绿电进Token出!联想重新定义词元工厂
TL;DR · AI 摘要
联想在河北张家口建设年产2000万亿Token的混合词元工厂,通过绿电与算力协同,降低企业AI使用成本。
核心要点
- 联想计划在张家口建设年产2000万亿Token的混合词元工厂。
- 工厂采用绿电与算力协同,降低企业AI使用成本。
- 项目首期规划15000P异构算力集群,预计2027年建成。
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- 联想混合词元工厂
- 背景与意义
- AI算力需求激增
- 企业Token使用成本过高
- 工厂规划
- 年产2000万亿Token
- 15000P异构算力集群
- 2027年建成,2030年扩大10倍
- 绿电与算力协同
- 张家口绿电资源丰富
- 算力基础完善
金句 / Highlights
值得收藏与分享的关键句。
联想计划在张家口建设年产2000万亿Token的混合词元工厂,采用绿电与算力协同。
项目首期规划15000P异构算力集群,预计2027年建成,2030年扩大10倍以上。
张家口是全国风光绿电第一大城市,可再生能源装机规模突破4500万千瓦。
绿电进Token出!联想重新定义词元工厂 – 量子位
扫码关注量子位
<div class="top_search"> <form role="search" method="get" class="search-form" action="https://www.qbitai.com/" id="search"> <label> <input type="search" class="search-field" placeholder="搜索…" value="" name="s"> </label> <button type="submit" class="search-submit"></button> </form> </div>
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
articlead begin
articlead end
绿电进Token出!联想重新定义词元工厂
杰西卡
2026-11-14
17:41:02
来源:
量子位
摘要样式
年产2000万亿Token,成本狂降70%
杰西卡 发自 凹非寺 量子位 | 公众号 QbitAI
买得起卡,但用不起AI。
听起来可能有点离谱,但随着AI大规模进入企业,许多公司确实陷入了这样的尴尬。
AI产业在过去两年的增长,几乎可以用 狂飙 来形容。
国家数据局数据显示,我国日均词元调用量从2024年初的1000亿增至2025年底的100万亿,2026年3月突破140万亿, 两年增长千倍 ;中国信通院披露,到2026年6月,相关指标已突破500万亿。
需求暴涨的情绪很快传导到了算力供给端。模型不断进化,Agent逐渐承担复杂任务,Token需求激增,算力基础设施也跟着加速扩张。
IDC预计,2026年全球服务器市场收入将达到约6851亿美元, AI基础设施投资 是主要增长动力。
然而,算力供给持续增加,企业对 “烧Token” 这件事却反而越来越谨慎了。
图片由AI生成
据《经济观察报》报道,一家中型银行上半年Token支出接近900万元,相当于其上年度IT预算的8%。今年年初,Token消耗增长还是AI应用深入业务的积极信号;到了6月底,其管理层却要求重新审视相关投入的成本收益。
麦肯锡的一项调查也显示,约五分之一的受访者表示,所在组织因AI运营成本而限制了AI使用。
企业开始衡量 AI的成本与实际产出 了。
原因自然不难理解。Agent执行复杂任务可能持续数小时,反复推理、模型调用和任务重试都会累积成本;自建算力就要为业务高峰预留设备,即使平时闲置,折旧、电费和运维开支也照付不误。
更麻烦的还是钱还未必花在了刀刃上,比如简单任务用上昂贵模型,敏感业务又必须留在私有环境……算力很难各归其位。
所以 企业真正用好、用得起AI ,还是个亟待解决的问题。
谁曾想,就在塞北的风口 河北张家口 ,一座规划15000P超节点集群、年产2000万亿Token的庞然大物—— 混合词元工厂 ,要拔地而起了。11月10日,联想集团在当地正式官宣了其 “联想万全混合词元工厂” 品牌。
不同于单纯交付服务器或销售计算资源,该工厂正计划把不同来源的算力与模型组织起来,持续生产更经济、更高效的Token服务。
生产逻辑甚至称得上直接粗暴: 绿电进,词元出。
自此,粗放堆芯片的时代,开始向工业化量产高性价比Token的时代转变。算力基础设施的底层规则,恐怕要一夜变天了。
绿电进,词元出
当天,联想集团和河北张家口市政府签署合作协议,将推进 首座混合词元母本工厂 在张家口落地。
按照最新披露的方案,项目首期规划建设 15000P异构算力集群、约100MW智算中心 ,建成后Token年产能力预计达到 2000万亿 ,峰值产出能力达到 每秒2亿Token 。
联想集团高级副总裁、中国方案服务业务群总经理戴炜现场介绍,首期建设时间表定在2027年;到2030年,相关规模计划进一步扩大10倍及以上。
2000万亿年产能是什么概念呢?
平均下来相当于每天生产约 5.5万亿Token。 即便只是简单换算,也足见规模之大。
不过相比规模,更让人好奇的是工厂名称。
词元工厂本身并不是新概念,此前有不少产业实践,有的以芯片和服务器能效切入,有的经营模型平台,也有的擅长智算中心运营。各技术路线有所侧重,但企业真正使用AI时,需要面对的往往是不同计算需求的叠加。
联想的词元工厂,特别就特别在两个字—— 混合 。这里的“混合”,核心是 让算力供给跟着业务需求走 。
企业既需要稳定、可控的私有算力,也面临突发的公共调用需求;不同任务对模型能力、响应速度和成本的要求,同样千差万别。
单纯扩大算力规模,或者只优化Token生产的某一个环节,都难以独立解决全部问题。
联想提出的 混合供给 ,相当于承担起了枢纽的角色——把原本分散的资源重新组织起来, 私有Token与公共Token服务相结合并以私有为主,端侧、边缘和云端协同运行,不同模型也能根据任务需求灵活选择 。
如此一来, 算力供给就可以跟着业务需求走 ,不再完全由硬件配置决定。
理想中的Token供给,应该像供电一样。 企业按需接入,获得稳定、经济的服务;至于背后运行着哪些设备、调用何种模型、资源怎样调度,都交给统一的供给体系来完成。
当然,要让不同资源在同一套体系里协同运转,光有模型和服务器还不够。 计算设备、机房运营、能源供给乃至模型调度 ,都需要一并考虑。
如何保障呢?
联想盯上了一个离北京最近的“风口”—— 河北张家口 。
称其为“风口”,一来是因为当地难得的 能源条件 。
张家口是全国风光绿电第一大城市、国家六张网(算力网+新型电网)标杆型双节点;截至2025年底,张家口可再生能源装机规模突破 4500万千瓦 ,占当地电力总装机比重接近九成。
二来,当地还拥有相当规模的算力基础。
张家口是 国家“东数西算”工程京津冀枢纽的重要承载地 ,当地政府也在积极提供政策支持与产业引导。到目前为止,当地已建成50多座数据中心,投运标准机架超过107万架。
塞北丰富的风光资源、冷凉的气候、更具优势的电价,加上毗邻北京的区位优势(距京一百多公里)、更短的时延,刚好能降低算力运营成本、接住京津冀AI推理的需求。
事实上,政策层面也在推动算力产业向高效供给转型。
今年发布的 《“十五五”规划纲要》 提出,推动算力规模化、集约化、绿色化、普惠化发展,促进绿电与算力协同,并降低中小企业用算成本。
由此,联想和张家口当地联手,探索出了一种更加“端到端”的产业模式: 绿电进,词元出。
听起来像工业流水线一般。但和传统工厂不同的是,Token生产线不仅需要稳定的能源和设备,还必须根据千差万别的任务需求,随时调整自己的生产方式。
那么不同位置的算力、不同能力的模型,究竟怎样才能真正有机配合地服务企业?
把每一分算力用在刀刃上
不妨想象一下,一家大规模使用AI的制造企业,可能会遇到这样的场景:
生产系统需要稳定运行,所以敏感数据不能离开私有环境;但是办公助手、客服智能体又可能在业务高峰突然涌入大量请求。
如果 全部自建算力 ,就要为短暂峰值长期养设备,成本消耗巨大; 完全购买公共服务 ,又绕不开数据边界、持续支出和模型适配。
更何况,简单的文档整理和复杂的专业推理,也不应该使用同样昂贵的配置。显然, 不同任务需要不同的算力供给方式 。
顺着这个思路,联想提出了 混合供给 模式,其中包含三个维度:
- 供给来源混合 ,让私有自产Token与获得授权的公共服务互补;
- 端边云协同 ,让轻量任务留在端侧、时延敏感任务就近运行、弹性需求匹配云端;
- 模型生态混合 ,根据质量与成本要求,选择开源权重或专有闭源模型。
不过选择变多之后,实际调度起来也会更复杂。
比如任务是否涉及敏感数据、需要多强的模型、允许等待多久,以及公私资源如何配比等,都要综合权衡。特别是公私资源分配,两类负载的性质正好相反。常驻企业内部的要稳,数据不越界;随外部调用起落的要省,能随峰值伸缩。
为此,联想设计了 Token Engine(词元引擎) ,通过模算动态混部、任务级资源池调配和智能模型路由,为资源匹配提效。
而要让调度真正覆盖私有与公共资源,还需要统一的管理体系。
联想之前布局的 xCloud联想智能云 刚好能承担这一角色。它能对私有云和公有云资源进行统一纳管、调度与智能运维,让分散在不同环境中的计算资源协同工作。
在此基础上,xCloud里还配有 Token Hub(词元中枢) 。后者进一步面向AI推理场景,通过模型路由和推理资源池的动态调配,综合任务需求、模型质量、数据边界、响应时延与成本,为不同请求匹配合适的模型与算力。
由此,原本分散的资源可以根据业务需求灵活组合。调度的精细程度,甚至可以深入 芯片和计算节点 。
联想集团副总裁、全球基础架构和智能云总经理姚振宇举例,轻量模型可以运行在较小的计算节点或边侧资源上,无须占用大型集群。
换言之,调度不只是找到空闲的机器,还可以让任务 用上合适的模型和芯片 ;计算资源得到充分利用,把每一分算力都真正用在了刀刃上。
此外,考虑到数据安全合规,联想还设置了三个维度的屏障:
其一是 模型安全 ,所有模型需经过安全测试认证进入白名单,才能在词元中枢上供企业使用。
其二是 内容安全 ,联想设置了 Token Trust词元安全能力 ,在传输路径上主动拦截敏感信息,把数据安全和使用权限设定为资源调度需要遵守的边界。
其三是 隐私计算与TEE(可信执行环境) ,联想支持企业将隐私、敏感数据放在隔离的可信环境中处理,平台侧无法读取内容,只有获得授权的用户可以使用,也就是业内所说的 “可用不可见” 。
不过,再精细的调度,也无法抹平设备和机房自身的成本。所以联想进一步提出了 三级优化 :
第一级是 提升算力设备效率 。
在 问天异构智算方案 中,联想把超节点、多芯多模训推引擎,以及集群通信和算子优化组合在一起,以提高异构计算资源的协同能力。
据联想披露,相关方案可实现 30%以上的算力效率提升 。对于大型集群,减少一部分等待和闲置,就可能释放出可观的计算能力。
第二级,是 控制智算中心的全生命周期成本 。
服务器之外,供电、制冷、建设和运维同样昂贵。联想通过模块化预制、一体化全液冷、绿电直流智控等技术,将机房建设与日常运营放在一起优化。
此外,联想还计划在张家口配套建设算力设备回收与再利用产线,延长存量设备的使用价值;配套智算中心则提出了 PUE低于1.1 的目标。
第三级,是面向业务场景的Token效能优化。通过模型路由与资源池动态调配,简单任务不必占用高成本模型,突发需求也能匹配适当的计算资源。
如此,硬件、机房和词元中枢各自优化一个环节,每个环节省下来的资源和成本,最终都将汇集成企业使用AI时的效率提升。就如联想明确给出的核心主张一样, “释放算力的每一分效能”。
而且为了对企业客户负责,联想先拿自身业务做了验证。姚振宇透露,通过内部AI实践,公司已实现约70%的综合成本优化。
如今,联想也为混合词元工厂提出了整体目标,包括 百万Token综合成本优化70%、每秒Token产出量提升5倍、Token良品率超过99.9% 。
当然了,衡量词元工厂的效率,也不能只看成本和吞吐量。
产能再大、成本再低,也要保证响应速度和模型质量。尤其是企业内部的敏感数据,安全不能成为降本过程中被舍弃的一环。至于大型智算中心的能耗,更是决定长期运营成本的重要因素。
因此,除了 综合成本和Token吞吐 ,联想还将 任务完成精准、绿色可持续和全链路安全 纳入考量,构成词元工厂的五大核心竞争力。
用联想的概括来说,就是 “多、快、好、省、绿色” 。
这里的“好”尤其值得细品。同样让Agent完成任务,一套系统一次就能交付合格结果,另一套却需要反复修改、重新推理,那么后者即使消耗了更多Token,也不代表创造了更多价值。
联想对此提出了一个很形象的概念—— 有效Token。
对企业来说,Token产量和百万Token单价固然重要,但脱离实际任务的完成质量,再漂亮的性能指标,也很难说明AI究竟创造了多少实际价值。
把一座工厂,变成一套方法
“各自都没错,整体却出了问题”,姚振宇透露,这类情形他见过不少:
企业IT系统出故障时,硬件、数据库和平台供应商都能证明自己那一部分没有问题,可故障根源始终查不出来。
而AI系统涉及的环节越多,类似的困境只会越突出。
因此,词元工厂需要跨越的门槛,恰恰是 把分散的能力重新组织起来 。
这也是联想从打造词元工厂之初就瞄准的机会。
作为多个技术环节都有业务积累的硬件老大哥,联想将自己的企业AI业务概括为 “三层混合动力” :
- 底层是 问天AI基础设施 ,涵盖服务器、存储、网络及异构智算平台;
- 中间是此次发布的 万全混合词元工厂 ,负责将计算资源转化为可持续供给的Token服务;
- 上层有 擎天、百应等智能体解决方案和服务 ,直接连接企业的实际应用。
三层能力贯穿算力生产、Token供给与业务使用,最终指向的是一种枢纽角色,以帮助更多企业 从“+AI”向“AI+”转型 。
“+AI”意味着在既有业务流程中引入AI工具,解决局部环节的问题;“AI+”则代表让AI参与研发、生产、供应链等核心业务,推动生产流程与组织方式的重构。
AI承担的任务越复杂、参与业务的程度越深,企业对底层算力的稳定性、经济性和灵活性就越依赖。
而联想的优势,恰恰在于其业务能力横跨基础设施与应用两端,既能参与设备、能源和算力效率的优化,也能通过模型服务与智能体应用,获得来自真实业务的反馈。
把算力生产与真实业务两端接起来,让联想在AI基础设施价值链上,站到了 更靠近最终产出 的位置。
不过,能力齐全是一回事,让协同自然发生又是另一回事。要将跨环节优化变成 可以复制的方法 ,还需要成熟的试验田。
所以张家口除了作为 联想万全混合词元工厂 的首个落点,还承担起了验证任务。联想将其称为 “首座混合词元母本工厂” 。
联想计划利用自身真实的AI业务负载,检验不同算力与模型的协同效率,持续优化资源调度、成本控制与安全运营机制,再把成熟的技术和运营经验推广到不同产业。
联想集团执行副总裁兼中国区总裁刘军提到,公司内部已有上百个智能体应用,恰好可以提供持续变化的使用场景。
这里的母本并不是要打造能1:1复制的机房,而是要总结归纳出一套 让不同资源协同工作的办法 。
用 湖南广电的AI短剧项目 举个例子。
戴炜透露,湖南广电最初的需求其实是 内容生成Agent 。随着AI创作进入常规生产, Token成本逐渐成为新的压力 。于是,双方将合作延伸到基础设施层面,计划在长沙建设专门面向影视和短剧产业的混合词元工厂。
这要从短剧的生产流程说起。
AI影视制作涉及剧本、分镜、图像、视频、渲染等多个环节,不同模型的开销差异很大,项目档期又带来明显的算力波峰波谷。自有IP与版权素材还涉及数据安全,不能随意交给外部服务。
芒果传媒战略投资部投资总监肖文强也在现场给出了判断: 算力的供给方式,得服从内容的生产方式。
因此,湖南项目计划通过全模态词元混合路由、多芯多模推理加速等技术,为不同制作环节匹配计算资源。
按照规划,该项目希望实现 制作成本降低50%、生产周期缩短60%,月产成片超过1200小时 ,并聚合超过1万名OPC内容创作者。
1200小时相当于平均每天约40小时成片,背后需要大量并行任务支撑。如此规模的并行创作,对Token的持续供给提出了远高于零散调用的要求。
类似的矛盾,也出现在影视行业之外。
例如教育场景。联想披露的上海健生普教项目,覆盖600余所中小学,日常教学、集中备课、考试批改会带来截然不同的算力需求,到了寒暑假,负载又明显回落。
但与影视制作不同,教育系统还涉及大量未成年人信息,对 数据安全和服务连续性 有着更严格的要求。算力既不能长期按照峰值配置,也不能为了降低成本,随意将敏感业务迁往公共环境。
因此,混合供给的难点不仅是调节资源多少,还要在业务规律与数据边界之间找到合适的平衡。
而需求匹配得是否合理,最终还得在长期运营中见分晓。联想公布的甘肃庆阳燧弘华创智算中心,就提供了一个运营侧的参考。
作为联想列出的首个混合词元运营案例,该项目综合使用成本节省约30%,单一模型日均处理超过200万次调用、20亿Token,实实在在地把衡量标准落到了日常调用与实际成本上。
几则案例的业务负载各有节奏,资源约束也不尽相同。如果想让词元工厂真正走向千行百业,就不能指望一套固定的硬件配置解决所有问题。
标准化的应当是底层技术、调度与运营方法,差异化的则是面向具体产业的供给方式。
这就是联想打造母本工厂的初衷。张家口负责验证方法,其他地区根据能源条件与产业需求进行组合。
一旦方法得到验证,联想就有机会将自身的业务能力,转化为 可规模化复制 的词元供给体系,成为 跨区域、跨产业的词元供给组织者 。
而组织者的位置,意味着责任不止于 交付 。
卖服务器时,性能与价格都有明确的标尺;但词元服务进入生产流程,却还要经受业务波动、模型适配、数据安全与成本控制的长期考验。
AI基础设施的价值,正由计算能力的交付,延伸到实际生产力的交付。
对于企业而言, 生产任务的稳定交付与长期成本的可控 ,才是衡量AI基础设施价值的最终尺度。
类似的变化,在工业革命时期就有迹可循。
两百多年前,蒸汽机带来了持续而强劲的机械动力,工厂逐渐摆脱水流与地理条件的束缚,更多机器和工人得以集中生产。
工业生产由此获得的启示,除了更强大的动力,还在于 能源、机器与生产流程被组织成一套高效运转的体系 。
AI如今也在跨过相似的门槛。
芯片性能不断攀升,模型能力一日千里,但机房里的算力距离生产现场的效率提升,中间仍隔着模型部署、资源调度和业务适配等诸多环节。
下一轮AI基础设施竞争的关键,就在于将 庞大的计算能力 转化为 持续的生产力 。
技术越复杂,使用技术的人反而越不该被复杂性所困。
繁重的模型部署、资源调度与长期运营,应当由成熟的基础设施承接,让企业把更多精力留给产品、生产和服务。
到那时,AI的价值才算真正回到解决问题本身。
属于 千行百业的AI生产力 ,也才有机会在日常运行中得到充分释放。
版权声明
版权所有,未经授权不得以任何形式转载及使用,违者必究。
token
电力
联想
作者文章列表
- 中国机器人学会隔墙“递眼色”!成功率从0飙到100%,组队干活不烧心 2026-11-13
- 马斯克已准备好聘请黄仁勋 2026-11-12
- L3大撤退!奔驰宝马官宣不玩了:还没L2好用 2026-11-09
- 百度无人车搞出“黑客帝国”!世界模型实时推演全局,跑一天抵三年 2026-11-05
左侧分享
扫码分享至朋友圈
相关阅读 start
相关阅读
#### 联想刘军:全栈智能为中国AI生态汇聚合力,全面驱动AI普惠
首次深度解读全栈智能战略
西风
2024-01-25
AI
CES
#### 养虾人狂吃国产模型!4.19万亿Token调用量激增34.9%超越美国
国产模型包揽龙虾应用前三
鹭羽
2026-03-11
OpenClaw
#### 首Token延迟降低32.4%!是石科技集群调度大招,国产推理再提效
最新发布TokenFleet调度框架
邓思邈
2026-10-20
推理
是石科技
#### 英伟达最强自动驾驶芯片,联想第一个上“车”
打造车载域控制器平台
2023-03-23
智能车真high
自动驾驶
英伟达
#### 中国首个十万卡集群落成!全国产算力支撑“十万卡时代”
从FP64到INT8,全精度覆盖。
henry
2026-07-11
AI,算力
#### 联想高层降薪74.5%,我国科学家实现二氧化碳合成葡萄糖和油脂,动视暴雪股东批准被微软收购,今日更多大新闻在此
今天是4月29日星期五
alex
2022-04-29
微博
我国科研成果
相关阅读 end
热门文章 start
热门文章
#### 抢跑DeepSeek!硅谷华人把下一代Agent Harness造出来了!?
2026-11-07
#### 资本正在撤离“世界模型”
2026-11-08
#### GitHub不堪重负!OpenAI收购替代品,A社原地自研,马斯克也要搞
#### AGENTS.MD,危险危险危险!!!
#### 千问办公2.0发布,首个支持多人与Agent协作的Team Agent来了
2026-11-09
<form role="search" method="get" class="search-form" action="https://www.qbitai.com/"> <label> <span class="screen-reader-text">搜索:</span> <input type="search" class="search-field" placeholder="搜索…" value="" name="s" /> </label> <button type="submit" class="search-submit"><span class="screen-reader-text">搜索</span></button> </form>
热门文章 end
底部版权
- 关于量子位
- 加入我们
- 寻求报道
- 商务合作
<a href="/?page_id=183"target="_blank"><i class="weixin_icon"></i></a>
追踪人工智能新趋势,报道科技行业新突破
<p>量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1</p>
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1