前几天，一位文科生朋友郑重其事地跟我说：

"反正我是觉得，AI 时代的码农，如果谁能用尽可能少的 token 跑出尽量好的效果，也是一种核心竞争力。"

"比如说，用文言文写代码。"

我盯着这句话看了五秒，确认了三件事：

1. 他没在玩梗。
2. 他真的在认真思考"AI 时代的核心竞争力"。
3. 这事我必须写一篇文章。

一、暴论的"合理"起点

先说点公道话——这位朋友的逻辑链条，其实是有"美感"的：

• 他写作多年，深知"写少比写多难"；
• 他听说大模型按 token 计费；
• 他类推："那么，能用更少的 token 写出同样效果的人，岂不是更牛？"
• 再往前一步："文言文一字千金，岂不天选 token 之子？"

听起来好像挺通顺。文科生的浪漫，就在于能把任何概念都升华成一个跨学科的优雅类比。

问题是——

这个类比，从第一步就错了。

二、Token 不是字数，文言文也不一定省

这是误会的源头。

很多人一听 "token"，下意识就翻译成"字"。所以推论很自然：字越少 → token 越少 → 越省钱 → 越牛。

但 token 不是字。

简单说，token 是模型的"分词单位"，由分词器（tokenizer）决定。英文里，平均每 4 个字母左右是一个 token，所以 "tokenization" 这个词大概只占 3 个 token。中文里，常用字基本上 1-2 个字一个 token。

那文言文呢？

文言文里大量生僻字、虚词、古字，反而很容易被分词器拆成更碎的子词。一句"学而时习之"，在分词器眼里说不定比"我每天学习"还贵。

更不用说——模型对文言文的训练语料，远远少于现代汉语。理解成本本身就高，回答质量还可能下降。

省下来三个 token，多花十秒等模型纠结半天，这买卖谁做啊？

三、你那点提示词，在整盘账里是九牛一毛

第二个误会更要命。

文科生默认的画面是这样的： 用户输入 = 主要 token 消耗

但实际上，一次真实的 AI 调用里，token 都花在哪儿？

• 用户提示词：几百到上千 token
• 系统提示词（你看不见的那部分）：几千 token
• 上下文 / 历史对话：几千到几万 token
• 模型读代码、读文档：动辄几万到十几万 token
• 工具调用、返回结果：再叠加几万
• 模型自己输出：又是几千

用户输入在这一整盘账里，是九牛一毛中的一毛。

你把那一毛上的牛毛精修到根根分明、闪闪发光—— 整头牛还在那儿呢。

这就好像有人在高铁上原地跑步，想为高铁加速做贡献。精神可嘉，作用为零。

四、省 token 是模型公司的事，不是用户的 KPI

这是第三个，也是最关键的误会。

真正在意"省 token"的，是谁？

是 OpenAI、Anthropic、DeepSeek、Google 这些做模型的公司。 他们一天烧的电费够一个小县城用一年。每一个 token 都是真金白银的算力。

所以他们怎么做的？

• DeepSeek 搞 MoE（混合专家），让一次推理只激活部分参数；
• 各家做 KV cache 复用、量化、蒸馏；
• 优化注意力机制、改长上下文算法；
• 从硬件到调度，每一层都在抠成本。

这才是"省 token"的真正战场——在模型这一层。

用户层省 token？不是说完全没意义，而是说，那个意义小到不值得当成"核心竞争力"来谈。

五、说一个比喻你就懂了

我跟那位文科生说了一个比喻，放在这里也合适：

再会省油的司机，也不如车本身造得省油。

没人会因为一个司机省油而雇他。 老板只会因为他车技好，才雇他。

把这个类比套到 AI 时代：

• 真正的省，是模型这台"车"造得好；
• 用户那点节省，是司机踩油门时的微调；
• 真正值钱的，是司机的车技——也就是工程师的技术能力本身。

更进一步：

一个技术高超的人，必然懂得怎么省 token。

就像专业赛车手当然懂省油开法——那是最基础的素养，不是核心竞争力。你不会因为一个 F1 车手"开车省油"而签他，你只会因为他能比别人快 0.3 秒签他。

工程师也一样。

省 token 是顺手做的事，不是你被雇佣的理由。

六、这个时代最常见的暴论

写到这里，其实已经不只是吐槽一个朋友了。

这是 AI 时代最常见的一类"暴论"：把"省成本"当成"创造价值"。

• 文案省字 ≠ 文案创造价值
• 司机省油 ≠ 司机创造价值
• 程序员省 token ≠ 程序员创造价值

价值永远来自—— 你能做出别人做不出的东西。

而不是你用更少的资源做出同样的东西。

后者是优化，是工程师的下限； 前者是创造，是工程师的上限。

把下限当上限，是这个时代最危险的认知偏差之一。它会让一个人把所有精力放在"抠细节"上，而错过真正的那座山。

七、写在最后

我不是要嘲笑文科生——这种暴论跟文理科其实没多大关系，理工科里也一抓一大把。我嘲笑的，是那种"看了几篇推文就敢谈核心竞争力"的自信。

AI 时代很迷人，迷人到每个人都想发表点什么。 但有些观点，最好先去搜一下"什么是 token"再发。

否则你以为自己在指点江山， 别人看你就像在用文言文写 Python——

字字珠玑，一行不跑。