代币经济学:AI服务定价为何如此棘手

When a user asks an LLM, like ChatGPT or Anthropic's Claude to answer a question, generate software code, or automate a process, that prompt is broken down into mathematical chunks called tokens, which can be processed by the model.

当用户要求某个大语言模型(比如ChatGPT或Anthropic的Claude)回答问题、生成软件代码或自动执行某个流程时,这条提示就会被拆解成被称为“词元”的数学片段,以供模型进行处理。

主干：When A asks B (e.g. C) to D, that prompt is broken into tokens that B can process.

先抓住主句：'提示被拆分成tokens'；when从句只是交代这个提示是怎么产生的——用户向LLM提出三选一的请求。

• 'ask sb to do A, B, or C' 的并列结构与省略：'ask + 宾语 + to do' 表示'要求某人做某事'。这里LLM是被要求的对象，后面三个动作（回答问题、生成代码、自动执行流程）是并列的不定式补足语，共用同一个'to'，只在第一个动词前出现。
• 插入的举例成分打断主干：这部分是插入语，举例说明什么是'LLM'（大语言模型）。把它去掉后主干仍然完整：'a user asks an LLM to answer a question...'，理解时可先跳过它。
• When 从句表示'每当……时'，非单次事件：这里的'When'不是指过去或将来某一次具体动作，而是表示'每当用户……时'，描述一个反复发生的一般性过程；从句和主句都用一般现在时。
• 被动语态 'is broken down into' 突出提示词本身：主句用被动语态，把'prompt'（提示词）放在主语位置，强调提示词被拆分这一结果，而省略了具体执行拆分的施动者（如系统或模型）。
• 过去分词 'called tokens' 作后置定语：'called tokens'是过去分词短语，相当于省略了'which are'，用来修饰前面的'mathematical chunks'，意思是'这些数学单元被称为tokens'。
• 关系代词 'which' 指代 tokens，引出被动定语从句：'which'指代前面的'tokens'（而不是chunks或整个前半句），此从句同样是被动语态，说明tokens是'被模型处理'的对象。

The situation can become difficult to control when companies build AI into a product that could be rolled out to thousands of users, Venters points out.

文特斯指出,当企业把AI嵌入到可能被推广给数千名用户的产品中时,情况可能会变得难以控制。

主干：Venters points out that A becomes hard to control when B build AI into a product that C.

全句的真正主句是句末的"Venters points out"(文特斯指出),前面一整段其实是他所说的内容(宾语从句);在这段内容里,又嵌套了一个"when..."时间状语从句和一个修饰product的定语从句。

• 转述从句倒置在句末：新闻写作中常把"某人说/指出"这类归属句放在被转述内容之后。语法上它仍是全句的主句,前面整段才是它的宾语从句(内容),阅读时要先找到这个"谁说的"再回头理解内容。
• can + become + 形容词:表示可能性而非既定事实：can在这里不是能力,而是表示"有可能";become difficult to control意为"变得难以控制"。整体意思是:这种局面有可能演变成难以控制,而不是说现在已经失控。
• when引导的一般性条件从句：这里的when不是指某一次具体事件,而是描述一种普遍情形:每当/只要公司把AI嵌入产品,就可能出现前面说的局面。可以理解为"每当...就..."的一般规律。
• build A into B:把A整合进B：build...into...是固定搭配,意思是把某种功能/技术嵌入、整合到某个产品或系统中,而不是字面的"建造"。
• 定语从句+被动语态突出产品被推广：that指代前面的a product(产品);could be rolled out是被动语态,强调产品"被推广"这个结果,而不说明是谁去推广,因为推广者(公司自己)是不言自明的。could表示这种推广规模是有可能达到的。

Meanwhile, third party firms are building and selling services based on AI agents, usually based on an LLM, which are trained to do specific tasks.

与此同时,第三方公司正在开发并销售基于AI智能体构建的服务,而这些智能体通常又基于某个大语言模型,并经过训练可执行特定任务。

主干：A are building and selling services based on B, which C.

主语是'第三方公司',他们卖的是'基于AI代理的服务';句尾'which are trained...'说的是这些'AI代理'受过训练,而不是'LLM'受过训练——关键提示是复数动词'are'。

• 现在进行时表示正在发生的商业趋势：'are + 动词-ing'的现在进行时在这里不是指某一具体时刻的动作,而是描述当下这段时期正在发展的商业现象:第三方公司这段时间正在开发并销售相关服务。
• 'based on'是省略了'which is/are'的后置修饰语：'X based on Y'相当于'X which is/are based on Y',是过去分词短语作后置修饰语,意为'以……为基础的'。这里出现两次:第一次修饰'services'(服务基于AI代理),第二次修饰'AI agents'(AI代理基于某个LLM)。
• 两个逗号短语并列修饰同一个名词'AI agents'：这两处逗号短语语法地位相同,都是在补充说明前面的'AI agents':一个说明它通常基于什么技术(LLM),另一个说明它被训练来做什么(特定任务)。两者是并列的追加信息,而不是层层嵌套的关系。
• 'which'指代复数的'AI agents'而非单数的'an LLM'：由于'an LLM'离'which'最近,学习者容易误以为从句在修饰LLM本身;但从句谓语用的是复数'are',而'an LLM'是单数,两者不匹配,所以'which'实际指代更前面的复数名词'AI agents'。
• 被动语态'are trained'突出AI代理是被训练的对象：被动语态'be + trained'把重点放在'AI代理被训练'这件事本身,而不强调是谁训练了它们,因为训练者(开发人员)在此并不重要,重要的是这些代理具备完成特定任务的能力。