联想入局词元经济：Token消耗暴涨之后，AI用量该怎么算
联想给词元经济定了新玩法|甲子光年
今年上半年，硅谷不少科技公司都踩进了同一个坑，名字叫“Tokenmaxxing”。亚马逊为了鼓励员工多用AI，专门做了个AI用量排行榜，按用量给员工排座次。结果有人为了往上冲，让AI去干低价值的活、同时开多个智能体并行跑、还故意发超长Prompt把上下文窗口塞满。
亚马逊很快察觉到不对劲，把排行榜叫停了，内部明确要求“不要为了用AI而用AI”。榜撤掉之后，公司考核员工AI用量的方式，改成追踪AI带来的“实际业务价值”。Uber内部也搞过类似的排行榜，同样撞上了Tokenmaxxing这层谎言，后果是公司全年AI编程预算在2026年前4个月就花光了。
布局AI的企业，多多少少都碰过这种尴尬。管理者原本想让AI在公司里铺开、把整体业务效率提上去，最后却适得其反：员工陷进无效内卷，越干越累，效率没见涨，Token消耗反倒离奇飙升，预算被吞得更快。
说到底，这是智能体浪潮带来的副作用。
智能体应用会围着同一个目标反复迭代，系统提示、工具说明、前几轮的结果一遍遍进入后续请求。高盛5月的报告测算，智能体模式下模型的词元消耗量能达到普通问答的1000倍。
Token调度缺计量标准，企业日子更难过。调用量异常增长时，企业只看得到Token成本往上走，却分不清哪些消耗来自正常业务、哪些来自低效设计，甚至是被恶意盗用。Akamai 5月发布的《2026年AI推理现状报告》显示，77%的受访企业没有一致的推理成本计量标准。智能体就这样陷进越用越亏的怪圈。没过多久，行业又转向另一头，Tokenminimizing浪潮在硅谷抬头，企业开始尽量压缩不必要的Token消耗，追求消耗最小化。
但Tokenmaxxing也好，Tokenminimizing也罢，都没碰到本质。企业真正要的，是用最经济的方式把AI的业务价值释放到最大。想明白这一点，拿到更多“有效词元”就成了全球范围内比较普遍的共识，Token市场供需不匹配这个核心问题也随之浮出水面。
放到真实业务场景里，不同行业、不同业务对“有效”的理解各不一样；不同模型、芯片、算力体系产出的Token质量也参差不齐。中间还差关键一环：让需求方迅速匹配到自己业务需要的“有效词元”。
11月10日，联想在张家口发布万全混合词元工厂，同时签约落地业内首个混合词元母本工厂，想补上的正是有效词元供需链条里缺的这一环，在Token经济的供给侧发起一场变革。
AI走到今天，对Token的需求量一直在涨，词元工厂的效率也就越来越要紧。
联想集团执行副总裁兼中国区总裁刘军直言，过去一年AI已经成为企业发展的核心动力，甚至成了国与国之间科技竞争的制高点。他判断，未来三年国内AI发展都会面临算力紧缺。在算力受限的前提下把有效词元的产出做到最大，是拉平国际竞争的关键——这也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？
回头看全球产业史，凡是能改写时代的供给侧变革，多半都从定下一个新的计量单位开始。电力改成按千瓦时算账以后，发电、输电、配售电才一步步拆成各自独立的行当；原油改成按桶计量、按期货定价以后，勘探、炼化到贸易这条完整链条才慢慢长了出来。
单位一旦立住，原先散在各处的上下游从业者就有了共同的行为参照。大家一层层往下问：这种新生产要素该从哪儿来、怎么高效拼到一起、又按什么口径结账？分工清楚的一条产业链，就是这么一点点磨出来的。
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，把整个智能产业链的各个环节串联起来。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对此作了进一步解释：Token是大模型用来思考的最小原子，也是智能经济最基础的度量衡。上游大模型API调用怎么定价，中游智能体之间协作怎么结算，下游AI应用按场景怎么付费，它都已经是产品和服务全链路的计量与结算单位，单志广称其“可谓是AI时代的新石油”。
拿词元和基础能源作类比，并不算夸大。南方电网测算过，生成100万个词元，平均要耗15到20度电。每生成一个词元，背后都是实打实的算力和电力投入。
词元消耗的成本很快挤进企业AI预算的大头，词元也就难免从技术指标变成经营指标。企业各业务线的成本报表里，它露面的次数越来越多，经营层每个月都要盯着问。
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把话挑明了：市面上那种百万Token只卖几块钱的报价，会带偏企业的AI决策，原因是里面掺进了大量小模型生成的劣质词元。真按有效口径来算，实际成本和纸面数字差得很远。
问题在于，词元工厂眼下从生产到调度再到交付，整套模式都不是围着“有效词元”转的。这个概念提出来之后，业界的做法大致分成四类：
一类走平台与生态路线，智能体工厂、数据知识工厂、TokeNexus这些形态都算，词元工厂被当成生态入口来做；
一类拼硬件和能效，拿DSX POD、Tokens per kWh这类指标说话，词元工厂变成了一场能效竞赛；
一类做运营管控，把算力、模型、任务和Token统一管起来，词元工厂被定位成一套管控平台；
还有一类做标准化供给，把异构算力转成标准化的Token服务，词元工厂在这里是算力的度量转换器。
这四条路各有代表玩家，可长板不一样，往往只能重点接住某一类企业的某一类需求。企业的真实负载偏偏多元又复杂，要是还按不同负载分别找不同供应商，AI部署在选型和运维上的开销就会被明显推高。
联想集团副总裁、全球基础架构和智能云总经理姚振宇讲了一个让不少IT负责人头疼的场景：“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。”
另外，核心数据要留在本地可控，算力资源又得能弹性伸缩，这两个从云计算时代就有的老难题，至今没有解决。
芒果传媒战略投资部投资总监肖文强讲了自己的体会：芒果最核心的资产是IP和版权素材，这类东西通常出不了园区；内容生产又跟着固定档期走，有波峰也有波谷。自建算力按年规划、按机房落地，供需经常对不上。
上海武桐树高新技术有限公司总经理陈少平也有同感。他负责的平台服务600多所中小学，集中备课、批改和考试那段时间需求猛增，寒暑假又掉下来。高峰期怎么保证Token供得上，又不至于按峰值配资源造成浪费，是最实际的一道题。与此同时，未成年人数据在隔离、权限和审计上的要求，又不允许把负载随便迁出去。
按理想的思路，行业得有一种新的词元供给方式：既能摆平成本、安全与弹性这个“不可能三角”，又能摸清客户不同业务对“有效词元”的差异化需求，按需供上“有效词元”，还得有本事提供全周期运维，少浪费不必要的Token，把企业规模化部署AI的风险和成本整体管住。
这套范式还要靠各区域的绿电体系支撑，把Token工厂运转的能耗压到最低。
眼下，词元的成本正一路向电力成本靠拢。中信建投证券计算机行业首席分析师应瑛提到，电价是卡住AI基础设施发展的一个要害环节。词元产量一旦以万亿来计，绿电供给和算电协同就不再是锦上添花，而是词元工厂能不能进场的门槛。
11月10日，联想在张家口发布万全混合词元工厂，给有效词元定下一套混合供给的新范式。张家口母本工厂就是这套范式落地的第一个区域样本。
2.打破词元供给的“不可能三角”
说到混合供给，不少人会想到云计算时代的“混合云”，或者近两年常被提起的AI全栈部署。可细究下去就会发现，混合词元工厂的内涵跟它们完全不是一回事。
混合云要解决的是算力资源怎么分配；AI全栈部署更多是AI厂商在展示自己的能力版图，站在厂商一侧把能力体系推给客户。这两个都没法直接回答Token经济时代的核心问题：词元以什么方式被生产、调度和交付。
混合词元工厂的“混合”，则覆盖词元生产、调度、交付的整条链路。它要求供给方同时读懂算力、模型和任务语义，站到用户这一边，帮企业判断什么样的算力和模型搭配最经济、最有效。
姚振宇举了个例子。联想从自己的内部实践中发现，模型不是挑最大的就最合适：复杂场景用大参数模型保住输出质量，简单问题和交互交给小模型，性价比才能做到最高。
这套模式对建造者的能力要求也更苛刻。既得有AI全栈厂商那样的能力版图，又得能调配模型和算力资源，还得拿得出多元化的交付能力。联想万全混合词元工厂的长处，正在这里。
万全混合词元工厂由两块构成。一块是智算中心的端到端建设、运营和运维；另一块是XCloud联想智能云，负责私有云与公有云的统一纳管调度和智能运维。
在这套底座上，它具备三大混合供给能力。词元供给上，企业私有词元与公共词元协同供给，且以前者为主：高敏感业务和核心数据留在本地私有域，通用推理、流量波动大的业务则调度外部算力。算力资源上做端边云协同混合，轻量任务交给端侧，时延敏感任务就近执行，弹性负载匹配云侧资源。模型选择上，开源权重模型与专有闭源模型能力互补。
这样供给之后，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把综合成本压下来。Token工厂在成本、安全与弹性之间的“不可能三角”，也就有了突破口，不必再三选二。
支撑这三重混合供给的，是联想内部一套贯穿算力设备、智算中心到词元中枢的三级优化技术。
第一级求的是算力效率最优。问天异构智算平台把不同架构的算力统一纳管，再叠加超节点、多芯多模训推引擎与算子优化，算力效率提升30%以上。国产算力多技术路线并存是现实，这层优化能力对中国市场来说几乎是必答题。
第二级求的是全周期成本最优。模块化预制、一体化全液冷、绿电直流智控等技术派上用场，再配合建设、运营、运维一体化服务，智算中心的能源效率与运营成本随之优化。
第三级落在企业业务场景上，求的是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，把任务语义、模型质量、数据边界、响应时效和成本放在一起权衡，自动选出最优供给路径。
姚振宇说，词元中枢在技术路线上跟同行差别不大，PD分离、KV Cache这些推理优化手段大家也都在用。真正见功夫的地方，是多年攒下来的工程优化能力——能不能把有效词元的综合成本、调用效能同时调到最优。
三级优化体系里，万全混合词元工厂处在承上启下的位置，客户拿到的绿色词元要“多、快、好、省”。所谓“多”，指的是开放的多模型生态，不同应用需要不同模型，配合超节点和模算动态混部，词元供给就能上规模。“快”讲的是产出速度：万全混合词元工厂最高每秒2亿个词元，可支撑10万个用户同时并发。换算一下，联想全球8万多名员工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、营销内容都在线处理，也不用排队。
“好”说的是词元质量。联想在业内第一个提出“词元良品率”这个概念，并承诺万全词元混合工厂的词元良品率保持在99.9%以上，低质词元会被持续过滤掉。
安全是高质量词元绕不开的红线。姚振宇介绍，联想词元中枢外面加了三层防护。模型安全这一层设白名单，模型要经过测试认证才能上载；内容安全这一层，有专门的模型在传输链路上识别敏感内容、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，只有特定权限的业务人员能看到，用户后台的系统管理员、数据库管理员则是可用不可见。
这套严密的安全体系，根子上还是联想自己的合规要求。过去两年，联想在IT安全评级中排在中国厂商前三。
“省”对应的是成本可控。万全混合词元工厂产出的词元，综合成本大约降低70%。姚振宇补充说：“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。”另外，在全栈液冷、绿电直联的架构下，工厂PUE将小于1.1。未来在张家口落成的母本工厂，会是万全混合词元工厂的第一个区域样本。
张家口的绿电家底相当厚：可再生能源装机已突破4500万千瓦，占电力总装机比重接近89%，一年往外送绿电超过700亿度。靠着这份资源，当地已建成55个数据中心，投运标准机架107万架，智算规模做到31万P，阿里、腾讯等21家头部企业先后在这里落地。
戴炜公布的母本工厂规划里，时间表排得很清楚。到2027年，这里要建成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、词元年产量三项都要扩大10倍，目标直指世界级词元生产基地。
母本工厂旁边还规划了一条算力设备回收与再制造产线。存量设备经过回收再制造后继续投入使用，词元的综合成本也能再摊薄一些。
“母本”这个词其实是从制造业借来的。联想在硬件制造时代就有母本工厂的做法，核心意思就一个字：复制。接下来，联想会结合不同区域的产业特色，在当地复制出面向不同推理场景的混合词元工厂。
联想方面透露，混合词元工厂的下一站选在湖南长沙。
在长沙，联想将与湖南广电展开深度合作，盯的是电影和短剧制作场景。做法是通过全模态词元混合路由和多芯多模推理加速，给AI创作的各个环节供给不同的词元。戴炜的解释是：“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。”
按预计，混合词元工厂能让湖南广电的内容制作成本下降50%以上，生产周期缩短60%以上，月产成片超过1200小时，并聚合一个超过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，母本工厂已经近乎联想与新业态、新区域打交道的基本范式。联想先在母本工厂里完成早期探索，再把成果和教训提炼成一套能跨行业落地的经验，拿到其他区域和行业快速复制。
顺着这套模式往源头看，联想自己早就是一座庞大的母本工厂。这家PC时代的领军者能穿越周期，并在Token工厂遍地开花的AI时代率先定义混合词元工厂，原因也在这里。
3.联想从不打无准备的仗
AI行业眼下最不缺的就是定义。技术、产品、战略，各种概念层层叠叠，需求方看下来只觉眼花缭乱，决策成本反倒又多了一层。
混合词元工厂要真正跑通，前提也在这里：联想自身得有一套完整的技术布局和业务形态，让新范式先在内部验证一遍。带着验证结果走向市场，定义才站得住脚。
说到底，混合词元工厂不是迎合市场凭空造出来的概念。它是联想内部数字化、智能化转型的成果向外延伸的产物。
大约20年前启动国际化时，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，早就是其IT体系的日常操作。
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，AI产品、解决方案与服务不断迭代。九年下来，联想在企业智能领域形成了如今的三层混合动力，这也是它此时能率先定义混合词元工厂的能力基础。
打磨新产品的阶段，联想常把自己当“小白鼠”。公司内部日常运行着上百个不同场景、不同功能的智能体，其中有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。
内部转型有了初步成果后，联想从2018年起把AI能力输出给政企客户，服务对象数以万计。混合词元工厂依赖的每一项能力——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。
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。
数智化时代攒下的一系列禀赋，如今外化为一幅完整的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。放眼国内市场，多数厂商的能力集中在其中一到两项，能同时覆盖全部环节的企业并不多见。
联想的底色也跟着变了：硬件厂商的身份之外，Token 运营厂商成了新的定位，能力版图一点点补齐，交付给客户的是一套能持续运营、可计量、直接落到业务价值上的服务。
客户需求不同，联想的交付方式也分了层。大型政企可以拿到投建运一体化方案，已经有算力在手的客户能做词元化改造，需求轻的则走词元订阅。三档合起来，就是“算力底座＋词元服务＋行业方案”的完整组合。
联想的卡位并非全包。一体化交付是一条路，把算力基建、平台调度、安全运营、运维服务拆成标准化模块单独卖是另一条路，行业模型和场景应用则留给客户自己来做。
技术产品版图、交付链路、区域样本，三件事同时推进，联想这次借万全混合词元工厂切入的是词元经济的供给侧。竞争的重心也跟着挪了位置——从产能规模和单价，转向有效词元与全周期价值。放到更长的时间轴上看，这轮供给侧重组的价值，会随着AI周期走得越深而逐步释放。
Token调用量还在往上走。中国电信研究院《智能体时代AI基础设施发展研究报告（2026）》给出的预测是：中国词元消耗量2026年为10亿亿次，到2030年将增至3500亿亿次。
资金和政策同时发力。工信部《信息通信行业发展“十五五”规划》提出，2030年智能算力规模要达到9800 EFLOPS。
供需之间的口子还在扩大，Token工厂的价值因此会继续释放。应瑛的判断是，2023至2026年属于AI产业的基础建设期，接下来三年，产业价值会从底层算力芯片一步步挪向词元运营和应用环节。芯片供给受限、国产先进制造尚待突破，这个窗口期里，怎么用有限的硬件资源产出更多词元，是中国AI产业绕不开的现实问题。
这样看，联想万全混合词元工厂的意义不止于商业布局，它有望成为国内AI产业用Token生产效率对冲算力缺口的一个共同解法。
