《移动金融应用设计与开发》 · 专题课
Token：AI 时代的新“通货”
0x546F6B656E = Token
从南大课堂的“没有 Token 就退学”，
到银行柜台前的“Token 贷”——一个词，看懂 AI 时代的软件工程与金融创新。
素材来源：量子位《“没有Token的CS学生，应立即退学”》 | 新华社《“Token贷”是什么？怎么贷？》
导入本讲学习目标
GOAL 01
理解 Token 是什么
掌握词元（Token）的基本概念，理解它为何成为大模型时代的“计量单位”与“计费单位”。
GOAL 02
看懂软件工程的转向
通过南大《生成式软件工程》案例，理解 AI 时代开发者角色与能力的重新定义。
GOAL 03
看懂金融授信的创新
通过“Token 贷”案例，理解数据要素如何转化为信用，银行授信逻辑如何演进。
GOAL 04
关联本门课程
把两个案例落到移动金融 App 的设计与开发实践中，明确自己该练什么本领。
贯穿全课的一个问题：当 Token 成为像电和水一样的生产资料，写代码的人、放贷款的银行、学金融科技的我们，各自的位置在哪里？
开场两条新闻，同一个关键词
🎓 课堂里 （2025年秋季开学）
南京大学计算机学院副教授 蒋炎岩 在新课《生成式软件工程》上放话：
“如果手上没有付费 Token 的同学，就要立即退学。”
课堂三条 Policy：禁止古法编程 · Token 自费 · 不需要 Token maxxing
VS
🏦 银行里 （2025年下半年）
农业银行、中国银行、江苏银行、成都银行等接连落地 “Token 贷 / 算力贷”：
把企业的 Token 消耗量、算力合约、业务订单 纳入授信参考指标——从“看抵押、看报表”到“看算力、看词元”。
单户最高授信可达 3000 万元（中行广州分行）
👉 一边是学生要自掏腰包买 Token，一边是银行凭 Token 发放贷款。同一个词，为什么同时出现在课堂和信贷审批表上？这就是本讲要回答的问题。
概念Token（词元）：大模型的“度量衡”
技术视角
- Token 是大模型处理信息的基本单位：模型把文本切成词元，逐个“读入”和“生成”。
- 粗略换算：中文约 1 个字 ≈ 0.6~1 个 Token，英文约 4 个字符 ≈ 1 个 Token。
- 调用大模型 API 按 Token 计费：输入和输出分开计价——Token 就是 AI 时代的“电费”。
经济视角
- Token 消耗量 ≈ AI 业务的“用电量”，直接反映业务活跃度。
- 它是一种新型生产要素数据——可计量、可结算、可核验。
140 万亿+
我国日均 Token 调用量
（2025年3月，国家数据局）
¥100
蒋炎岩建议学生去 DeepSeek
充值的“开学装备”金额
类比记忆：化学系的试剂、物理系的器材由实验室提供——在 AI 时代，Token 正在成为计算机相关专业的“实验耗材”，也是 AI 企业的“生产原料”。
案例一南大《生成式软件工程》：三条“离经叛道”的课堂准则
蒋炎岩：南京大学计算机学院副教授、博导，两次 ICPC 区域赛金牌，ICSE 2021 唯一最佳论文奖、SOSP 2023 最佳论文奖得主，B站课程播放量超 500 万，被学生称为“神仙老师”。
| 课堂 Policy | 含义 | 背后的道理 |
|---|
| 禁止古法编程 |
不许再用十年前的方式徒手敲代码，必须借助 AI 完成开发 |
时代已经变了：AI 写代码越来越快，坚持“古法”等于主动脱离真实生产方式 |
| Token 自费 |
学生自己充值购买 Token（推荐 DeepSeek，充 100 元；确有困难可找老师想办法） |
真金白银的投入才会认真对待；Token 是像耗材一样的学习成本，用起来才会精打细算 |
| 不需要 Token maxxing |
别拿 Token 当水喝，不需要死命烧 |
重点在高效：会拆任务、挑模型、控成本、验结果，而不是无脑堆算力 |
注：蒋老师本打算去拉 Token 赞助，看到选课人数后决定“算了”，把“Token 自费”写进课堂准则——由此引发了知乎四百多个回答的热议，且赞成者居多。
案例一这门课回应的，是 CS 学生的三种集体焦虑
焦虑 ①
AI 替我上大学
老师用 AI 出题、学生用 AI 做作业——“整个过程中，只有学生没有受到训练”。每门课开卷用 AI 都能拿高分，但毕业时才发现：每门课都很好，可自己什么都没学会，第一个被 AI 取代。
焦虑 ②
认真学四年，发现被大学“骗了”
延续中学的听话式学习：认真听课、认真做作业，毕业时确实学会了一些东西——但这些东西 AI 都会做。“我这四年，到底学了个啥？”
焦虑 ③
“完美简历”= 零分简历
一大堆实习、奖项、论文、在投——所有简历都长一个样，你和竞争者完全无法区分。没有 GitHub 链接、没有个人主页、没有 Preprint 的“完美简历”，在蒋老师眼里是零分。
这门课想解决的问题： AI 写代码越来越快之后，人还剩下什么活要干？ 答案不是抗拒 AI，而是在 vibe coding 的快乐中，学会给 AI 拆任务、挑模型、控成本、验结果——并做出能让你“被区分”的真实作品。
课堂讨论 ①“没有 Token 就退学”，是暴论还是预言？
正方声音（网友评论）
- “这话说得太保守了，建议把课时费全部用来采购 Token，按人头发给学生。”
- “味很冲，但说得好，至少比空洞无味的鸡肋课好得多。”
- “何止计算机系？所有专业都应把‘如何使用 AI’列为必修课，尤其是文科生。”
反方追问
- Token 是“实验耗材”，凭什么化学系试剂学校出、计算机系 Token 学生自己掏？
- 硅谷巨头给员工发 Token 补贴、设 AI 支出上限，国内高校也有 AI 算力账户——“自费”是否加重了学生负担？
- 人人都用 AI 写作业，如何防止“AI 替我上大学”？
讨论任务（10 分钟）：结合你使用 AI 工具（写代码 / 写报告 / 做设计）的真实体验，回答：
1）你每月大概消耗多少 Token（或 API 费用）？花在哪类任务上？
2）你如何判断“这段 AI 生成的内容是对的”？举一个你踩过的坑。
3）如果这门课也定“Token 自费”规则，你支持还是反对？给出一条替代方案。
案例二“Token 贷”：当银行开始“看算力、看词元”
AI 企业的核心生产要素是算力，Token 消耗量快速攀升，但这类轻资产科创企业缺厂房、缺设备，传统抵押贷款走不通。于是银行把 Token 消耗量、算力服务合约、业务订单、知识产权等数据纳入授信指标。
📍 典型案例 · 温州金酷网络科技：凭历史词元结算数据、算力采购合同、下游业务订单及自主知识产权，从农业银行获得 20 万元贷款，定向用于算力采购。“每月词元调用量持续增长，采购算力要提前付款，但下游回款有账期——贷款帮我们缓解了资金错配痛点。”
| 机构 | 产品 | 做法亮点 |
|---|
| 农业银行 | “Token 贷”专属方案 | 完善科创评价体系，在上海、浙江等地落地 |
| 中国银行 | “算力词元贷” | 广州分行按供给 / 应用 / 服务拆成三个子产品，单户最高 3000 万 |
| 江苏银行 | “算力贷” | 算力算效、团队结构、研发投入、知识产权纳入评分 |
| 成都银行等 | “算力贷” + 算力券 | “算力券”财政资金增信，单户最高 500 万，首笔 114 万已发放 |
案例二授信逻辑的变与不变
变：新增的评价维度
- Token 消耗量 → 反映客户活跃度、产品市场接受度、业务持续性（招联首席经济学家 董希淼）
- 算力服务合约价值、算力采购合同 → 未来收入的“订单化”凭证
- 研发投入、知识产权、团队结构 → 创新能力画像
- “算力券”财政增信 + 风险补偿 → 降低银行试错成本（清华五道口 周臻）
不变：授信的根本逻辑
- 不是“用了多少 Token，就能贷多少钱”——多家受访银行明确强调
- 要结合算力合约、应收账款等数据多维交叉验证
- 仍按经营、财务、征信情况综合核定额度（邮储银行研究员 娄飞鹏：属于科技金融的探索性实践）
- 产业链细分：上游大模型训练 / 中游内容应用 / 下游算力运维服务，场景不同、授信侧重不同
风险提示（行业尚待解决的课题）：
① 风控模型仍在打磨阶段；② 行业缺乏统一、可审计的 Token 存证标准；③ 需要多维度核验数据真实性与准确性。
—— 换句话说：Token 数据要成为合格的风控依据，本身还需要一套“可信计量”基础设施。
深度分析两篇文章连读：Token 为什么同时出现在课堂和银行？
Token = 计量单位大模型处理信息的基本单位，可计数、可计费
Token = 生产资料日均调用 140 万亿+，成为 AI 企业的“原料”与学生的“耗材”
Token = 能力信号课堂上：会不会用 AI 区分了新旧工程师
Token = 信用凭证银行端：消耗数据折射经营状况，转化为授信依据
从软件工程看
- “禁止古法编程”宣告开发范式转移：人机协作开发成为标配，人的价值上移到需求拆解、模型选择、成本控制、结果验证。
- 简历的分水岭不再是“会不会写代码”，而是“能不能用 AI 做出真实可用的东西”。
从金融创新看
- “Token 贷”是数据要素 × 金融的落地样本：把经营行为数据转化为信用。
- 授信从“资产抵押”走向“数据信用”，考验银行的数据核验、智能风控与复合型人才储备。
- 新要素催生新风险：数据造假、计量标准缺失——这既是行业痛点，也是金融科技人才的用武之地。
🔗 交汇点：无论写代码还是放贷款，都在围绕同一个新变量重新定价——掌握“用 Token 创造价值 + 验证价值”的能力，就是 AI 时代的核心竞争力。
落地对《移动金融应用设计与开发》的启示
你们未来要开发的是移动金融 App——恰恰站在这两个案例的交汇处：既是“生成式软件工程”的实践者，也是金融业务逻辑的设计者。
| 课程环节 | 借鉴南大案例 | 借鉴 Token 贷案例 |
|---|
| 需求与设计 |
用 AI 快速做原型（vibe coding），把精力放在用户真实需求与交互设计上 |
理解轻资产小微客群的痛点：资金错配、账期压力——金融产品的需求来自真实经营场景 |
| 开发与实现 |
“禁止古法编程”：AI 辅助编码 + 人工 Review，学会给 AI 拆任务 |
在 App 中对接大模型能力（智能客服、账单解读、投顾问答），做好 Token 成本控制 |
| 测试与风控 |
“不需要 Token maxxing”：模型生成再快，人不知道对不对照样白搭——验结果是核心能力 |
风控意识：多维交叉验证、数据真实性核验，任何“聪明指标”都要防造假 |
| 作品与简历 |
做出有 GitHub / 演示链接的真实作品，摆脱“完美但零分”的同质化简历 |
懂技术又懂金融业务的复合型人才，正是行业明确点名稀缺的方向 |
互动课堂讨论 ② 与课后任务
课堂讨论 ②（小组，15 分钟）
- 假如你是银行客户经理，一家 AI 创业公司申请“Token 贷”，你会核验哪些数据？如何防止单纯刷 Token 调用量骗贷？
- 假如你是产品经理，要在你们的移动金融 App 里加一个“AI 助手”，如何设计 Token 用量的成本模型（免费额度？按次收费？限流策略）？
- 辩论：Token 应该像水电一样由学校/公司统一供给，还是像蒋炎岩主张的“自费”以倒逼认真使用？
课后任务（下次课检查）
任务 A · 实践：用 AI 辅助开发一个小型移动金融功能页面（如记账 / 汇率换算 / 收支分析），要求：
① 记录你消耗的 Token 数与费用；
② 记录一次 AI 出错及你如何验证并修复；
③ 代码提交到代码仓库，附一段“人做了什么、AI 做了什么”的说明。
任务 B · 分析：写 500 字短评：《如果我校银行推出“Token 贷”，风控模型该怎么设计？》至少提出 3 个需要交叉验证的数据维度。
小结一句话带走本讲
Token 已经从技术圈的黑话，变成课堂里的“学习耗材”、企业账上的“生产原料”、银行报表里的“信用凭证”。
南大那位老师真正想说的不是“退学”，而是：AI 时代的能力证明，是你用 Token 做出了什么、验证了什么；
“Token 贷”真正想贷的不是额度，而是：对一个用数据说话的新经济主体的信任。
给写代码的你
拆任务、挑模型、控成本、验结果——四个动作练成肌肉记忆，作品集就是你最好的简历。
给做金融的你
新生产要素催生新授信逻辑，也催生新风控课题：可信计量、交叉验证、标准存证。
给两者的你
移动金融开发者 = 技术 + 业务 + 风控的复合体，这正是两篇文章共同的结论。
参考素材来源与延伸阅读
本讲两篇核心素材
- 量子位：《“没有Token的CS学生，应立即退学”》（作者：听雨）
https://mp.weixin.qq.com/s/5eqBGvp2J9Fy0wp4FOLXAA
- 新华社：《“Token贷”是什么？怎么贷？》（记者：吴雨、刘慧）
https://mp.weixin.qq.com/s/AAmZ8WrOdAOSTtcTOt2ZcQ
文中提及的延伸资源
- 蒋炎岩个人主页（仿 Linux 终端）：jiangyy.github.io · 课程 Wiki：jyywiki.cn
- B 站课程：《操作系统：设计与实现》《计算机系统基础》《软件工程研究入门》（账号：绿导师原谅你了）
- 数据来源：国家数据局（日均 Token 调用量统计）
📌 备课备注：本讲建议课时 45~90 分钟；讨论①安排在案例一之后，讨论②与课后任务布置放在案例二之后；若时间充裕，可现场演示一次“AI 辅助生成小功能 + 人工验证修复”的完整过程，呼应“禁止古法编程”。
本讲义内容整理自上述公开报道，仅供课堂教学使用。