为什么token必须死
Token 必须死。
这句话不是说 API 计费明天就不用 token。
也不是说 tokenizer 这个工程组件马上消失。
它真正要死的，是一种旧世界的想象力：我们默认 AI 的输入、输出、成本、能力边界，都必须被切成一个个离散 token 来理解。
一旦你接受这个前提，后面的商业模式和技术路线几乎都会被它牵着走。
模型按 token 预测。
平台按 token 收费。
产品按 token 消耗算成本。
公司按 token 预算决定能不能把 AI 用起来。
于是，一个本来应该重构知识、行动和组织的技术，被压缩成了“更便宜的字”。
这就是 token 必须死的原因。
它不是因为没用而死。
它是因为太有用，以至于开始成为新范式的枷锁。
Token 是语言时代的中间件
人类语言本来就是一种压缩协议。
我们脑子里真正发生的东西，并不是一个词接一个词。
它更像一团连续的体验、关系、空间、情绪、动作预期和因果直觉。
“苹果”两个字，只是这团东西被压扁之后的传输格式。
红色、重量、脆感、甜味、咬下去的声音、从桌上滚落的轨迹，都被压缩进一个符号。
这个符号对人类沟通很有用。
但对智能来说，它不是世界本身。
今天的大语言模型，是在这个压缩产物上继续建模。
它学到的是人类如何把世界写成句子。
这当然非常强大，因为人类文明的大量知识都以句子的形式存在。
但问题也在这里：没有被语言充分编码的东西，很难只靠 token 序列还原出来。
身体感、空间感、真实行动后的反馈、一个系统被干预之后的连锁反应，这些都不是文本里天然充分存在的东西。
所以 token 的天花板，不只是效率问题。
它是认识论问题。
你在世界的影子上建模，模型再大，也仍然是在影子上建模。
真正的变化，是从离散符号逃到连续空间
腾讯科技那篇文章里提到两个很有意思的信号：MIT 何恺明团队的 ELF，以及字节 Seed 的 Cola DLM。
按参考文的概括，它们共同指向同一个方向：语言生成的核心计算，不一定非要发生在离散 token 空间里。
可以先进入 embedding 或 latent 这样的连续空间。
在那里完成更高维的演化、搜索和建模。
最后一步，再映射回人类可读的文字。
这件事的意义，不是“又一个新模型论文”。
而是它改写了默认假设。
过去我们以为，文本生成就应该逐 token 往前走。
每一步选一个词。
选完就锁死一部分未来。
这很像一个组织里所有决策都要沿着层级链条逐级传递：每一步都合法，每一步都有记录，但整体会被路径依赖锁住。
连续空间的想象力不一样。
它不是先把话说死，再被前文约束。
它更像先在语义空间里形成一个整体场，再把这个场翻译成句子。
这更接近人类写作、思考和判断的真实过程。
我们不是从第一个字开始想，逐字推出整篇文章。
我们常常先有一个模糊但整体的判断，然后不断调整它，直到它能被语言表达出来。
所以 token 必须死，不是因为文字不重要。
恰恰相反，是因为文字太重要，不能让文字的离散格式绑架智能的内部计算。
Token 计费会越来越像蒸汽机时代的马力
今天按 token 收费，是合理的。
因为自回归模型的成本结构很清楚：输入多少 token，输出多少 token，大致就能估算计算量。
这让行业有了一个统一的价格单位。
也让采购、预算、毛利、限流都变得可管理。
但所有方便管理的指标，最后都会反过来管理人的想象力。
当企业谈 AI 成本时，第一反应是“每百万 token 多少钱”。
当产品经理设计功能时，会先问“这个流程会不会太费 token”。
当老板看报表时，会把智能使用量理解成 token 消耗量。
这在短期内没错。
但如果下一代模型的核心计算开始更多发生在连续空间、世界模型、行动反馈和工具执行里，token 就不再是成本的真实刻度。
一次智能任务的价值，可能不取决于它吐了多少字。
而取决于它减少了多少协调成本，压缩了多少决策路径，替代了多少无效会议，发现了多少过去组织看不见的模式。
这时候继续用 token 衡量 AI，就像用“打印了多少页纸”衡量一家公司的数字化程度。
能算。
但算错了重点。
多模态不是功能，是坐标系迁移
过去几年，“多模态”常被包装成产品功能。
能看图。
能听音频。
能理解视频。
能生成图片。
但如果把 token 范式放到更大的演进里看，多模态真正重要的地方不在功能列表，而在坐标系迁移。
文本、图像、音频、视频，本来就是同一个世界的不同投影。
如果一个模型真的要理解世界，它不能永远在“文本 token 是主干，其他模态外挂接入”的结构里工作。
更自然的方向，是所有模态都进入某种共享的连续表征空间。
文字只是其中一种出口。
图像也是出口。
行动也是出口。
代码、流程、组织决策，都可以是出口。
一旦这个方向成立，“多模态”这个词本身也会贬值。
因为它会变成默认能力。
就像今天没人把“这个软件支持中英文”当作核心竞争力。
未来也没人会把“这个模型能看图、能听声音”当作核心竞争力。
真正的竞争会变成：谁拥有更好的世界表征，谁能把外部市场情报和内部企业知识压进同一个可调用的 context，谁能让智能体在里面行动、反馈、自我修复。
对组织来说，杀死 token 才是 AI 原生的开始
如果 AI 只是 token 机器，企业使用 AI 的方式就会很自然地停留在“降本增效”。
写邮件快一点。
写代码快一点。
写方案快一点。
客服回答便宜一点。
这当然有价值。
但它不是 AI 原生组织。
AI 原生组织的核心，不是每个人多一个聊天窗口。
而是组织本身开始拥有连续的、可计算的上下文。
外部市场情报不断进入。
内部知识、流程、项目、客户反馈、代码、会议纪要、销售线索不断进入。
Builder 和 agent 在这个 context 里工作。
文化价值观和组织系统提供判断标准。
这时 AI 的价值不再是生成多少 token。
而是让组织更快形成判断，更快协调行动，更快从反馈里修正自己。
用一句话说：token 是输出计量单位，不是智能组织的操作系统。
如果企业把 AI 理解成 token，就会把 AI 买成一种更便宜的内容外包。
如果企业把 AI 理解成 context + agent + 组织算法，就会把 AI 建成一种新的生产关系。
这两条路，最后会走向完全不同的公司。
Token 会以另一种方式留下来
当然，token 不会真的消失。
至少在很长时间里，它仍然会作为工程接口、压缩格式、计费单位和兼容层存在。
就像文件夹没有因为数据库出现而消失。
键盘没有因为语音输入出现而消失。
网页没有因为 App 出现而消失。
旧格式会留下来。
但它不再定义新世界。
真正会死的，是 token 作为唯一中心的地位。
当模型的内部计算越来越多发生在连续空间，当多模态共享同一个表征坐标系，当智能体通过行动获得反馈，当组织把自己的 context 变成可计算资产，token 就会从“智能的本体”退回到“智能的接口”。
这就是为什么 token 必须死。
不是因为它没有贡献。
而是因为下一代 AI 需要从它身上毕业。
参考
- 腾讯科技：《“Token”必须死？》，2026-05-25，https://mp.weixin.qq.com/s/lvZ1kpAJwutRFGMyks7DyQ