绿电进、Token出：联想提出“词元工厂”，年产能2000万亿、成本降70%

当大模型从实验室走向规模化商用，衡量一门生意是否成立的关键，正从“模型有多强”转向“每一个Token有多便宜”。量子位报道称，联想提出“词元工厂”概念，用一句“绿电进、Token出”概括其逻辑，并给出年产2000万亿Token、成本降低70%的数字。

事件概览

根据报道，联想此次对外传递的核心信息集中在两个层面：一是生产形态，把Token的生产类比为工厂化的连续制造，输入端是绿色电力，输出端是可供调用的词元；二是规模与成本，年产能指向2000万亿Token，同时强调成本下降70%。报道以“重新定义词元工厂”来描述这一提法。

值得注意的是，这两个数字属于同一套叙事的两面：产能回答“能不能供得上”，成本回答“供得起供不起”。在 inference 需求持续增长的背景下，二者共同构成了词元工厂的可行性基础。

核心信息

• 输入端：绿电。“绿电进”意味着把电力来源与Token生产直接绑定，能源结构成为生产设计的一部分，而不只是后台采购问题。
• 输出端：Token。“Token出”把词元明确定义为产出物，使算力设施的评价标准向单位产出的词元数量与成本收敛。
• 规模：年产2000万亿Token。报道给出的产能口径以“年”为单位，指向的是持续性、工厂化的供给能力。
• 成本：降低70%。报道以“成本狂降70%”强调降幅，这是整个提法中最具商业含义的一项。

为什么“绿电进、Token出”值得关注

这个提法的价值，在于它把两件过去常被分开讨论的事放进了同一条生产线。过去谈大模型成本，焦点多集中在芯片、集群和模型效率；谈绿色电力，焦点多集中在能耗与碳排放。词元工厂把两端接上：电力的价格与清洁程度，直接决定Token的边际成本与可持续性。

从产业角度看，这实际上是竞争坐标的迁移。当Token成为标准化的产出物，竞争就不再只是单卡性能或单模型跑分，而是每度电能换来多少可用词元。这正是“工厂”一词的含义——它暗示的是良率、负载率、能效与运维的综合比拼，而非单点技术指标的比拼。

影响与观察

如果成本降幅能够兑现，最直接的影响是应用侧的门槛下移。Token变便宜，长文本处理、多轮交互、智能体反复试错这类“消耗型”用法才会变得经济，很多此前因成本被否决的产品设计将重新获得讨论空间。反过来，如果产能规模能够兑现，供给侧的瓶颈也会从“有没有卡”部分转向“有没有电、电贵不贵”。

但也应保留几点观察。第一是口径：2000万亿Token对应的模型规模、上下文长度与业务结构，会显著影响这一数字的实际含义；70%的降幅同样需要参照基准，是比较自建与租用、还是比较不同代际方案，结论并不相同。第二是绿电的实际占比与获取方式，绿电进得来、进得稳、进得便宜，才是这一提法成立的前提。

“工厂”的说服力不在口号，而在两件事：单位产出的成本曲线是否真的向下，以及这条曲线能否长期稳定地跑下去。

第三是负载率。工厂化生产的经济性高度依赖持续运转，词元工厂的产能数字只有在高负载条件下才有意义；若需求波动剧烈，名义产能与实际成本之间会出现落差。

结语

把大模型生产描述为“绿电进、Token出”，本质上是把AI基础设施重新放回制造业的语法里讨论：投入、产出、良率、成本。联想给出的年产2000万亿Token与成本降低70%，为这场讨论提供了一个可被检验的坐标。接下来真正值得追踪的，不是这两个数字被重复多少次，而是它们背后的统计口径、绿电比例与持续运行数据能否被逐步公开。

信息来源：量子位，查看原始信息。本文由 AI ONLINE 基于公开资料整理，信息可能随时间变化，请以官方发布为准。