定名為“圖根”：在 AI 時代重構中文的技術話語權

2026 年，隨著英偉達 GTC 大會將 “Token” 確立為 AI 推理時代的產業宏圖錨點，這一詞匯的出現頻率已超越了單純的技術范疇，成為衡量算力經濟的核心標尺。

然而，在中國 AI 產業高歌猛進之時，作為 AI 處理信息最小單元的 “Token”，至今缺乏一個既能精準承載其概念內涵，又符合漢語美學的中文譯名。雖然全國科學技術名詞審定委員會（全國名詞委）2026年3月25日，正式發布《關于發布試用人工智能領域名詞 token 中文名 “詞元” 的公告》，優先推薦 “詞元” 為 AI 領域 token 的標準中文名并面向全社會試用。但爭議并未平息，清華大學楊斌教授等業內人士堅持 “模元”的譯名， 這是學界 / 產業界極具影響力的學術提議，此外還有“智元”等提議。

在筆者看來，這場討論遠未結束，現有譯名均存在難以忽視的一個本質性問題，即缺乏語言學理論的支撐，沒有認識到token這樣一個AI時代的高頻詞是我們構建漢語AI話語體系大廈的基石，我們亟需一個兼具國際化和漢語特點、有語言學理論支撐、適配 AI 全產業發展的全新譯名 —— “圖根”。

一、現有譯名之弊：詞元與模元的先天局限與適配困境當前圍繞 Token 形成的 “詞元”、“模元”等譯名方案，均從單一維度切入定義這一 AI 核心概念，既無法匹配其技術本質與產業屬性，也難以適配多模態大模型的發展趨勢，成為中文 AI 話語體系構建的明顯桎梏。

1、官方定名“詞元”具有領域窄化與本質偏移的雙重硬傷全國名詞委基于計算語言學傳統將 Token 定名為 “詞元”，雖具備術語規范的初始價值，但從 AI 產業發展與技術本質來看，存在兩大無法調和的核心問題：

—— 領域窄化，適配性缺失：“詞元”的 “詞”字將概念嚴格限定在自然語言處理（NLP）領域，指向文本、語言這一單一信息形態。但在多模態大模型時代，Token 的處理對象已拓展至圖像、音頻、視頻的 “視覺塊” “音頻幀”，甚至在具身智能中成為物理空間的坐標映射，這些顯然并非傳統意義上的“詞”，用 “詞元”描述非文本類信息處理，在邏輯上存在根本性硬傷。

—— 本質偏移，內涵殘缺：Token 在 AI 時代的屬性早已超越單純的 “信息單元”，更是 AI 推理的 “算力消耗單元” 和算力經濟的 “經濟計價單位”，是支撐智能處理的核心載體。而 “詞元”的 “元”字僅能體現其“單元”屬性，無法充分承載其作為算力燃料的經濟屬性和智能處理的本體屬性，內涵表達嚴重殘缺。

2、業內提議的“模元”：表意模糊與產業適配不足的先天缺陷清華大學楊斌教授等業內人士提出的 “模元”譯名，試圖突破“詞元”的文本局限，適配大模型的技術背景，但該譯名同樣存在顯著問題，難以成為最優解：

—— 表意模糊，核心內涵缺失：“模元”的“模”字僅簡單指向“模型”，未能精準錨定 Token 作為 AI 處理最小基本單元的核心特征，也無法體現其對世界認知的表征屬性，與 Token 的技術本質存在明顯脫節，難以讓行業與大眾形成清晰、統一的概念認知。

—— 產業包容性弱，缺乏前瞻性：“模”字的指向性仍較為單一，僅聚焦于大模型這一技術載體，未能覆蓋 AI 全產業的發展場景，也無法適配算力經濟、具身智能等 AI 未來演進方向，缺乏對 AI 產業生態的整體包容性。

3、現有譯名的共同癥結：脫離AI通用智能的發展本質無論是“詞元”還是 “模元”，其核心癥結均在于未能立足 AI 作為通用技術的發展本質：前者受限于計算語言學的傳統視角，后者局限于大模型的單一技術維度，均未從 Token 的跨領域技術本質、全產業屬性、未來演進趨勢進行綜合定義。

這種單一維度的命名邏輯，不僅無法準確描述 Token 的核心內涵，更可能束縛中國 AI 產業的想象力，阻礙中文 AI 話語體系的構建。從語言學的角度看，“詞元”和“模元”的翻譯都扔掉了“音譯”這個思路，也就是丟棄了語音作為詞語的物質外殼，完全生造的兩個漢語詞和“token”在語音上沒有任何聯系，這受到業內人士的嚴厲詬病，也是他們堅持用token原詞的重要原因。音譯是外來詞漢化的重要途徑，如“可口可樂”這樣音義俱佳的范例不勝枚舉。放棄token譯名語音的聯系，其一大弊端是嚴重的損害了這個譯名本應具有的國際化色彩，在漢語日益國際化的今天，可以預見到“詞元”后續將嚴重制約其作為AI高頻詞的國際交際功能和國際影響力。

二、核心定名提議：圖根 —— 適配 AI 時代的 Token 最優譯名在剖析現有譯名先天局限的基礎上，結合 Token 的技術本質、產業屬性、多模態發展趨勢，以及中文的語言學特征與文化傳承，筆者提議將 Token漢譯名正式定名為圖根（Tu-ken）。這一譯名實現了音義兼顧、神形兼備，既精準承載了 Token 的核心內涵，又適配 AI 全產業的發展需求，更接續了中國計算文明的文化基因，且深度契合語言的約定俗成性，是重構 AI 時代中文技術話語權的最優選擇。

1 、音之天成：貼合原詞發音，符合漢語語音美學翻譯的至高境界在于音義兼顧，“圖根”在語音層面與Token實現了高度契合，兼具自然度與辨識度：Token 源自古英語 tāc (e) n，其首音節“To”與 “圖”的漢語發音完全同音，擲地有聲，易讀易記；尾音節 "Ken" 與 "根" 的聲母 /k/ 在發音部位（軟腭）與發音方法（塞音）上完全一致，僅送氣與否存在微小差別，聽感渾然一體，符合漢語的語音習慣。這種音韻上的高度契合，是“詞元”、“模元”等譯名無法企及的，為其在行業與大眾間的傳播奠定了語音基礎。

2、義之深邃：精準定義技術本質，覆蓋全產業核心屬性

“圖根” 二字各有深意和淵源，合璧之后則精準錨定了 Token 的技術本質、產業屬性與發展趨勢，實現了內涵表達的完整性與精準性：

“圖”：升維覆蓋，適配多模態與全產業：“圖”并非單純指圖畫，而是拓展為圖譜、宏圖、表征，既指向 AI 對世界認知的表征（Representation） 核心功能，又能覆蓋圖像、音頻、視頻等多模態信息處理場景，突破了“詞”的文本局限；同時，“圖”指向“圖靈”開啟的計算文明，呼應了 AI 的技術本源，具備極強的產業包容性與前瞻性。

“根”：錨定核心，體現本體與單元屬性：“根”既指根源、本體，精準體現 Token 作為 AI 智能處理本體屬性的核心地位，又在語言學中代表構詞的最小單位（詞根、根詞，亦稱語素），完美契合 Token 作為 AI 處理最小基本單元的技術特征；同時，“根”也暗含其作為 AI 產業基石的屬性，是算力經濟、智能涌現的底層支撐。

二者結合，將“圖根”精準定義為承載智能表征的最小基本單元，既體現了其技術本質，又覆蓋了其作為算力消耗單元、經濟計價單位的產業屬性，實現了內涵的全方位匹配。

3 、俗之契合：根植語言約定俗成，擁有深厚群眾基礎“圖”和 “根”作為構成“圖根”這一雙音節詞的兩個核心語素，不僅與 Token 在語音相近、語義存在深度內在聯系，更在中文語境中擁有相當深厚的群眾基礎，選擇 “圖根”更是基于語言約定俗成性的必然結果。

“圖”的約定俗成：天然表意屬性與民間使用共識：漢字作為表意文字，發軔于象形文字的孳生與演化，與“圖”有著與生俱來的天然聯系，其表意屬性與 Token 的表征功能高度契合；而網絡流行語（熱梗）“圖樣圖森破”更是將英語 “too/tu:/ ”直譯為“圖”的經典實例，成為民間層面英語譯中“圖”字使用的約定俗成，讓大眾對“To”與“圖”的語音對應形成了自然認知。

“根”的約定俗成：科技領域的高頻通用語素：“根”是語言學、數學領域的重要專業詞匯，更是計算機科學、互聯網和人工智能領域中最重要的常用語素之一，如“詞根、根詞、根服務器、根節點、根目錄”等詞匯已成為科技行業與大眾的通用認知，其作為技術領域基礎、核心、底層單元的內涵早已深入人心，與 Token 的技術定位高度匹配。

4、 域之兼容：規避跨領域譯名沖突，構建專屬術語空間在計算機編譯原理和網絡安全領域，“Token” 長期被譯為 "記號" 或 "令牌"，且已被行業廣泛接受，形成了固定的術語認知。“詞元”試圖在 AI 領域另立譯名，卻與傳統領域形成割裂，增加了跨領域交流的認知成本；而“圖根”則完美規避了這一問題，既與“記號”“令牌”等傳統譯名形成明確區分，不產生跨領域概念混淆，又為 AI 時代的 Token 創造了全新的、專屬的術語空間，實現了跨領域術語的和諧兼容。

三、圖根的產業與文化價值：重構AI時代中文技術話語權的核心基石“圖根”并非單純的譯名創新，更是立足 AI 產業發展、中國文化傳承與語言使用習慣的術語構建，其背后承載著適配產業發展、接續文化基因、凝聚行業共識的多重價值，是重構 AI 時代中文技術話語權的核心基石。

1、 產業包容性：適配多模態趨勢，成為算力經濟的全新專用計量單位在多模態已成為大模型標配、算力經濟成為 AI 產業核心邏輯的今天，“圖根” 的“圖”字實現了對全信息形態、全 AI 產業場景的升維覆蓋，無論是視覺塊、音頻幀，還是物理空間坐標映射，均可通過“圖根”進行精準描述，徹底擺脫了現有譯名的場景局限。

從產業經濟學視角來看，“圖根”不僅是 AI 的處理單元，更能成為智能經濟的全新計量單位—— 正如工業時代以“用電量”衡量產業發展，AI 時代可以“圖根消耗量”衡量算力需求、推理效率與產業價值，這種命名邏輯為 AI 算力經濟提供了清晰、統一的中文表達，適配產業發展的核心需求。

2、 文化傳承性：接續圖靈計算文明，構建中文 AI 話語體系語言是文明的載體，術語的構建離不開文化基因的傳承。計算機界的最高榮譽是 “圖靈獎”， “圖靈”二字早已深植于中國科技界的文化基因之中，成為中國計算文明的重要符號。將 Token 譯為“圖根”，便與“圖靈”形成了完美的邏輯閉環：圖靈定義了計算的靈魂，圖根定義了智能的本體。這一譯名讓 AI 核心術語與中國計算文明的文化符號實現了深度綁定，擺脫了對英文術語的單純依附，為構建具有中國文化特色的 AI 話語體系奠定了重要基礎。

3 、共識凝聚性：破解譯名割裂困境，實現全圈層認知統一當前 Token 譯名存在“學術圈用、產業圈棄、大眾圈混”的三層分化：學術圈強制落地“詞元”，產業圈因適配性問題堅守英文原詞，大眾圈因譯名混亂加深對英文的依賴。這種割裂不僅阻礙了術語的傳播，更影響了中文 AI 話語體系的構建。

“圖根”憑借其音義雙美的特征、精準的技術表達、全產業的適配性，以及根植于語言約定俗成的群眾基礎，能夠打破學術、產業、大眾之間的認知壁壘：既符合學術界對術語規范性、內涵精準性的要求，又滿足產業界對多模態適配、跨領域兼容的需求，還能讓大眾輕松理解、快速接受，從而破解譯名割裂的現實困境，實現全圈層的認知統一，凝聚起行業與社會的共識。

四、現有譯名的產業實踐困境：官方定名與民間應用的深度割裂現有“詞元、模元”等譯名的先天局限，直接導致了 Token 譯名在產業實踐中出現官方定名與民間應用深度割裂的現實圖景，這一現狀也從側面印證了全新譯名“圖根”的必要性與緊迫性。

1 、三層分化的現實圖景學術圈：強制落地，形式化普及：在教材、論文及官方出版物中，“詞元”因全國名詞委的行政約束力實現了形式化普及，學術期刊、國家數據局統計口徑及權威媒體均嚴格使用該譯名，但這種普及僅停留在表面，并未真正被學界從內心認可。

產業圈：頑固抵抗，堅守英文原詞：在技術文檔、API 計費及產品界面中，英文 “Token”仍是絕對主流。“詞元”的 “詞”字帶來的文本枷鎖，讓企業無法接受用其描述圖像、音頻等非文本信息的處理單元，而“模元”也因表意模糊無法滿足產業需求，導致產業界寧愿保留英文原詞，也不愿接受現有不準確的中文名。

大眾圈：認知混亂，依賴英文術語：科普內容中出現了 “詞元、模元 、智元”等各說各話的局面，缺乏像“字節”那樣的唯一共識。普通用戶面對雜亂的譯名時極易產生困惑，不僅無法形成清晰的概念認知，反而進一步加深了對英文 “Token”的依賴，不利于 AI 知識的大眾傳播。

2 、割裂的本質：語言學本位與 AI 通用智能本位的核心沖突現有譯名的產業實踐困境，其本質是語言學本位與 AI 通用智能本位的核心沖突：全國名詞委基于計算語言學的傳統視角進行定名，屬于“語言學本位”的邏輯；而產業界與反對者則著眼于 AI 作為通用技術的未來演進，從技術本質、產業屬性、多模態趨勢出發提出訴求，屬于“AI 通用智能本位”的邏輯。

兩種本位的沖突，讓現有譯名無法實現學術與產業的同頻，也無法滿足 AI 產業的發展需求，這也意味著，Token 的譯名重構，本質上是一次打破“語言學本位” 和“AI 通用智能本位”的行業視界的認知局限，取二者之長形成全民共識的努力，而“圖根”正是這一努力的核心成果。

五、結語：約之以名，名正言順，以圖根構建中國 AI 話語體系荀子曰：“名無固宜，約之以命。”名詞的最終確立，不在于單一機構的審定，而在于學界、產業界、社會大眾的共同共識，語言的生命力終究在于使用。

回顧歷史，“邏輯”、“經濟”等許多經典術語的最終定型，無不是經過了學界與業界的反復推敲與大眾的自然選擇。Token 作為 AI 時代的底層基石，其譯名不僅是一個簡單的語言問題，更是中國 AI 話語體系構建的核心環節，需要一個既能承載技術本質、適配產業發展，又能接續文化文脈、契合語言習慣、凝聚全民共識的名字。

“圖根”取“圖”之表征，承“根”之本源，音義雙美、神形兼備，既精準定義了Token 的核心內涵，又適配了多模態大模型與算力經濟的發展趨勢，更接續了圖靈開啟的計算文明基因，且根植于中文語境的約定俗成，擁有深厚的群眾基礎。

在此，筆者呼吁產業界、學術界與媒體同仁，共同參與token漢譯名的討論，打破現有譯名的局限，大膽試用“圖根”，讓這一譯名在實踐中接受檢驗、形成共識。讓我們以“圖根” 為基石，擺脫對英文術語的依附，重構 AI 時代的中文技術話語權，讓智能涌現的未來，從這一個個堅實的圖根開始，生根發芽，開花結果。

作者簡介：聶益南，西北大學中文系漢語言文學專業學士（1982）；四川大學現代漢語專業碩士（1988）；原中華工商時報記者