联想张家口词元工厂：年产2000万亿词元、成本降70%的目标

联想想把词元（Token，即大模型处理文本时计量和计费的基本单位）像电力和钢铁一样批量生产。2026年11月10日，联想集团在河北省张家口市举行品牌发布会，推出“联想万全混合词元工厂”，并与张家口市政府签署合作协议，计划在当地落地首座“混合词元母本工厂”。据量子位和科技日报报道，项目目标是年产2000万亿词元，不过目前所有数字都只是联想公布的规划目标。

联想在张家口到底要建什么？

据科技日报11月11日报道，联想与张家口市于11月10日签约，首座母本工厂随之确定落地。项目首期计划建设算力规模达1.5万P的异构算力集群和约100MW的智算中心（“P”是联想所用的算力单位，两家媒体均未展开说明）。量子位11月14日援引联想集团高级副总裁戴炜的说法称，首期建设时间表定在2027年，到2030年相关规模计划再扩大10倍及以上。

• 年产能：词元年产量达2000万亿以上，量子位折算为平均每天约5.5万亿词元。
• 峰值产出：每秒2亿词元，科技日报称单日可承载10万用户并发使用。
• 成本目标：百万词元综合成本优化70%。
• 效率与质量目标：每秒词元产出量提升5倍，词元良品率超过99.9%。
• 能效目标：配套智算中心的电能利用效率（PUE）低于1.1。

PUE是数据中心总耗电量与服务器实际用电量之比，越接近1，制冷等环节损耗的电力越少。“词元良品率”则是联想提出的指标，科技日报称其用来过滤低质量词元；量子位还提到联想强调“有效Token”，即不能只看产量，还要看任务是否一次完成。

为什么强调“混合”供给？

背景是需求暴涨与成本焦虑并存。量子位援引国家数据局数据称，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；中国信通院披露，2026年6月该指标已突破500万亿。但企业开始谨慎：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，相当于上年度IT预算的8%；麦肯锡调查显示，约五分之一的受访者所在组织因AI运营成本而限制了AI使用。

联想的回答是三个维度的混合供给。量子位介绍，一是供给来源混合，私有自产词元与获得授权的公共服务互补并以私有为主；二是端、边、云协同，轻量任务留在端侧，时延敏感任务就近运行，弹性需求交给云端；三是模型生态混合，按质量与成本要求在开源权重模型和专有闭源模型之间选择。联想希望词元供给像供电一样，企业按需接入，不必关心背后的设备和调度。

调度由两个软件组件承担。量子位称，“词元引擎”（Token Engine）通过模算动态混部、任务级资源池调配和智能模型路由提升资源匹配效率；集成在联想xCloud智能云中的“词元中枢”（Token Hub）则按任务需求、模型质量、数据边界、响应时延和成本，为每个请求匹配模型与算力。安全方面，联想宣布模型白名单测试认证、可在传输路径上拦截敏感信息的“Token Trust”，以及在可信执行环境（TEE）中处理敏感数据，平台侧无法读取内容。

联想打算怎样把成本降下来？

科技日报和量子位都提到联想的“三级优化”。第一级是设备效率：基于超节点、集群通信和算子优化的“问天”异构智算方案，据联想披露可带来30%以上的算力效率提升。第二级是智算中心全生命周期成本：模块化预制、一体化全液冷、绿电直流智控，并计划在张家口配套建设算力设备回收与再利用产线。第三级是业务场景的词元效能：通过模型路由与资源池动态调配，让简单任务不占用昂贵模型。

量子位援引联想集团副总裁姚振宇的话称，联想通过内部AI实践已实现约70%的综合成本优化。需要指出，这些数字均来自联想自身；就我们读到的两篇报道而言，都没有提及独立第三方验证，也没有披露项目的投资金额。

为什么选在张家口？

张家口距北京一百多公里，兼具能源与算力基础。量子位称，截至2025年底，当地可再生能源装机规模突破4500万千瓦，占电力总装机比重接近九成；已建成50多座数据中心，投运标准机架超过107万架，并是国家“东数西算”工程京津冀枢纽的重要承载地。冷凉气候、电价优势和到北京的低时延，进一步降低运营成本。量子位还提到，今年发布的《“十五五”规划纲要》提出促进绿电与算力协同、降低中小企业用算成本。

联想披露了三个案例，均属于规划或企业自述数据。在长沙，联想与湖南广电合作的影视短剧混合词元工厂，目标是制作成本降低50%、生产周期缩短60%、月产成片超过1200小时，并聚合超过1万名内容创作者。上海健生普教项目覆盖600余所中小学，教学、备课、考试批改与寒暑假的负载差异明显，还涉及未成年人数据安全。甘肃庆阳的燧弘华创智算中心是联想列出的首个混合词元运营案例，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、20亿词元。

对企业意味着什么？

对中国企业而言，这个项目的启示首先是把词元成本当作需要管理的经营指标：按完成一次合格任务的成本而不是消耗的词元数来衡量，把简单任务交给小模型，只在必要时调用大模型。对于需要连续数小时推理的企业智能体，这样的调度尤其重要。其次，涉及敏感数据的业务可以参考联想“私有为主、公共补充”的思路，把数据边界写进调度规则。

也要保持审慎。首期要到2027年才建成，公布的性能指标是目标而非实测；湖南、上海、庆阳的案例也不等于张家口工厂的已签约客户。要判断“多、快、好、省、绿色”能否兑现，还需要联想公布实际运营数据。