在AI快速普及的時代下，由ChatGPT寫電郵、整理文件，到近期大熱的AI短劇和影片生成，AI已逐漸進入日常工作。不過，當大家深入使用AI，往往會遇上一個陌生名詞——token。有人以為token只是工程師才需要理解的技術概念，但其實token正影響AI的能力、成本，以至未來職場的工作方式。

簡單而言，token是AI處理資訊時使用的基本單位。當你向ChatGPT輸入問題，系統會先把文字拆成不同token，再進行運算；提示詞輸入愈長、要求AI產生的內容愈多，所需運算力通常亦愈高。普通訂閱用戶對於token未必有明顯感覺，但企業大量使用AI的API時，token則往往直接與成本掛鈎。

當AI由文字走向影片時，其背後運算量更是另一個級別。近期不少人利用AI製作短劇，只需輸入一句指令，就可生成數秒人物、場景和動作，雖看似簡單，但模型需處理的不再只是文字，還包括大量連續畫面、人物外貌、物件位置和前後動作的一致性。部分系統會把圖像或影片轉化成大量「視覺token」，再逐步生成畫面，因此影片愈長、解像度愈高，所需運算資源亦會急升。不同平台未必直接按token用量向用戶收費，但背後的運算成本仍然存在。

這亦解釋了為何AI時代不只是「識寫prompt」便足夠，真正重要的能力，是知道應該給AI多少資訊、選擇甚麼模型，以及甚麼工作值得交給AI做，例如做一個簡單摘要，未必需要最強模型；製作AI短片，也未必每個版本都需要最高畫質。懂得控制輸入和工作流程，本身已是一種成本管理能力。

對香港打工仔而言，未來未必人人都需要學Python或成為AI工程師，但token、context window、AI agent等概念，可能會像昔日excel、雲端和大數據一樣，逐漸由技術術語，變成職場常識。

AI是否會取代某份工作仍有爭議，但可以預期的是，懂得判斷何時使用AI、如何控制成本，以及如何把AI放入工作流程的人，會愈來愈有優勢。Token看似只是一個技術名詞，但其背後反映的，其實是AI時代新的工作效率與資源分配方式。

文：Kent Chan

FevaWorks導師