英文：Token Service 分类：infra
面向大模型训练与推理、以"高质量词元（Token）"为核心商品的专业化数据服务，对应2026年中国人工智能产业十大关键词中的"高质量词元服务"。它把语料清洗、去重、配比、质量评估与安全过滤标准化，向上游模型提供可靠的训练原料。
核心环节包括：多源语料采集与去重、质量评分（可读性、信息量、语言规范）、难度与领域配比、敏感内容过滤、去污染（避免与评测集重合），并持续跟踪词元在下游任务上的增益。高质量词元直接决定预训练底座的能力上限与训练效率。
早期以通用网页语料为主，随着模型规模扩大，高质量、专业化、合规化语料成为稀缺资源，词元服务从"附带数据处理"独立为专门环节，并出现面向行业、面向推理数据的精细化服务。
为通用大模型、垂直模型提供预训练与持续预训练语料；也服务于指令微调、偏好数据合成与评测数据建设，是AI基础设施层的重要组成。