大模型输入法的分词官司，撕开了行业遮羞布
2026年开春，一桩没怎么上热搜但圈内炸锅的官司，打得挺有意思。头部输入法厂商某狗，被头部搜索公司某度告了。
案由说出来挺有意思，不正当竞争。核心矛盾点，就是分词。
某狗输入法上线了大模型原生的输入预测，分词粒度调得极细，用户刚输完半个关键词，输入法直接把某度搜索的核心结果拆成片段，直接显示在输入候选框里。用户根本不用跳转到某度的搜索页，事儿就办完了。
说实话，换谁谁不急。某度靠搜索广告赚了这么多年，用户不点进搜索页，哪来的广告曝光？
圈里之前没人把分词当回事。不就是把一句话拆成几个词吗？大模型都出来这么久了，分词不就是大模型随便就能搞定的前置小功能？
错了。分词从来不是纯技术问题。这次官司，直接把藏在水面下的东西扯出来了。
我上周跟一个搜索引擎的老算法朋友吃饭，他吐槽说，现在大模型公司为了抢用户，什么规则都敢改。原来分词粒度是行业默认的潜规则，大家各吃各的，你做你的输入法，我做我的搜索，现在好了，直接把刀伸进锅里了。
你以为用户输的是一串字符，其实背后是各家公司靠分词切出来的利益蛋糕。一刀下去，切错了地方，就切到别人的蛋糕上了。
分词粒度的背后，是流量分配的暗战
很多人不知道，中文分词是整个中文互联网最基础的基建，也是最早卡脖子的领域之一。早在上世纪九十年代，百度刚成立的时候，李彦宏第一个砸钱做的不是搜索排序，是中文分词。
那时候国内没什么公开的标注语料，百度找了几百个人，一个个词标，标了二十年，累计标注的中文分词语料超过300亿汉字，相当于整整1.5万本120回全本《红楼梦》的总字数。这些语料不是放着看的，是调分词粒度的核心资产。
分词规则本身就是流量护城河。举个例子，用户搜”苹果手机充电器”，你分成”苹果/手机/充电器”，出来的结果是苹果品牌、手机、充电器三个大类，广告会分给三个不同赛道的商家。如果你分成”苹果手机/充电器”，结果就直接指向苹果手机的原装充电器，广告能直接卖给苹果官方配件经销商，出价能翻三倍。
说白了，分词就是切蛋糕的刀。刀怎么下，决定了钱怎么分。
不过话说回来，大模型出来之后，分词这条路确实走得越来越有意思。现在端侧大模型内置的分词模型，参数量比2016年谷歌公开的中文分词模型大8倍，但通用场景下的分词准确率只提升了2.7个百分点。投入和产出完全不成正比。
这个事儿就像生物进化里的生态位分化，通用大模型把通用分词的活儿抢了，原来做通用分词的创业公司卷不动，要么死要么转型，反而垂直领域长出了新的机会。深圳有一家做医疗AI的创业公司，就靠打磨临床病历的专业分词，去年营收做到了两个多亿，根本不缺订单。因为通用大模型的分词根本分不清”左侧枕叶脑梗塞”和”右侧枕叶脑梗塞”的区别，错一个字，诊断全错，必须要专业的分词模型。
很多人说分词是老技术，没什么好做的。其实，老技术才藏着新的利益博弈。字节跳动做搜索那几年，最大的投入不是做排序模型，是重新调分词粒度，硬生生从百度的蛋糕里切下来一块，靠的就是把分词磨得更符合内容生态的流量逻辑。
分词悄悄变天，普通玩家没察觉
你可能会说，分词都是大公司的事儿，跟我一个普通从业者有什么关系？
大错特错。分词的每一次规则变化，最先被影响的就是最普通的玩家。
做SEO的朋友应该早就感觉到了，原来那套堆关键词的玩法，现在完全没用了。原来你在标题里塞五个”北京美甲”，搜索引擎分词就能识别到你是做北京美甲的，给你排名。现在大模型分词，直接能读出来你是故意堆词，语义不对，直接把你排在一百名之外，根本没人能搜到。
做短视频内容的也一样。原来标题带关键词就能蹭流量，现在平台的内容推荐靠大模型分词，你标题蹭了”AI绘画”，结果内容全是讲带货的，分词一读就知道你文不对题，直接不给推流。连汤都喝不到。
我见过不少做垂直AI创业的朋友，一开口就是我这个大模型参数有千亿，训练用了多少数据，一问他们垂直领域的分词调了吗，大多是拿开源的通用分词直接用。结果产品一上线，用户问个专业问题，分词拆错了，回答全错，用户用脚投票，直接走人。
说白了，大部分人都盯着上层的大模型拼参数，拼故事，没人愿意蹲下来磨最基础的分词。但恰恰是这个最基础的东西，决定了你能不能留住用户，能不能赚到钱。
原来互联网圈说”基础不牢，地动山摇”，放到现在，分词就是那个最基础的”基础”。
再过三年，会不会所有拿到融资的大模型公司，都把分词规则列为最高商业机密，绝不对外泄露半个字？
