先进开源解读“词元经济”之二：词元工厂长什么样？

01词元工厂究竟是什么？

先看这座真实的词元工厂。

它和传统数据中心最大的区别，并不是服务器更多，而是商业模式向前走了一步。

过去的数据中心主要提供的是：机房 + GPU + 算力。 客户租服务器、租GPU，然后自己部署模型、自己进行推理、自己承担运维。

词元工厂则进一步把这些环节封装起来：

算力 → 模型 → 推理 → 词元

客户最终购买的，不再是某一块GPU运行了多少小时，而是AI实际产生了多少词元。

这就像电力行业从"卖发电设备"逐渐走向"卖电"。用户不需要知道电来自哪一台发电机，只需要打开开关、使用电力，然后按照用量付费。词元工厂也是如此——用户不必关心底层究竟使用哪款芯片、哪种模型，只需要调用AI服务，按词元消耗量付费。

▍核心判断

这意味着，词元第一次真正具备了类似工业品的"产能"概念。

02词元是怎么生产出来的？——一座"智能工厂"的三层结构

如果把词元工厂拆开来看，它其实是一条高度复杂的生产链。

最底层是能源。再往上是芯片与算力。然后是模型、数据和软件系统。最上层才是我们最终看到的AI服务。

可以把它简单理解为：

所以，词元并不是凭空产生的。 它实际上是能源、芯片、算力、模型和数据共同作用后的"最终产出"。

英伟达今年推出的AI Factory基础设施方案，也正在沿着这一逻辑重新设计AI基础设施：目标不只是提供算力，而是通过芯片、系统、软件和数据中心的协同，降低单位词元成本、提高单位能源能够产生的智能。

但这张表格背后，还可以被归纳为更清晰的三层结构：

第一层：生产能力——GPU、AI芯片、数据中心、能源。解决的是："有没有能力生产？"

第二层：生产效率——模型架构、推理框架、调度系统。解决的是："能生产多快？"

第三层：生产价值——高质量数据、专业知识、行业场景、用户反馈。解决的是："生产出来值多少钱？"

最终形成一条完整链条：

算力 → 模型 → 推理 → 词元 → 应用价值

这就是词元经济最基础的生产链。也是词元工厂与传统数据中心最根本的区别：

▍核心判断

传统数据中心的核心问题是"我有多少算力"；词元工厂的核心问题是"我的算力能生产多少词元"。

03从"租GPU"到"买词元"：商业模式变了

这可能是词元工厂最重要的变化。

过去企业购买AI能力，大致有三种方式：

第一种，自己买服务器。 一次性投入巨大，还要自己维护。

第二种，租GPU。 按照GPU小时计费。

第三种，直接调用模型API。 按照输入、输出词元计费。

而词元工厂正在把第二种和第三种进一步连接起来。

过去是：企业 → 云厂商 → GPU → 模型 → AI结果

未来可能变成：企业 → 词元平台 → 词元工厂 → AI结果

企业真正购买的，是可直接使用的智能生产能力。

▍核心判断

这意味着一个非常重要的变化：算力开始从"资源"变成"产能"。

就像工业企业不会购买"钢铁生产设备"本身，而是购买钢材一样；企业未来也可能不再关心自己需要多少GPU，而是直接购买"每天需要多少词元"。

这也是为什么北京亦庄提出"工厂供词元、平台分词元、社区用词元"的产业结构。词元工厂负责生产，分发平台负责调度，最终应用负责消费。

一条新的AI产业链正在出现。

04词元工厂最核心的竞争力，不是"有多少卡"

如果只是简单地把大量GPU堆在一起，那么词元工厂并没有什么特别之处。

真正决定词元工厂竞争力的，是三个指标：产能、效率、成本。

可以把它理解成词元时代的"工业三角"。

这也是英伟达正在推动的方向。今年推出的DSX平台明确把降低词元成本、提高每兆瓦的词元性能作为AI Factory基础设施设计的重要目标。

黄仁勋在2026年GTC大会上进一步提出：每瓦特电力的词元吞吐量将替代传统的"服务器数量""存储容量"，成为决定数据中心竞争力的核心指标。 竞争焦点从"拥有多少算力"转向"每美元能产出多少词元"、"每瓦电能产出多少词元"。

也就是说：

▍核心判断

未来AI基础设施的竞争，很可能不再只是"谁有更多GPU"，而是"谁能用同样的电和芯片，生产更多词元"。

这就像汽车工业不会只比较"工厂有多少台机器"，而会比较：一度电能生产多少辆车？一小时能生产多少辆车？一辆车的单位成本是多少？

AI也正在走向类似的工业化。

051.4万亿只是开始：词元产能正在全国铺开

北京亦庄的词元工厂只是一个开始。2026年下半年，多座词元工厂集中投产，产能正在全国范围内快速铺开。

西南某省依托算力规模突破170EFLOPS、智算占比超98%的优势，以及比沿海低30%左右的算力成本，建成面向智能体时代的"新型电厂"。一期算力集群规模超3000PFLOPS，日均产能超3000亿词元，规划设计产能为日产万亿级词元。同时向全球开源了词元工厂建设标准。

西部某市2026年8月点亮了该省首个词元工厂，确立了"高产能、高质量、高可信"三条标准，自建可信智算空间，从算力生产、关键数据、模型认知、官方监管四个维度建立可追溯、可核验的计量体系，确保词元从产出到消耗全程留痕、不可篡改。预计月产能达到约3万亿词元，年内目标月产能10万亿词元。更值得注意的是，当地已实现首批词元业务出海，向东南亚及共建"一带一路"国家提供AI数字服务。

北方某数据中心2026年8月正式运营词元工厂，管理界面中DeepSeek、GLM、Qwen、MiniMax等十多种主流开源大模型一字排开。"上线十来天，已经有100多个客户了，个人用户词元调用量77亿。"该数据中心已从传统机柜托管模式转向"机柜+算力+模型"一体化服务模式，实现"从卖机柜到卖词元"的转型。

此外，部分已投产的工厂已向全球开源了"词元工厂性能基准"及评测框架——这是行业首次针对智能体长时运行特征建立统一的性能度量标准，不仅生产词元，还要让词元的质量可以被衡量。

全国词元工厂的布局正在加速成形——从东部到西部、从一线城市到产业重镇。

词元工厂并不一定只有一种形态。未来可能出现三种典型模式：

第一类：超大规模AI工厂。 以大型算力集群为核心，追求极致的规模化生产。特点是规模大、成本低、吞吐高，主要服务大型模型厂商、互联网平台和大规模智能体应用。

第二类：区域型词元工厂。 依托地方算力、能源和产业资源，向本地企业提供AI基础服务——制造业对应工业智能体，政务对应政务智能体，医疗对应医疗AI。这种模式更像"区域智能电厂"。

第三类：行业型词元工厂。 它追求的不是单纯的词元数量，而是高价值词元——金融、医药、科研、法律等行业。同样是1000个词元，一个可能只是聊天，另一个可能来自一份专业研报、一份合同风险分析或一套科研推理。因此，未来的词元工厂很可能出现分化：通用词元拼产能，专业词元拼价值。

06谁在制造词元？"铸币三角"与产业链角色

如果把词元产业链进一步拆开，会看到三个最核心的角色。它们共同构成了词元经济的"铸币三角"。

数据透视

算力厂商：掌握生产设备。 超大规模云服务商在2025年合计资本支出超过4000亿美元，2026年预计进一步增至约7250亿美元（增长77%），绝大部分用于AI数据中心、定制芯片和GPU容量。这一规模的基础设施投入使其成为词元分发的核心节点——企业客户通过云平台调用模型API，云服务商从中抽取基础设施费用，形成"词元批发"的商业模式。

模型厂商：掌握生产技术。 DeepSeek、Qwen、GLM、MiniMax等国产大模型构成了词元供给的核心技术力量。模型架构的每一次优化——无论是MoE（混合专家）架构、注意力机制改进，还是量化与推测解码——本质上都在回答同一个问题：如何让同样的算力生产更多、更好的词元？

数据与应用企业：掌握生产原料和消费场景。 一家制造企业拥有十年的设备运行记录，一家金融机构拥有长期积累的研究资料，一家科研机构拥有专业实验数据——这些数据经过清洗、结构化和模型训练之后，最终可能形成普通模型无法轻易复制的专业词元产出能力。

三者共同构成词元经济的根基，其中任何一个环节都很重要。但更值得关注的是：谁能够把三个环节连接起来。

拥有大量GPU但没有高效模型，产能无法释放；拥有优秀模型但没有足够算力，无法形成规模化供给；拥有大量数据但没有模型和算力，也很难转化成实际智能产出。

真正强大的词元工厂，是能够把算力、模型、数据转化成持续、稳定、低成本的有效词元。

07词元调度器：工厂之外的"电网"

如果只有工厂，没有电网，电也很难真正进入千家万户。词元经济同样如此——生产只是第一步，分发才决定产能能不能被有效利用。

北京亦庄已经提出建设词元分发调度中枢，目标是实现跨模型、跨模态、跨算力平台的统一接入，让不同任务自动匹配合适的模型和算力资源。

为什么需要这样的"超级入口"？因为未来企业面对的可能不是一两个模型，而是几十种、几百种甚至上千种模型：

真正高效的词元生产，不是让所有任务都使用最贵的模型，而是让简单任务用便宜模型，让复杂任务用高性能模型。

于是，未来词元经济中会出现一个非常重要的新角色——词元调度器。

它做的事情，有点像电网调度中心：什么时候调用哪个模型？使用哪一组算力？走哪条计算路径？如何降低成本？如何保证响应速度？如何避免某个模型出现拥堵？

数据透视

OpenRouter等模型路由平台的快速发展就是这一趋势的体现。从产业角度看，这相当于在不同"词元工厂"之间建立了一套智能调度网络。OpenRouter的周词元处理量从2024年12月的0.4万亿飙升至2026年3月的27万亿，15个月增长约68倍——这个数据揭示的是，词元分发的"基础设施层"正在以惊人的速度成形。

谁掌握了词元调度能力，谁就可能掌握词元流通的入口。

08产能缺口：需求跑得比产能更快

词元工厂在加速建设，但真正的问题才刚刚开始浮现：

词元工厂的产能扩张速度，能否跟上词元需求的爆炸式增长？

数据透视

2024年初，中国日均词元调用量约1000亿。2026年3月突破140万亿。2026年6月突破500万亿。两年增长超5000倍。

而一座词元工厂日产1.4万亿词元，仅相当于当前日均调用量的0.28%。即便加上其他已投产的工厂，全国已投产的词元工厂日产能，仍然远不足以覆盖日均500万亿的调用量。

数据透视

算力价格已经反映了这一供需矛盾。券商研报统计，中国大模型平均API输出价格从2025年第一季度的约12.2元/百万词元，已回升至2026年第二季度的21.9元/百万词元。词元价格在经历2025年的急速通缩后，2026年正在反弹——因为需求跑得比产能更快。

数据透视

摩根大通预测，中国AI推理词元消耗量将从2025年的约10千万亿增长至2030年的约3900千万亿。五年增长近400倍。

这里所谓的"缺口"，并不是说世界上没有足够的算力库存——而是AI应用所需要的实时智能处理能力，是否能够得到持续供应。一家企业部署10万个智能体，如果每个智能体每天都要运行大量任务，它需要的就不再是一个模型账号，而是一套持续不断的推理能力。

在传统聊天时代，一个用户请求对应一次回答。在智能体时代，一个任务可能触发多轮推理、多次工具调用、多次模型交互、持续运行。同一个用户需求背后的词元消耗可能呈数量级增长。

产能缺口巨大。这就是为什么全国各地的词元工厂正在加速建设。

09从"算力中心"到"智能生产基地"：真正的变化是什么？

现在再回头看"词元工厂"这个概念，就会发现它其实并不是简单地给数据中心换了一个名字。

它至少发生了三个变化。

第一，产品变了。 过去卖的是GPU小时、机柜、算力；未来卖的是词元。

第二，效率指标变了。 过去关注有多少GPU、多少PFLOPS；未来关注每瓦产生多少词元、每美元产生多少词元。

第三，产业链变了。 过去是芯片→服务器→数据中心→云服务；未来正在变成能源→芯片→算力→模型→词元工厂→分发平台→AI应用。

词元第一次把原本分散在不同环节的能源、算力、模型和应用，连接成了一条完整的"智能生产链"。

可以把这个变化概括成一张表：

竞争的终点正在从"模型能力"走向"智能生产能力"。

▍核心判断

所以，词元工厂真正生产的并不是词元，而是"可规模化交付的智能"。

这也是为什么黄仁勋把AI Factory称为AI时代的基础设施。当能源、芯片、算力、数据被重新组织起来，AI就不再只是一个软件产品——它开始越来越像一个工业系统。

10词元越多越好吗？——"有效词元"的分水岭

但故事走到这里，一个更加重要的问题出现了。

如果词元工厂可以不断扩大产能，那么：词元是不是越多越好？

答案可能恰恰相反。

国家数据局局长刘烈宏在数博会上公开指出：同等数量的词元，受模型能力、数据质量、业务任务复杂度等因素影响，实际价值差异显著。要深入研究"有效词元"的价值衡量与评估机制。

▍核心判断

100亿词元，不等于100亿有效信息。

同样一次AI对话，回答"今天天气怎么样"和回答"这份百页合同有哪些法律风险"，消耗的词元数量可能相近，但后者产生的商业价值是前者的成百上千倍。

"有效词元"至少包含五个维度：

质量——词元承载的信息是否准确、有用

新鲜度——信息是否过时

专业性——是否覆盖特定领域的深度知识

稀缺性——这些词元是否容易被获取

可信度——信息来源是否可靠

当前市场已经呈现出明显的分层：通用场景的商品化词元价格极低，而高端推理模型的溢价词元价格高出数个数量级。"商品词元"与"溢价词元"的分化，揭示了词元经济的真实结构——标准化的认知任务，词元正在变成廉价商品；需要深度推理的复杂任务，高质量词元仍然具有强定价权。

这也意味着，未来词元工厂之间的竞争维度正在成形：

产能——一天能生产多少词元？

效率——单位算力能生产多少词元？

成本——每百万词元需要多少成本？

质量——这些词元是否真正有价值？

稳定性——能否持续稳定供应？

稀缺性——是否拥有独特数据和专业能力？

▍核心判断

真正的词元产能，不是"量"，而是"有效产能"。

当"生产词元"越来越容易之后，如何让每一个词元产生更高价值，才会成为下一阶段真正的竞争。

▍核心判断

而这也意味着，词元经济的下一场战争，很可能不再是单纯的 "谁生产得更多" ，而是：

谁能用更低的成本，生产更高价值的词元？

这就进入了词元经济最核心的一个环节：

价格。

为什么过去几年AI词元价格一路下降？为什么模型能力越来越强，词元却越来越便宜？这种"能力增长、价格下降"的现象还能持续多久？

更重要的是——当所有人都开始降价，谁最终会被挤出这场游戏？

下一篇，我们继续拆解。

开源观察 · 深度分析　每周一个主题，用开源信息做完整分析，本期主题：《深度解读词元：AI时代的新计量单位》。