来源：环球网

【环球网科技综合报道】8月24日消息，“破解AI落地四大难题，读懂Token经济全新趋势”——《词元工厂》线上深度解读研讨会于近日召开。

中国科学院计算技术研究所研究员张云泉认为，当前算力度量正从“核时”转向“百万Token”，AI产业正从“按时间租硬件”走向“按智能效果付费”。与互联网时代“规模越大成本越低”的逻辑完全不同，Token经济时代的Token价值不但不贬值，反而保值甚至升值。“正因为Token具有保值增值的独特属性，它才值得被‘工厂化’大规模生产。”

但是，现实中企业AI落地却举步维艰，Token消耗失控、算力浪费、模型调用低效、落地缺少标准化体系等结构性问题日益凸显，这一矛盾将话题引向了更深层的追问：四大困局为何难以破解？

答案就藏在供给侧的四重枷锁之中——计算成本高企，同等算力成本相差数倍；数据供给分散，大量Token消耗于无效计算；安全隐患贯穿全生命周期；能效低下，电力占运营成本60%至70%。四重枷锁相互传导，单一突破难以奏效，需要系统级协同才能破局。

值得注意的是，供给侧的困境传导至需求侧，也表现为两组难题：一是供需融合深度不足。大模型多用于客服问答等外围场景，极少嵌入生产控制、供应链优化等核心业务流，导致Token消耗“高频低价值”；二是成本追溯成为新挑战，多服务商、多计费口径导致月末手工拼表；Agent死循环易引发费用雪崩；大量Token消耗在无效操作上，真正产生业务价值的占比极低。

供给侧的枷锁不除，需求侧的成本无从降低；需求侧的治理缺位，供给侧的产能也无处兑现。破局之道呼唤供需两侧的“双向奔赴”。

随后，联想中国基础设施业务群技术战略总监黄山、零一万物技术专家曹洪伟和AIGCLink发起人占冰强从技术、模型、用户三个视角，为供需两侧的协同发展绘制了路线图。

黄山首先点明了范式转换的核心。Token工厂与传统智算中心的本质区别在于从“卖算力”变成“卖产出”，竞争指标已从峰值FLOPS转向每瓦Token吞吐量。他介绍，联想万全异构智算平台V5.0通过PD分离、KV Cache优化、芯模编译优化等技术，将集群利用率从行业常规的30%提升至70%以上，推动每百万Token硬件成本降至1元以内。

曹洪伟从模型侧补充道：“软硬一体才能把Token成本真正打下来。”他强调，Token工厂背后是“数据主权”问题——企业愿不愿拥有自己的AI主权，正是自建工厂的根本动因。

供给侧的成本降下来之后，需求侧能否接得住？占冰强结合一线观察给出了答案。企业客户听到“Token工厂”时，第一反应已经从“又是个听不懂的新名词”转向认真考量。但他们最关心的是成本能不能算清楚、能不能落地。用户仍在纠结AI究竟是“成本中心”还是“利润中心”，只有当Token消耗能够归因到具体的业务结果时，企业才愿意持续投入。

研讨会上形成的一个共识是分级交付，将Token分为消费级、专业级、前沿级，对应L1算力服务、L2 Token服务、L3场景能力服务包的三级客户模型。这恰是供给侧回答“为谁生产”、需求侧回答“如何购买”的关键对接点。

这也印证了《词元工厂》的核心观点：先进词元工厂决定先进AI智能。供给侧的领先优势必须通过飞轮持续放大，而非靠一次性堆砌硬件。

需求侧不仅需要接得住，更需要算得清，这正是破局的关键一步——让每一分钱都有迹可循，让每一份算力都产出Token。

《词元工厂》将其提炼为“价值会计”方法论：先计量，把每次Token消耗归因到部门、项目、业务结果；再结算，让AI部门从“成本中心”转为“价值中心”；后复用，让Token投资产生复利；最后升级，避免“技术半衰期”带来的贬值。（青云）