这次，Token要直接发给学生，每人30万元
编辑｜张倩 「我有个个人观点，如果手上没有付费 Token 的同学，就要立即退学」。 今年开学季，南大副教授蒋炎岩的这句话在社交媒体上迅速刷屏，相关话题还冲上了知乎热榜。 当然，这句话并不能只看字面，蒋教授只是用一种略为夸张的方式给同学们提个醒： Token 已然成为 AI 时代的实验耗材 ，每个学生都得有，也得会用。 这边蒋教授刚对着学生喊完话，大洋彼岸，斯坦福大学教授李飞飞就给大学校长敲响了警钟。 她在转发 OpenAI 最新的研究效率数据时写道， 研发世界正在分裂成「Token 充足的研究」和「Token 匮乏的研究」 。在最顶尖的 AI 公司和新型研究机构里，研究者的能力正在被大量 AI Token 放大。而大学科研未来怎么办，已经到了值得所有大学校长认真思考的时候。 两个人喊话的群体不同，但背后其实是同一件事： AI 正在重新定义科研资源 过去我们说一个实验室资源好，想到的可能是 GPU、服务器、实验设备…… 现在，检索文献、设计实验、找失败原因、探索新思路…… 样样离不开 Token。甚至有人说，Token 就是 AI 时代的笔和纸，应该成为科研生产过程中的一种基础投入。 这个判断，产业界早已用脚投票。头部 AI 公司内部，研究团队的 Token 供给几乎按需分配；给工程师和研究员发 Token 额度，正在成为科技公司的标准动作。大家心照不宣的共识是：给研究者充足的 Token，就是给他们出成果的可能。只是这个共识，还没覆盖到广泛的高校学生群体。 不过，变化正在发生。9 月 21 日， 腾讯正式启动第二届青云奖学金 ，每位获奖者的激励中，包含 价值 30 万元的 Token 额度 。这一次，Token 被直接发到了学生手里。 腾讯青云奖学金专注于解决同学们实际的科研痛点和问题，助力科研探索，去年已经成功组织过一届，腾讯首席 AI 科学家、青云奖学金主审人姚顺雨还在现场给 15 位脱颖而出的青年人才颁了奖（图为颁奖典礼现场）。 申报地址：https://join.qq.com/scholarshipapply.html 30 万元的 Token，对一个学生意味着什么？要算清这笔账，得先知道学生们手里的 Token 现在是怎么花的、又缺到什么程度。为此，我们和几位在读博士生聊了聊。 没有 Token 的科研，正变得越来越难 在高校实验室里，缺 Token 是一种日常。 在采访中，我们打听了一下几位博士生的 Token 开销，大家报的数字从几百块到大几千不等。有的人可以通过课题组报销，有的人只能自己承担。而从社交媒体晒出的情况来看，「自己承担」这种情况可能更加普遍。 但不管谁掏钱，有一点是共同的：都得精打细算。 于是，一些本该交给 AI 的工作，最后还得由人来「省 Token」：把一个大任务拆成几个小任务，手动优化流程，控制上下文长度；或者先用更保守、更便宜的方法试一遍，再决定要不要调用更强的模型。 这些操作当然都能接受，但代价是实打实的：时间成本增加了不说，更要紧的是，试错次数被预算锁死了。 那如果预算突然不再是问题呢？我们也问了他们第二个问题：如果手里真的有一大笔 Token，最想拿它做什么？ 几位博士生的回答方向很一致：可以暂时不把 Token 成本当成科研里的约束条件 —— 更大胆地让模型参与思路搜索，把大量 case trace 一股脑交给模型分析失败原因，或者更频繁地生成代码原型、多试几条实验路线 说白了，他们缺的不是想法，而是快速验证想法的硬性条件。 那么，30 万元的 Token 砸下来，对他们来说意味着什么？这个账可以大致算一下。 30 万元的 Token，什么概念？ 先算总量。我们让 AI 按照目前主流模型的公开 API 价格算了一笔账：假设按 4:1 的输入 / 输出比例使用，如果全部花在顶级前沿模型上，30 万元可以买到几十亿规模的混合 Token；如果更追求性价比，比如使用 DeepSeek V4.1 Flash 这一档的模型，Token 总量甚至可以达到千亿级。 但「几十亿」「千亿」依然很抽象。换成科研任务，可能更容易建立直觉。 Stanford《AI Index 2026》曾统计 AstaBench 上不同科研 Agent 的表现（注：AstaBench 包含 2400 多道科研任务，涉及文献理解、代码执行、数据分析以及端到端科学发现等环节）。在参与测试的 57 个 Agent 中，成绩最高的 Agent 平均完成一道 benchmark problem 的成本约为 3.4 美元，而多数 Agent 的单题成本低于 1 美元。如果只是机械地按照这个成本折算， 30 万元 Token 大约对应 1.3 万到 4.5 万道科研 benchmark 问题 2026 年一项针对 Terminal-B
