联想混合词元工厂求索算力普惠路径
联想混合词元工厂求索算力普惠路径
2026年09月30日 10:09
伴随“ 人工智能 +”与“ 东数西算 ”战略持续推进，国内AI调用规模快速扩张，如何实现算力即取即用，厘清Token（词元）成本账目，已成为产业从技术试点迈向价值落地的核心命题。近日，联想中国基础设施业务群战略技术总监黄山围绕词元经济提出了一个判断：产业真正的焦虑并非AI技术本身，而是Token成本难以核算、投入产出无法量化。
当下，行业已经走过“先行先试”的探索阶段，成本管控的压力日益凸显。国家数据局数据显示，2026年6月国内市场日均词元调用量突破500万亿，预计2030年将攀升至19306万亿。
不少市场观点将Token工厂等同于智算中心，黄山对此作出区分：“Token工厂不等同于算力机房，而是一套完整产业体系。”该体系覆盖顶层规划、数据就绪、智算中心建设、模型服务部署，直至与企业业务工作流深度适配，具备标准化、规模化、可追溯、可预测、可结算的特征，是规模化生产智能能力的全 新产业 形态。
针对行业痛点，联想推出了混合词元工厂整体解决方案，整合xCloud智能云、智算中心、万全异构智算、服务器、存储与数据网络等软硬件资源，构建起从底层基础设施到云平台服务的完整业务闭环。区别于单一硬件输出，联想将自己定位为技术要素整合者，面向地方政府与实体企业提供一体化交付，推动算力“即取即用”，以降低传统行业使用AI的门槛。
供给侧降本是AI大规模普及的先决条件。为此，黄山提出了Token成本“九层塔”分析模型：计算层包含七层优化，覆盖算子库、 通信 库、内存语义、推理框架并行策略等，每层优化均可带来效率倍数提升；硬件系统层面，模型与芯片不同组合会产生30%-40%的效率差距，特别是GPU组网方式的不同，效率差异甚至可达两倍；运营层包含模型网关路由、智能体编排、FinOps、反时间碎片调度；底层则涉及IDC建设、供电、液冷等基础设施投入。经多层协同优化，单个Token成本有望从十元级别降至一元级别。
“供给侧一定要把成本打下来，应用才能够真正繁荣。”黄山称，芯模适配并非简单的软硬件选型，而是复杂的系统工程，目标是实现模型硬件协同最高效率。只有成本可控，中小企业和传统产业才能够大规模应用AI，推动“ 人工智能 +”落到实处。
目前，联想咨询团队已在十余个地级及以上城市落地项目，结合地方特色产业完成从顶层规划到混合词元工厂建设的全流程交付。项目落地过程需要长期迭代，部分场景还需要重构原有业务流程。
实践过程中，联想也看到了 AI应用 的边界。黄山表示，AI渗透将延续数字化过往路径，并非所有业务都适合AI原生改造，必须结合行业积累做系统性规划。他说：“AI算法不能替代全部算法，只会在特定场景释放巨大价值。AI落地的关键，在于技术能否嵌入原有业务流程，适配真实的工作流。”
黄山判断，超节点将逐步成为公有推理服务新形态，替代传统集群算力模式。他援引 华泰证券 的分析称，当前超节点市场规模有限，但推理业务向其迁移后，市场将迎来逐年翻倍增长，这背后源于大模型Scaling Law的持续生效，未来三年超节点架构仍将快速迭代。与此同时，推理专用芯片赛道值得关注，TPU、NPU、LPU各有优劣，除自动驾驶外，科研、行业推理领域或将涌现更多专用芯片产品。
算力逐步褪去稀缺属性走向普惠，但普惠落地离不开成本压降、清晰核算体系与可执行的产业方案。“把成本算清楚，把投入产出算明白，释放算力的每一分效能，让每一分算力转化为实实在在的生产力。”黄山说，这既是产业的现实诉求，也是联想面向Token经济给出的务实答卷。
（文章来源：经济参考网）