联想给词元经济定了新玩法｜甲子光年

Token经济迎来新一轮供给侧变革。

作者｜刘杨楠

编辑｜栗子

今年上半年，不少硅谷科技公司都落入一场名为“Tokenmaxxing”的陷阱。

为鼓励员工多用AI，亚马逊特意打造AI用量排行榜，按AI用量给员工排名。一些员工为了提高排名，开始让AI执行低价值任务、并行运行多个智能体、故意发送巨型Prompt塞满上下文窗口等。

亚马逊很快发现异样，及时叫停了排行榜，并在内部明确要求“不要为了用AI而用AI”。排行榜下线后，公司将对员工AI用量的考核改为追踪AI创造的“实际业务价值”。

Uber内部也有类似的排行榜，也遭遇了类似的Tokenmaxxing谎言，直接导致公司全年AI编程预算在2026年前4个月就被耗尽。

相信很多布局AI的企业或多或少都遇到过类似的尴尬。管理者本希望在内部普及AI以提高公司整体业务效率，最终弄巧成拙，员工陷入无效内卷，越干越累，业务效率却并未提升，反而是Token消耗离奇暴涨，加速吞噬预算。

这本质是智能体浪潮带来的副反应。

智能体应用围绕同一个目标反复迭代，系统提示、工具说明、前几轮的结果会一遍遍进入后续请求。高盛在5月的报告里测算，智能体模式下，模型的词元消耗量可以达到普通问答的1000倍。

Token调度缺乏计量标准又让企业雪上加霜。调用量异常增长时，企业只能看Token成本上升，但无法区分哪些消耗来自正常业务，哪些来自低效设计，甚至是恶意盗用。Akamai同样在5月发布的《2026年AI推理现状报告》显示，77%的受访企业缺乏一致的推理成本计量标准。这就让智能体陷入越用越亏的怪圈。

很快，行业开始转向另一端，Tokenminimizing浪潮又在硅谷抬头。企业开始尽可能减少不必要的Token消耗，追求Token消耗的最小化。

可无论Tokenmaxxing还是Tokenminimizing，都无法触及本质。企业的核心目的，是以最经济的方式，最大程度释放AI的业务价值。认清这一点后，获得更多“有效词元”便成为全球范围内相对普及的共识，由此也牵涉出目前Token市场供需不匹配的核心问题。

真实业务场景下，不同行业、不同业务对于“有效”的定义各不相同，而不同的模型、芯片、算力体系产出的Token质量也参差不齐，中间还缺少关键一个环节，让需求方能够快速匹配到其业务所需的“有效词元”。

11月10日，联想在张家口发布万全混合词元工厂，并签约落地业内首个混合词元母本工厂，试图补上当前有效词元供需链条中缺失的一环，发起一场Token经济的供给侧变革。

AI发展到当前阶段，对Token的需求量持续增长，词元工厂的效率越来越重要。

联想集团执行副总裁兼中国区总裁刘军直言，过去一年AI已成为企业发展的核心动力，甚至成为国与国之间科技竞争的制高点。他判断，未来三年，国内AI发展都将面临算力紧缺的情况。因此，如何在算力受限的前提下，将有效词元的产出做到最大，是拉平国际竞争的关键，这正是联想提出混合词元工厂的起点。

1.混合供给为何成为必答题？

全球产业史上，划时代的供给侧变革，总是从确立全新的计量单位开始。

电力以千瓦时计价之后，发电、输电、配售电才逐渐分化为各自独立的生意；原油以桶计量、以期货定价之后，才生长出从勘探、炼化到贸易的完整产业链。

计量单位一旦确立，原本零散各处的上下游从业者们便有了行为基准，层层追问全新的生产要素应该从何而来、如何高效组合、按什么口径结算，逐渐打磨出一条分工明晰的产业链。

AI浪潮正处在供给侧变革的时点。词元已然成为新一轮智能浪潮的度量衡，串联起整个智能产业链的各个环节。

今年3月，全国科学技术名词审定委员会推荐将Token的中文名定为“词元”，并已面向全社会发布试用。

国家信息中心信息化和产业发展部主任单志广进一步解释称，Token是大模型进行思考的最小原子，是智能经济最基础的度量衡，从上游大模型API调用定价，到中游智能体之间的协作结算，再到下游AI应用的场景付费，它已经成为产品与服务全链路的计量与结算单位，“可谓是AI时代的新石油”。

将词元和基础能源做类比并不夸张。南方电网测算，生成100万个词元的平均耗电量大约是15到20度电，每一个词元的生成都对应着确定的算力与电力投入。

当词元消耗成本急速占领企业AI预算，词元便不可避免地从技术指标泛化为经营指标。它越来越频繁地出现在企业各业务线的成本报表里，被经营层逐月追问。

前文所述Tokenmaxxing与Tokenminimizing的拉锯，正是这个转变的副产物。越来越多的企业意识到，“有效词元”才是企业真正需要的生产要素。

所谓“有效词元”，即剔除无效与低质量输出，综合考察单位有效词元成本、吞吐、任务完成精准度、绿色可持续与全链路安全。

联想集团高级副总裁、中国方案服务业务群总经理戴炜直言，市场上百万Token几块钱的报价之所以会误导企业的AI决策，正是因为其中混杂了大量小模型产出的低质词元。若按有效口径折算，真实成本将和纸面成本大相径庭。

然而，当前词元工厂的生产、调度和交付模式并未围绕“有效词元”打造。词元工厂这一模式提出至今，行业的实践大体沿四条路径展开：

平台与生态型：以智能体工厂、数据知识工厂、TokeNexus等形态，把词元工厂定义为生态入口； 硬件与能效型：以DSX POD、Tokens per kWh等指标，把词元工厂定义为一场能效竞赛； 运营管控型：统一纳管算力、模型、任务与Token，把词元工厂定义为一套管控平台； 标准化供给型：将异构算力转化为标准化Token服务，把词元工厂定义为算力的度量转换器。

四条路径均有代表性玩家，但各自能力长板不同，通常只能重点回应某一类企业的某一类需求。但企业真实的业务负载多元且复杂，如果企业仍根据不同负载需求选择不同的供应商，AI部署的选型和运维的成本被显著抬高。

联想集团副总裁、全球基础架构和智能云总经理姚振宇分享了一个困扰许多IT负责人的痛点：“IT系统一旦出错，就要找根因，分散的采购模式下，数据库厂商、硬件厂商、应用平台厂商大多会极力证明自己的环节没有问题，最后报告堆了一桌，问题却没解决。”

同时，核心数据的本地可控和算力资源的弹性伸缩，是从云计算时代存续至今的共性难题。

芒果传媒战略投资部投资总监肖文强分享了其亲身经历，芒果的核心资产是IP和版权素材，这类资产往往不能出园区，但内容生产通常有固定档期，有波峰也有波谷，自建算力按年规划、按机房落地，供需常常不匹配。

上海武桐树高新技术有限公司总经理陈少平对此感同身受。他负责的平台覆盖600多所中小学，集中备课、批改和考试期间需求激增，寒暑假回落，如何保障高峰期Token供给，同时避免按照峰值配置资源带来的浪费，是最现实的问题。同时，未成年人数据对隔离、权限和审计的要求，又不允许把负载随意迁出。

因此，理想状况下，行业需要一种新的词元供给方式，不仅能够平衡成本、安全与弹性的“不可能三角”，同时充分理解客户不同业务对于“有效词元”的差异化需求，按需提供“有效词元”，并有能力提供全周期的运维服务，减少不必要的Token浪费，整体把控企业规模化部署AI的风险与成本。

在此基础上，这套范式还需依托不同区域的绿电体系，最大程度降低Token工厂运行的能耗。

当前，词元成本长期向电力成本收敛。中信建投证券计算机行业首席分析师应瑛指出，电力价格是制约AI基础设施发展非常关键的卡点。当词元产量以万亿计，绿电供给与算电协同便从加分项变成词元工厂的准入条件。

在此背景下，11月10日，联想在张家口发布的万全混合词元工厂，为有效词元定义了一套混合供给的新范式；张家口母本工厂，则是这套范式的第一个区域样本。

2.打破词元供给的“不可能三角”

谈到混合供给，或许很多人会联想到云计算时代的“混合云”或近两年常见的AI全栈部署，但究其根本，会发现混合词元工厂的内涵完全不同。

云计算时代的混合云，核心回答算力资源分配的问题；AI全栈部署侧重呈现AI厂商的能力版图，站在厂商视角，向客户输出自己的能力体系。它们都无法直接回答Token经济时代，“词元以什么方式被生产、调度和交付”这一核心命题。

混合词元工厂的“混合”则贯穿词元生产、调度、交付的完整链路，要求供给方同时理解算力、模型和任务语义，从用户视角出发，帮企业思考什么样的算力和模型组合最经济有效。

姚振宇举例解释道，联想从内部实践发现，模型不一定选最大的就是最合适的。复杂场景用大参数模型保证输出质量，简单问题与交互交给小模型，以实现最高性价比。

混合词元工厂对建造者的能力禀赋要求也更为严苛，既要具备AI全栈厂商的能力版图，又要具备模型、算力的资源分配能力，同时具备多元化的交付能力。这正是联想万全混合词元工厂的长板所在。

具体来看，万全混合词元工厂包含两大板块，一是智算中心的端到端建设、运营和运维，二是XCloud联想智能云统一纳管调度和智能运维私有云和公有云。

在此基础上，万全混合词元工厂能实现三大混合供给能力：

词元供给方面，企业私有词元与公共词元协同供给并以前者为主，高敏感业务与核心数据留在本地私有域，通用推理与流量波动大的业务调度外部算力；算力资源方面，实现端边云协同混合，轻量任务在端侧处理，时延敏感任务就近执行，弹性负载匹配云侧资源；模型选择方面，开源权重模型与专有闭源模型能力互补。

混合供给模式下，私有词元守住安全底线，公共算力承接弹性需求，端边云与多模型的组合调度压低综合成本，Token工厂成本、安全与弹性的“不可能三角”便有了突破口，不再是一道三选二的取舍题。

更深一层，联想内部支撑三重混合供给的是一套贯穿算力设备、智算中心到词元中枢的三级优化技术。

第一级是算力效率最优。依托问天异构智算平台统一纳管不同架构的算力，叠加超节点、多芯多模训推引擎与算子优化，算力效率提升30%以上。在国产算力多技术路线并存的现实下，这层优化能力几乎是中国市场的必答题。

第二级是全周期成本最优。以模块化预制、一体化全液冷、绿电直流智控等技术，结合建设、运营、运维一体化服务，优化智算中心的能源效率与运营成本。

第三级是面向企业业务场景Token效能最优。词元中枢通过智能模型路由与推理资源池动态调配，综合任务语义、模型质量、数据边界、响应时效和成本，自动选择最优供给路径。

姚振宇强调，联想的词元中枢在技术层面并无太大差异，同样采用PD分离、KV Cache等常见的推理优化技术，但最终考验功底的是多年来沉淀的工程优化能力，能否将有效词元的综合成本和调用效能调至最优。

三级优化体系中，万全混合词元工厂起到了承上启下的关键作用，保障工厂向客户提供“多、快、好、省”的绿色词元。

“多”代表开放的多模型生态，满足不同应用对不同模型的需求，配合超节点和模算动态混部输出规模化词元。

“快”代表产出速度，万全混合词元工厂最高每秒2亿个词元，能够支撑10万个用户同时并发，相当于联想全球8万多名员工可以在同一时刻使用公司的几百个智能体，上万份合同、整个供应链计划、生产质检、营销内容同时在线处理，无需排队。

“好”代表词元的质量。联想在业内首创“词元良品率”这一概念，并承诺万全词元混合工厂生产的词元良品率将保持在99.9%以上，持续过滤低质词元。

安全是高质量词元不能回避的红线。据姚振宇介绍，联想词元中枢外加三层防护：

模型安全层面设白名单，所有模型经测试认证后才允许上载；内容安全层面有专门的模型在传输链路上识别敏感内容并主动拦截；最核心的是隐私计算与可信执行环境（TEE），最敏感的内容放在加固环境里，仅特定权限的业务人员可见，用户后台系统管理员和数据库管理员等均可用不可见。

这套严密的安全体系同样源自联想内部的合规要求。过去两年，联想在IT安全评级中位居中国厂商前三。

“省”代表成本可控。万全混合词元工厂生产的词元综合成本约降低70%。“我们不会拿客户当小白鼠，70%的综合成本优化是联想内部跑通的成果，正因如此我们才有底气向客户介绍这个数字。”姚振宇补充道。此外，全栈液冷、绿电直联的架构下，工厂PUE将小于1.1。

未来，将于张家口落成的母本工厂是万全混合词元工厂的第一个区域样本。

张家口有着充沛的绿电资源，可再生能源装机突破4500万千瓦，占电力总装机比重接近89%，年输出绿电超700亿度。目前，张家口已建成数据中心55个，投运标准机架107万架，智算规模达31万P，阿里、腾讯等21家头部企业相继落子。

按照戴炜披露的母本工厂规划，到2027年，这里将建成1.5万P的异构算力集群、约100MW的智算中心，词元年产量超过2000万亿个；到2030年，超节点算力集群、智算中心规模和词元年产量都将扩大10倍，成为世界级的词元生产基地。

张家口母本工厂旁还会同步建设一条算力设备回收与再制造产线，将存量算力设备经回收再制造后继续发挥效能，进一步摊薄词元综合成本。

事实上，“母本”二字借自制造业，联想在硬件制造时代就有母本工厂的传统，其意义在于复制。联想将根据不同区域的产业特色，在各地复制出面向不同推理场景的混合词元工厂。

据联想透露，混合词元工厂的下一站将在湖南长沙。

联想将与湖南广电开启深度合作，面向电影和短剧制作场景，通过全模态词元混合路由和多芯多模推理加速，面向AI创作各环节供给差异化词元。“文本、图像、视频、渲染，是完全不同的词元，对应着不同的投入产出比。”戴炜解释道。

混合词元工厂预计将湖南广电的内容制作成本降低50%以上，生产周期缩短60%以上，月产成片超过1200小时，并将聚合超过1万名内容创作者的OPC平台。

在「甲子光年」看来，从硬件制造到Token生产，母本工厂几乎成为联想和新业态、新区域交流互动的基本范式，联想在母本工厂中完成早期探索，并将成果与教训抽象为一套跨行业的落地经验，在其他区域和行业快速复制。

如果沿着这套模式向源头回溯，便会发现联想早已将自身打造成一座庞大的母本工厂。这也是这家PC时代的领军者成功穿越周期，在Token工厂百花齐放的AI时代，率先定义混合词元工厂的根本原因。

3.联想从不打无准备的仗

今天的AI行业从来不缺定义。各类技术、产品和战略的定义交错，难免让需求方眼花缭乱，无形中又增加一层决策成本。

因此，混合词元工厂这套模式真正奏效的前提，是联想自身有完整的技术布局和业务形态，能够支撑新范式先在内部完成验证——带着明确的验证成果走向市场，定义本身才真正具备说服力。

严格来说，混合词元工厂并非迎合市场凭空创造的概念，它是联想内部数字化、智能化转型成果外化而来的产物。

大约20年前开启国际化时，联想就是中国乃至全球最早部署混合云架构的企业之一，多云资源的统一纳管与调度早已是其IT体系的日常。

2017年，联想开启智能化转型，确定“联想 智慧中国”的愿景，前瞻性布局AI，此后在个人智能和企业智能两个领域不断创新和迭代AI产品、解决方案与服务。经过九年的不懈努力，联想在企业智能领域形成了如今的三层混合动力，这也是联想此时能够率先定义混合词元工厂的能力基础。

在打磨新产品的阶段，联想时常把自己当“小白鼠”，目前在公司内部日常运行着上百个不同场景、不同功能的智能体，包括三个超级智能体和上千个Skills，覆盖研产供销服全价值链；内部智能IT引擎擎天已从中台化的1.0演进至AI原生的5.0。

内部转型取得初步成果后，联想自2018年起把AI能力输出给政企客户，服务对象数以万计。混合词元工厂所依赖的每一项能力，包括模型路由、负载均衡、安全合规、建设运维，都在联想自身的真实负载上验证多年。

同时，联想的服务器业务也在稳步推进。海神液冷技术支撑其服务器产品在全球和中国高性能计算市场多年保持领先地位。

如今，联想在数智化时代积累的一系列禀赋，均外化为一幅完整的AI能力版图——端侧设备、云侧算力、跨云调度、建设运维、行业交付，缺一不可。纵观国内市场，多数厂商的能力集中在其中一到两项，同时覆盖全部环节的企业并不多见。

随着能力版图逐渐补齐，联想的底色也随之转变，从硬件厂商转向Token运营厂商，直接面向客户交付一套可持续运营、可计量、能直接转化为客户业务价值的服务。

针对不同的客户需求，联想提供涵盖“算力底座＋词元服务＋行业方案”的分层交付模式：面向大型政企提供投建运的一体化方案、面向存量算力客户的词元化改造、面向轻量化需求的词元订阅服务。

不过，联想也在卡位上明确划定了边界，既可以一体化交付，也可以把算力基建、平台调度、安全运营、运维服务拆解为标准化模块，行业模型和场景应用交给客户。

从技术产品版图，到交付链路，再到区域样本的建立，联想此次借万全混合词元工厂，撬动了新一轮词元经济的供给侧变革，将词元工厂的竞争重心从产能规模与单价，转向有效词元与全周期价值。

长期来看，这轮供给侧重组的价值将伴随AI周期的深入逐渐释放。

目前，Token调用的增长势头还在继续。中国电信研究院在《智能体时代AI基础设施发展研究报告（2026）》中预测，中国词元消耗量将从2026年的10亿亿次增长至2030年的3500亿亿次。

投资与政策两端也在同步加码。工信部《信息通信行业发展“十五五”规划》则明确，2030年智能算力规模达到9800 EFLOPS的目标。

供需缺口仍在拉大，Token工厂的价值将持续释放。应瑛判断，2023至2026年是AI产业基础建设期，未来三年产业价值将从底层算力芯片逐步向词元运营与应用环节转移。尤其在芯片供给受限、国产先进制造仍需突破的窗口期，怎样在有限的硬件资源下产出更多词元，是中国AI产业的现实命题。

在这个意义上，联想万全混合词元工厂承载着超出商业布局的深远意义，有望成为国内AI产业用Token生产效率对冲算力缺口的共同解法。

（封面图来源：联想中国）