定義
Token 是 AI 語言模型處理文字的基本單位。模型讀取和生成文字時，不是逐字處理，而是把文字切割成一塊塊的「Token」，每個 Token 可能是一個英文單字、一個中文字，或者幾個字母組成的片段。
對中文來說，大約每 1 個中文字對應 1 到 2 個 Token；英文則大約每 4 個字母對應 1 個 Token。使用 ChatGPT、Claude 等 AI 服務時，費用是以輸入和輸出的 Token 總數計算的，所以理解 Token 的概念有助於控制 AI 使用成本。
每個 AI 模型都有「Context Window」（上下文視窗）的限制，也就是一次對話能處理的最大 Token 數，超過這個限制，AI 就會「忘記」之前的對話內容。
為什麼中小企業需要了解這個？
了解 Token 的概念，有助於你預估 AI 工具的使用成本，避免不必要的費用支出。例如，把一份 50 頁的 PDF 直接丟給 AI 分析，可能會消耗大量 Token；改為先整理出關鍵摘要再交給 AI 處理，就能大幅節省費用。
同時，理解 Context Window 的限制，可以幫助你設計更有效的工作流程，例如將長文件分段處理，避免 AI 因超出限制而遺漏重要資訊。
實際應用範例
台中一家貿易公司每月處理大量英文採購合約，起初直接把整份合約丟給 AI 翻譯，費用較高。後來學習了 Token 概念，改為先用 AI 篩選出關鍵條款，只翻譯重要部分，每月 AI 費用降低了約 60%。
桃園一位電商賣家用 AI 每天回覆數十封客服信，透過設計精簡的 Prompt 模板，減少每次請求的 Token 消耗，在相同預算內處理了更多客服需求。