引言：11月10日，联想在河北张家口发布"万全混合词元工厂"品牌，首个母本工厂落地——初期建设1.5万P异构算力集群、约100兆瓦智算中心，词元年产量目标超过2000万亿。几乎同期，Gartner预测2026年全球AI优化型IaaS支出中，推理占比将达到55%，首次超过训练。一个在产业前线"造词元"，一个在数据层面确认"推理接棒"，两条信号叠加指向同一个判断：算力产业的计价单位和竞争逻辑，正在被重写。
一、双重信号：算力产业的"拐点"已经出现
（一）张家口事件：算力第一次按"产出"而非"产能"计价
联想这座工厂最值得注意的，不是1.5万P的算力规模——在全国已建成42个万卡级智算集群、智算总规模超2185 EFLOPS的当下，单纯的算力数字已经不再稀缺。真正的变化在于它的计量单位：对外承诺的不是"我有多少卡、多少P"，而是"我每年能产出多少词元（Token）"。
按照披露的指标，单座工厂建成后词元年产量超2000万亿，峰值每秒产出2亿词元，单日可承载10万用户并发；每秒词元产出量提升5倍，词元良品率超过99.9%，百万词元综合成本优化70%以上，配套数据中心PUE低于1.1。当"良品率"这个典型的工业制造指标被用来考核词元，意味着算力供给正式从"资源"变成了"产品"，智算中心也从机房变成了工厂。
（二）Gartner数据：推理接棒训练，成为算力消耗主引擎
如果说联想给出的是单点样本，Gartner则提供了行业级的趋势确认。其2026年8月报告预测：2026年全球AI优化型IaaS支出将达422.76亿美元，其中推理支出233亿美元、训练支出190亿美元，推理首次超过训练，占比约55%；2027年这一比例将进一步升至59%。
中国信通院的判断更为激进，预计2026年推理算力占AI算力总负载的比重将达到70.5%。这背后是一个朴素的结构性变化：模型训练是"一次性投入"，一个大模型训练完成，主要算力开支即告结束；而推理是"持续性消耗"，模型一旦部署到客服、编程、自动驾驶、智能体等场景，每一次问答、每一次决策都在持续消耗算力。当AI从实验室走向规模化生产，需求结构必然从"养模型"转向"用模型"，推理自然成为消耗主引擎。
（三）中国市场：词元消费一年扩张近9倍
需求侧的爆发同样有数据支撑。IDC报告显示，2026年上半年中国MaaS（模型即服务）市场规模达106.3亿元，同比增长889.4%；全市场词元消耗量达2857.9万亿，同比增长约432.5%。一年之内市场扩张近9倍，正式迈入百亿元级。供给端按词元建厂、需求端按万亿级消耗词元，一个围绕"词元"的完整市场已经成形。
二、本质拆解：为什么"词元"会成为新的计价单位
（一）价值重心迁移：从"卖硬件"到"卖能力"
回顾AI基础设施的商业化路径，清晰地走过了三个阶段：第一阶段卖芯片、卖加速卡，计价单位是"颗"；第二阶段卖服务器、卖整机柜，计价单位是"台"或"集群"；第三阶段卖云算力、卖IaaS，计价单位是"卡时"或"P"。这三个阶段有一个共同点——都在按"投入要素"计价，卖的是生产资料本身。
而词元工厂代表的是第四阶段：按"产出结果"计价。客户不再关心背后用了谁的芯片、多少张卡，只关心两件事——每百万词元多少钱、词元质量稳不稳定。这与云计算早期从"卖服务器"转向"卖虚拟机"、再转向"按量付费"的演进逻辑完全一致，本质是产业链价值重心从硬件层向服务层、从资源占有向能力交付的迁移。
（二）需求结构决定计价逻辑：推理天然适合"按量计费"
训练与推理的技术特性，决定了二者适合不同的商业模式。训练任务集中、单次规模大、客户以少数大模型公司为主，适合按项目、按集群采购；推理任务则高度碎片化、7×24小时持续运行、客户是千行百业的企业与个人开发者，天然适合像水电一样按使用量计费。
联想集团董事长兼CEO杨元庆曾判断，"80%的词元将来产生在本地、在边缘、在终端，而不是在云上"。当词元生产从少数超大规模数据中心，分散到企业机房、边缘节点和智能终端，统一、可计量、可结算的计价单位就成为刚需——这个单位只能是词元。谁掌握了词元的计量权、定价权和质量标准，谁就掌握了AI时代的"度量衡"。
（三）词元的三重属性：技术单位、商品单位与战略资源
需要看到，词元不只是一个技术名词。在技术层面，它是大模型处理语言的最小切分单位；在商品层面，它正在成为可计量、可定价、可考核的交易标的，"良品率"的引入更让它具备了工业品的质量属性；在战略层面，当智能体（Agent）成为企业核心生产力，词元就是驱动智能体运转的"燃料"，其供给安全与成本，直接关系企业智能化的命脉。三重属性叠加，使词元从一个计量单位，上升为智能革命中的新型生产资料。
三、竞争重构：词元工厂如何重写游戏规则
（一）竞争标的：从"拼算力规模"到"拼词元效能"
过去评判一家算力企业，首要指标是算力规模、芯片性能。但正如中信建投分析师应瑛所指出的，单纯新增算力硬件，很难直接转化为稳定可用的AI服务，市场开始关注算力调度、多模型兼容、供给稳定性等综合能力。堆砌的算力不等于价值，可计量、质量稳定的词元供给才是企业应用AI的基础。
联想将词元工厂的能力概括为"多、快、好、省、绿"：多是产能与多模型生态，快是生成速度，好是良品率与数据安全，省是综合成本，绿是液冷与绿电。这五个维度没有一个是单纯的硬件参数，全部指向单位算力的词元转化效率——竞争标的已经从"我有多大"变成"我能多便宜、多稳定地把算力变成可用的智能"。
（二）竞争能力：从单点参数到"系统级"体系战
要把算力高效转化为词元，靠单一环节优化已经不够。联想给出的"三层混合动力"架构颇具代表性：底层问天AI基础设施如同"发动机"，提供异构混合算力，效率提升30%以上；中层万全词元工厂如同"变速器"，按任务动态调度多种模型，提升算力到词元的转换效率；上层擎天、百应智能体方案如同"驱动系统"，把词元转化为具体业务场景里的产出。
支撑这套架构的是三级优化：超节点与异构平台的算力效率优化、全栈智算中心运营的成本优化、面向推理场景的词元中枢调优。这意味着竞争门槛被系统性抬高——芯片厂商、服务器厂商、云厂商、应用厂商之间的边界正在消融，胜负取决于端到端的体系整合能力，而非任何单点参数。
（三）竞争边界：从"云上集中"到"端边云混合"
词元生产的空间布局也在重构。公有云适合处理集中式、弹性强的通用任务，而大量企业级场景涉及数据安全、低延迟与合规要求，必须本地化部署。混合词元工厂的核心，正是把私有部署与公共调用、端边云资源、开源与闭源模型混合调度，让合适的算力和模型服务合适的任务。
对企业而言，这意味着不必再为每个应用单独买算力、配模型，而是像接入电网一样接入词元供给网络，按需取用、按词元结算。算力的"电网化"，正在让AI能力成为一种普惠的基础设施服务。
（四）竞争底色：电力成为绕不开的隐形成本
词元竞争的尽头是电力。国家能源局预计，"十五五"时期全国算力用电量年均新增1000亿千瓦时以上，到2030年将达8000亿千瓦时左右，约占全社会用电量的6%。首个词元工厂落子张家口并非偶然——这里既有丰富的绿电资源，又处于京津冀算力枢纽，"把工厂建在电边"，就是在成本源头算账。
学者兰小欢有个形象的比喻：算力按年更新、芯片一两年迭代，而电力基础设施需要五年乃至十年，这些转速不同的齿轮必然产生冲突，也创造新的商业机会。未来词元成本的竞争，很大程度上是算电协同、绿电直连、液冷节能的竞争，能源禀赋将成为区域算力布局的核心变量。
四、格局研判：三条路线的玩家博弈
围绕词元供给，不同背景的玩家正以各自优势入场，形成三条差异化路线。
三条路线并非简单替代，而是在不同场景分层竞争：通用消费级流量主要汇聚于云厂商，企业级私有化与混合部署倾向方案商，而跨区域、跨主体的算力调度则离不开运营商的网络底座。短期内更可能走向"云边协同、公私混合"的多层供给格局，而非一家通吃。 对所有玩家而言，共同的考题是同一个：谁能把单位词元的成本、质量和稳定性做到综合最优。
五、趋势启示：对区域与企业的四层思考
（一）对地方政府：招商逻辑要从"招算力"升级为"招词元产能"
当前不少地方仍以"建了多少智算中心、装了多少卡"论英雄，却普遍面临上架率不足、算力闲置的困境。词元工厂模式提示了新的招商标尺：不应只招引算力硬件投资，更要招引能把算力转化为稳定词元产出、并对接真实业务需求的运营主体。 张家口的经验在于"政府政策托举+企业方案输出+客户需求锚定+能源生态协同"的组合，而非单纯给地给电。拥有绿电禀赋的中西部城市，尤其可以依托算电协同打造词元生产基地，把能源优势转化为智能经济优势。
（二）对应用企业：买的不是词元数量，而是任务完成结果
企业在采购AI服务时，需要警惕一个误区：词元消耗量不等于业务价值。行业一线的判断很清醒——"客户买的不是Token数量，是业务任务完成结果"。一个生物医药客户，过去两人七天处理的实验数据，引入智能体后压缩到十分钟，词元消耗仅个位数美元。评估AI投入，应从"调用了多少词元"转向"完成了多少任务、替代了多少成本、创造了多少增量"，并通过路由优化减少无效调用与重试。 词元良品率、响应稳定性、数据安全，比单纯的单价更值得纳入采购标准。
（三）对产业链：算电协同与标准制定是两大战略支点
一方面，电力、散热、网络、运维等全周期成本，正在取代芯片采购成本成为词元定价的主导因素，全栈液冷、绿电直连、低碳回收将构成新的产业机会带。另一方面，词元的计量方法、质量标准、良品率定义目前尚无统一国标，谁能率先参与甚至主导这些标准的制定，谁就能把技术积累转化为产业话语权——这与历次技术革命中"得标准者得天下"的规律一脉相承。
（四）风险提示：警惕规模崇拜与价值幻觉
需要冷静的是，词元工厂的宏伟目标仍需接受市场检验。一是产能过剩风险，各地一哄而上建厂，若需求与场景跟不上，极易重蹈部分智算中心闲置的覆辙；二是价值幻觉风险，词元只是中间投入，若上层应用与商业模式跑不通，再高的词元产量也无法变现；三是组织配套风险，AI能提升平均效率，却可能让判断趋同，企业若过度压缩人工复核与例外处理能力，短期降本或换来长期风险累积。技术跑得再快，最终仍要落到真实的业务闭环与人的责任之上。
结语
从卖卡、卖服务器，到卖云算力，再到卖词元，AI基础设施的每一次计价单位切换，都是产业走向成熟的标志。词元工厂的出现，不是一场简单的营销概念翻新，而是算力"工业化生产、商品化交付、能源化约束"三重趋势交汇的必然结果。 下半场的竞争，不再是谁的卡更多、谁的参数更大，而是谁能让每一度电、每一份算力，稳定、便宜、安全地变成驱动千行百业的智能。对区域、企业和投资者而言，看清这场"度量衡"的重写，才能在新的产业周期里选对位置、占住身位。
