2026年3月23日，全国科学技术名词审定委员会发布公告推荐“词元”试用，AI领域核心术语Token定下正式中文译名“词元”。
好的翻译的确利于技术的科普和传播。laser刚进入中国时，大陆最初音译为“来塞”，台湾地区则叫作“镭射”，此外还有其他译法，混乱的译法给科研交流、科普带来了极大困扰。钱学森反复斟酌，将laser统一译为“激光”。这一译法简洁精准，既体现了激光是电子受激发后产生的这一技术特征，也方便了公众认识。这个翻译比台湾“镭射”的译法更好，虽然镭射有音译的成分，但因镭字与放射性元素“镭”相关，在当时还引发了恐慌。
但问题是，laser是一个相对单一的概念，而Token的含义则很多。
Token是AI大模型处理的数据最小单元。早在大语言模型之前，AI有一个领域叫作“自然语言处理”，简称NLP。在NLP中，Token表达的就是词、语素、词位等各种语言符号的最小单元，翻译成“词元”是很合适的。
后来，transformer模型从nlp领域，向图像领域等更多模态延展。比如，将图像分割为16×16的小块（patches），每个patch就是一个“Token”。从nlp领域延伸过来，自然也就沿用了nlp领域的术语。不过，一般视觉模型的论文中会写成image token，别的模态也会加上相应的前缀。
随着多模态大模型的发展，Token不再局限于语言，而是变成了AI能处理一切离散符号的最小单元，图像、视频、声音等都可以拆解成token，再用token作为单位来计算算力耗费。
所以，“词元”从字面上理解，概念比token变窄了。有程序员吐槽：“token在AI里不只是处理文字，现在图像、视频、语音都会被‘token化’处理，token既可以是一个汉字、一个词根，也可以是一张图片的像素块、一段语音的片段。‘词元’里的‘词’字，直接把非文字模态排除在外，太片面了！”难道未来还要有“图元” “视频元” “音元” 吗？
这就会导致一个问题。
维特根斯坦认为，语言通过逻辑结构与世界形成映射关系。在我看来，这种映射关系是多元的、整体的。翻译必然丢掉其中一些映射关系。举一个汉语的例子，花这个字的意思，最基本的含义是植物的器官。这个本意衍生出烟花、校花这类意义。花从名词又衍生出形容词的含义，形容颜色、式样复杂。这个意思，又再次递进，用来形容磨损或破损——因为磨损后的形态、形状、图案是复杂的，比如，玻璃花了，鞋子磨花了。因为磨损的意思，花字又产生了一个动词意义：花费、花销、浪费。
动词意义的花费、花销；加上形容词的样式复杂；再加上花本身的名词意义，综合在一起，就是“花天酒地”这个成语中“花”的意思，表达一种铺张浪费、花样繁多、女性混合在一起的综合性、整体性意境。
这种整体性的含义，母语是中文的人，不难理解。但对学中文的外国人而言，他们想要理解“花朵”和“花钱”，为什么都是花字，是很难的——这就像中国人学英语那样。至于外国人要领会“花天酒地”这个成语中的“花”字的整体性含义，就得要很多年，浸淫中文语境，才能领悟。
同样的，如果把一张猫咪图片拆解成token，说成拆解成词元。这不仅仅是不符合日常认知，也不仅仅是会给科普带来困扰，更关键的是，缺失了整体性，会影响认知框架，会对技术思维方式，形成潜移默化的影响。今后无数的技术人员，在使用token这个词的时候，他们的思维会潜移默化地、更多地将token视为一个词。所以，当词元的含义更狭窄的时候，使用词元的人，对技术的思考也会相应变窄。
一个“言说”影响思维的例子是，转基因如果叫作生物育种，预制菜叫作塑料罐头，那么，引发舆论的可能，引发舆论的强度就会小得多。因为育种和罐头，都是“传统”之物。这就是“名词中自带的观点”。
自动控制领域的术语robust，在学术圈被统一翻译为“鲁棒”性。“鲁棒”在中文里没有任何语义联想，在公众传播层面，遭到一定的吐槽。有人调侃：“第一次看到‘鲁棒性’，我还以为是山东出产的棒球棍。”但这是一个专业名词，首先应该考虑的不是公众传播，公众自然会慢慢明白其意思。这类名字的翻译，更需要考虑的是技术传播。“鲁”“棒”字，很好地包含了robust的整体性意思，不妨碍技术思维，所以，在我看来，这是一个很好的翻译。
20世纪90年代，互联网进入中国时，Internet曾有“因特网”“信息网络”“互联网”等多种译法，然后权威统一定为“因特网”。不过，在后来的文字演变中，“互联网”胜出。其实，“因特网”这个翻译，没有考虑太多的语言在文化意义上的纯洁，采用了音译，在我看来，就是为了更好地保留其整体意义。
所以，token翻译为词元，是有所失的。凡事皆有得失，那么，“得”是什么呢？
有一种说法，统一译名，是语言权力博弈，是在争夺国际AI技术话语权。这种情况是存在的。典型的例子是对龙的翻译。中国龙和西方龙，是不一样的。中国龙是祥瑞神兽、象征皇权，西方龙是邪恶怪物，往往要被骑士斩杀。英语中把龙翻译为dragon，是找了一个英语语境中，最接近的形象。但西方传统观点在潜移默化中，就会产生对中国龙不好的印象，进而影响对中国文化、中国的印象。所以，中国主动澄清，推广龙的音译long，是一个典型的消除文化误会，争夺国际话语权的例子。
另一个例子是汉城。汉城因位于汉江之北，得名“汉阳”。14世纪末朝鲜王朝定都汉阳后，改名为“汉城”。英语根据韩语发音，直译为Hanseong”，然后，中文又根据拼写和发音，译为汉城。汉城带有浓厚的古代政治文化色彩，使人容易联想到韩国曾臣服于中国。“Seoul”一词在韩语中本意为“首都”，早在19世纪末已非正式用于国际交流。到了2005年，韩国政府正式宣布“Seoul”为唯一官方英文名称，并明确要求国际社会停止使用“Hanseong”，自然也就涉及到中文的“汉城”。怎么翻译，当然是一国自己的事，但尊重他国意愿，中国也采用了“首尔”这个译法。推动这一更名，体现了韩国强化文化主体性的意图。
问题是，前面两个例子，都是主动干涉其他语言翻译自身语言，但Token的英译汉，仅仅是一个翻译问题，不管中国人如何翻译，英语中始终叫“token”，毫无影响。就像你在自己家里，把猫叫作狗，狗叫作猫，这也丝毫影响不了其他人怎么叫，更谈不上所谓的争夺猫狗话语权。这就像Chip一词，不管是翻译为“芯片”“晶片”“集成电路”还是“水晶宝石”“沙之宝”，都是中国人关起门来的事，与中国大陆半导体行业在全球话语体系中的主体性，没有丝毫的关系。
实际上，英语对dragon的翻译，就是一个典型“非要用现存的词语去套外来概念，进而产生误导”的例子。对token的翻译，和西方对龙的翻译，是一模一样的。
所以，采用词元这个字面翻译，更多地保留了形式上文字的纯洁性，但并不能争取到所谓的话语权，而在语义上的丢失，则会产生深远的技术影响。
（本文仅代表作者本人观点，责编：闫曼 man.yan@ftchinese.com)