，功能会越来越强大， 那想要用 ai 的 中小企业肯定也会越来越多，所以这个市场是会持续扩大的。所以说即使 ai 普及了，大家对服务的需求还是不会消失的，因为大部分的企业还是需要有人手把手教，需要有人帮他们解决问题的，那这个服务的缺口只会越来越大。 嗯，所以 token 代理是一个可以长期做的正经生意，而且现在其实还处于一个很早期的阶段，可能还要两三年的时间才会彻底爆发， 所以现在大家完全可以慢慢的学习，然后找准时机再进场。行，那今天我们其实聊了很多关于 token 代理，不是一个简单的赚差价的事情，而是一个 真正可以帮中小企业用 ai 解决问题的，然后又可以长期做的一个正当生意。好的，那今天的内容咱们就到这里了，然后谢谢大家的收听，咱们下期再见吧。
4436初心AI笔记
01:17查看AI文稿AI文稿听好了啊，一个月赚两万美金，成本就会为零，方法更贵。我告诉你个数字啊，国内 ai over 一 分钱，国外的三分减二，每分差了二十倍，就这个假茶全是钱。只是你不知道怎么去拿三个玩法，第一个 搬砖去拿阿里公益那种千万级的 ad 授权包装成本低的工具卖给东南亚电商。人家那边啊，拿这个东西当生产力抢着买，毛利六十五个点，你赚的就是他。不知道国内这么便宜， 觉得还行啊，不要着急，下一个压缩样本，二十 g 的 模型压到市里丢到东南亚的廉价算链上去。高成本多少？零点零零零八美分，天跑十一个亿头，净利润两万美金每天啊，还挖什么矿， 这个在他面前就是个笑话。还有一个是是道理，这个一般人就玩不了，但你还是得知道一下，欧洲白天啊，电费贵对吧？你就把推理任务调动去南美那边夜间极方便宜，算完再卖给亚洲，白天的高需用成本再降四十个 g， 这不是赚钱，这是降维打词。所以你看信息差这玩意算不说了，这玩意现在知道的人还不多。
1.2万杜小康的ai搬砖秘籍
01:07查看AI文稿AI文稿如果你还分不清 ai、 tockin、 算力和云到底啥关系，今天呢，一分钟给你讲明白。咱们身边最常用的 ai 分 为两种，通用大模型和 ai 智能体。 像豆包、 deepstack 这类大模型啊，像百科全书，问啥都能答，但你不问呢，他也不说。而且他没有长期记忆，不能自己额外学习专业知识，也不能持续地干活。而智能体，也就是 agent 就厉害了，他会以大模行为，大脑带记忆，会规划，能调用工具，能自主完成一整件事。但 ai 和人一样干活呀，他也得吃饭。 词源也就是滔肯，就是 ai 的 口粮，干多少活，吃多少饭。那算力又是什么？算力就是 ai 的 计算能力和发动机，算力越强，生产滔肯也越高效。算力可以私有化部署，也可以集中部署。 平时我们用的 ai 服务，算力大多集中在数据中心远程供给，这个就是云。一句话总结， ai 干活要消耗资源，要靠算力支撑， 而算力常用云的方式来提供。你可以直接买 tockin， 就 像自己买菜，也可以买算力，去自己种地。关注我，带你了解更多运营商知识！
96本移小唐-本溪县
02:21查看AI文稿AI文稿哈喽，大家好，欢迎来到百花基金小课堂，上一期带大家了解了主力资金到底有什么用。这期啊，我将带大家了解 ai 时代的新货币 talking， 它到底是什么？ 今天两会啊，官方已经给 talking 下了中文标准的一名词源，它是 ai 大 数据模型啊，对文本、 图像、代码、语音等各类信息进行拆解、理解、运算和生成的基本的语义单位，是大模型能识别的最小的信息颗粒，就像用电按度计量，用水按吨计量，打电话按分钟计量一样。 举个例子，当你下一个指令给手机里的 ai 软件，比如如何制作可乐鸡翅啊软件并不会读懂这句话的完整意思，而是啊，先把这句指令拆解成一个个独立的能被模型识别的最小语义 token， 比如如何制作可乐鸡翅啊，这些就是能被模型处理的基础的信息颗粒。 这是啊，搭模型处理的第一步，也是起点，这时候搭模型就会调用背后的知识库和算力，解锁、匹配和可乐鸡翅制作相关的所有核心托克，比如鸡翅掏水、油炸八成熟加入可乐等啊这类关键信息。 这个过程中，每一次解锁、匹配和逻辑运算都在消耗托管资源。之后， ai 软件会把这些零散的托管按照中文表达逻辑重新组合，最终形成通顺完整的可乐计时教程。 最后，啊托肯消耗总量也是第三方公司收取服务费用的核心依据。你在虚拟世界里的一个简单指令，在现实中， ai 公司部署的低时延推理机群就会立刻启动， 完成托肯的拆解、解锁、匹配和运算，最终重组成完整教程，几秒内就传回你的手机屏幕，这就是 ai 时代的新货币托肯。 今天就先讲到这里，关注我，下期带你了解 toking 为什么这么火？核心的投资逻辑在哪里？我们普通人应该抓住怎样的风口？
09:19查看AI文稿AI文稿ai token 的 供需真相，执行力的通缩？那么近日啊，顶级半导体咨询机构 semiananalysis 就是 半导体分析的主理人戴伦帕特尔就接受了一个深邃的访谈。 那么作为啊，全球追踪算力芯片和 ai 基础设施的最顶尖的专家之一啊，那 戴伦啊，他不仅是在聊技术，在访谈之中啊，他揭示了一个正在发生的甚至有点恐怖的经济真相，就是 ai 正在让执行力变得极度的廉价。 那咱们今天啊，就用这个短视频来听一听狄伦帕特尔所说的 ai token 的 供需真相啊！ 好，那咱们开始啊，一惊人的账单与执行力的坠落，咱们先从一个真实的财务故事讲起。 那么戴伦啊，他在访谈之中，他就说，去年我们觉得自己已经是 ai 的 重度用户了， 那么订阅的费用啊，加在一起一年也就是几万美元。但到了今年的一月，情况完全变了，由于团队里啊，连非技术背景的人都在疯狂的调用 api 在 写代码，我们的支出曲线就开始像火箭一样上升。 那么数据的事实是什么呢？戴伦他就透露啊，他们的公司目前的 ai 的 年化支出率已经飙升到了七百万美元， 大家对这个数字可能没有什么概念，咱们就这么说吧，他们整个公司的员工的薪资支出大约就是两千五百万美元， 这就意味着 ai token 的 成本已经占到了人力成本的四分之一以上。而且按照现在的这个斜率啊，到今年的年底， ai 的 开销啊，甚至可能超过发给员工的工资。 这就引出了戴伦的核心的观点是什么呢？就是他说过去创意很廉价，执行却极其的艰难且昂贵，但现在创意依然多如牛毛，执行却变得非常的容易且廉价。 所以啊，只有那些真正的顶级的创意才值得我们在如此低廉的融资，这就是所谓的执行力的通缩。 如果您还在为自己擅长的按部就班的去完成任务而去自豪，那么戴伦的警告就是，你正在被一种成本极低，效率极高的 token 所快速的取代。 二，消失的人力与影子 gdp， 那 么为了证明啊，这种效率的跨代的差异，那么戴伦在访谈之中就举了两个极其震撼的案例， 咱们一起来看一看啊。第一个案例就是有一位前英特尔的硬件工程师，他想做一个芯片逆向工程的应用， 在以前啊，这需要组建一个专门的团队，花几个月甚至更久去构建，但现在他个人只花了三周的时间，调用了几千美元的 cloud 模型的 token， 就 独自的完成了整套复杂的系统。 那么第二个案例就是更夸张的是一位叫做马尔科姆的经济学家，那么戴伦他说他一个人完成了原本需要二百名经济学家一年才能够完成的工作量。 他让 ai 调用了路易斯联邦储备银行经济数据库等各种宏观经济的 api 数据，对劳工统计局的两千多项任务逐一进行自动化的评估，那么这种产出的规模在 ai 之前是无法想象的。 那么这里啊，戴伦就提出了一个非常超前的概念，叫做影子 gdp， 什么意思呢？简单的来说啊，就是生产力大规模的爆发，产出的价值多了好几百倍，但是因为这些， 实现这些价值的成本，也就是偷啃的费用实在是太低了，导致啊在 gdp 的 账面上，这些贡献反而变小了。这种效率与这个价格的错位，正在悄无声息的重构着各行各业。 但他就提醒道说，如果你不主动的采用 ai， 你 的竞争对手就会用它把你上品化，然后彻底的击败你。 三、供给端的暴力与模型的阶级化。那么咱们再来看一看共赢端啊，作为大模型背后的军火商，军火商啊， ansoroabig 的 表现足以让华尔街疯狂。 咱们先来看看数据分析啊，由于需求太过旺盛， ansoroabic 的 收入从之前的九十亿的年经常性收入暴增到了现在的三百五十亿到四百亿美元，那么根据昨天最新的数据，已经突破了四百亿美元。 很多人啊都担心推理的成本太高，但戴伦的团队算了一笔账，即便 anson robig 把所有新增的算力全部都砸进推理的里面，他们的毛利率也依然高达百分之七十二， 这个数字啊，可比年初泄露的出来的多了百分之三十，翻了一倍还要多。 那么为什么这么赚钱呢？那么因为啊，顶级的模型现在是卖房市场， 那么戴伦就提到了一个关键的细节，现在最强的模型，比如传闻之中的 mesos， 也就是那个神话模型，普通人其实根本用不到戴伦，他说，我们当时几乎是跪求 ansoroabig 的 创世人，才求到了 mesos， 也就是神话模型的访问权限， 那么目前的顶级模型正呈现出一种越来越窄的部署的趋势，虽然大家都口口声声的说 ai 属于全人类，但事实上 ai 极其的昂贵。 那么咱们揭秘一个事实啊，就是外溢级别的基础设施的投资需要有人来买单，那么谁来买呢？就是那些有钱且能用 ai 赚更多钱的人。 那么目前啊，最强的模型通常是定向提供给顶尖对冲基金或者是大型银行用于网络安全或者是高频交易。那么顶级基金甚至会签下百亿美元的合同，其实只是为了买断最新模型的前一百亿个偷看的优先使用权， 从而在金融市场上形成绝对的信息差的压制。四、物理世界的起点与机器人的未来 那么如果您觉得现在的软件 ai 已经够强大的了，那么狄伦啊，他就告诉你，真正的重头戏还在后面。未来的六到十八个月，我们将迎来机器人领域的起点。 那么戴伦他的观点，核心的观点是，目前的机器人的模型效率是很低的，需要大量的去做训练的数据，但随着像 mesos， 也就是神话模型这种量级的大 规模的育训练模型的出现，人类将进入少量本学习的新阶段。大家要记住这一点，未来的呃，六到十八个月内，机器人可能真的要爆发了。 那么场景的描述就是，你不需要给机器人写几万行代码，您只需要演示几次怎么叠衣服，怎么清理实验台机器人通过视觉捕捉和语义的理解，看几次 就能学会这种将 ai 的 理解力直接转化成物理世界，劳动力的变更将引发对 token 的 新一轮狂热的需求，因为每动一下，手脚都在消耗 token。 我 觉得啊，这个狄伦帕特尔啊，他肯定是有一些内幕的消息，因为他就是干情报这一行的，所以他预测六到十八个月， 人形的机器人会有爆发。这一点我看这个访谈的时候啊，我有点被触动啊，也许正在实验室，呃，人形实验室里边，机器人的实验室里边，正在发生着一些咱们所不太了解的情况，而他看到了， 那咱们也总结一下吧。访谈结束时啊，那么戴伦他就再次强调他说规模的定律，也就是 skating law 的 统治地位。 那么事实证明啊， mesos 也就是神话，这种级别的模型就告诉着咱们，投入更多的算力，更多的数据，更多的金钱，模型确实会变得更聪明，更全能。 那么戴伦他给所有人的建议就是，在一个执行变得如此廉价的世界里，您的核心竞争力不再是如何埋头苦干，而是以下两点， 第一，你是否拥有足够好的创意，值得去启动 ai 帮你执行。第二，你是否拥有获得获取的资本，并把这些资本高效的转化为 ai token。 那 么听完狄伦帕特尔的分享啊，我们应该意识到， token 不 仅仅是代码，它是未来的货币，是新的生产力的燃料。那么这场关于 token 的 战争其实才刚刚开始。那么 在执行力通缩的今天，您是不是也应该考虑一下，是否有那一刀切下去把地球劈两半的那种创意呢？这才是您现在应该问的最好的问题啊。
61东西说话
03:09查看AI文稿AI文稿今天咱们来聊一个你可能天天听到，但一直没搞明白的词。 token 这个词听着是不是像金融圈的代币或者程序员敲的什么神秘代码？但今天我用几分钟，让你不仅懂它，还能让你在朋友面前装个大的。 咱们来打个比方，假设 ai 是 一个正在玩乐高的三岁小孩，你给他一本红楼梦，说给我讲个贾宝玉的故事。 ai 不 会魔法，他得先把这本厚厚的书拆成一块一块的小积木，这就是 token。 假是一个积木，宝是一个积木，玉是一个积木，句号也是一个积木。然后他把这些积木编号、理解、存储，最后拼出一个新故事给你。 所以 token 就是 ai 看世界的最小积木块。你写，我喜欢吃火锅， ai 眼里是，我喜欢吃火锅，四个 token 你 写 chad gpt， 真牛。 ai 眼里是 chad gpt， 真牛。一共四个 token， 因为英文单词可能会被拆。 ai 其实是个文盲，他只认识数字。 token 的 作用就是当翻译官把每个积木块词或者字变成一个数字编号。比如我是幺二五， 喜欢是三零六，吃是七八，火锅是四四二零，然后 ai 就 看着这些数字开始疯狂计算。幺二五后面常常出现三零六，三零六，后面可能是七八或者八八八，他根本不知道火锅是什么味道，他知道火锅辣， 冬天好吃。这些偷看经常一起出现。所以 ai 其实是个超级统计学家，不是真正理解， 但是他演的太像了。如果你用过任何 ai 的 付费 a p i， 你 会发现 token 就是 流量，流量就是钱，你说的话占多少？ token 收费， ai 回话占多少？ token 收费每一千个 token 大 概几里钱？但积少成多，聊嗨了可能一顿饭钱就没了。 所以下次和 ai 聊天，别废话连篇，省 token 就是 省钱。顺便给个参考啊，一个汉字约等于一至两个 token， 一 千个 token 约等于七百五十个英文单词，一部翻体三部曲约等于九十万个 token。 你 看 ai 读完整套翻体也就几块钱，是不是比买纸质书还便宜？我觉得 token 这个东西还是特别有意思的，它就像 ai 的 呼吸频率， 以前的 ai 一 次只能呼吸两千个 toc， 大 概一千五百个字，聊着聊着就忘了开头，像鲸鱼一样。 现在的 ai 能呼吸二十万个 toc， 可以 陪你读完一本小说，再和你讨论细节，这是质的飞跃。但更有趣的是，人类说话也有 toc 密度，有人一句话说半天没重点。 toc 多但信息少，有人三言两语就能直击要害。 toc 少但质量高， ai 在 拼命堆 token 求智能，我们人类却可以用有限的 token 创造无限的可能，这不就是我们探击生物的优越感吗？
2918小瑾说
