随着AI算力需求不断增长 ，高质量、低成本的算力供给成为市场所需 。如今，词元（Token）成为衡量算力消耗的最小单位
，“Token工厂”则是将AI基础设施 、模型和电力能源相结合，提供算力服务。在2026世界人工智能大会上 ，行业企业通过基础设施能力提升、算电协同
、算力调度优化等方式
，推动算力普惠
。

　　技术升级降低算力成本

　　合肥中科类脑智能技术有限公司副总经理
、算力Token运营事业部总经理常峰告诉记者，具备低成本、规模化的AI算力供给能力 ，将是未来全球AI基础设施领域最重要的竞争壁垒。

　　中科类脑研究院院长丁海松介绍
，通过提升国产芯片性能，依托高效KV Cache（键值缓存）管理 、动态PD分离（预填充与解码分离）节点优化等前沿技术 ，可最大化提升设备的Token吞吐效率 。

　　新华三集团AI解决方案专家杨新安表示
，网络设备
、存储机制是影响算力成本的关键因素，“800G网络较400G网络可显著提升相同算力下的Token吞吐量
。 ”在存储机制上 ，通过分级缓存可以降低算力成本。

　　算力架构同样影响算力成本 。在本届大会上
，商汤科技展出的商汤大装置通过异构混合推理，使整体推理性价比提升 ，同样成本下算力产出规模扩大2.5倍
。太初（杭州）集成电路有限公司（简称“太初元碁”）采用HCU异构融合计算架构，CPU与AI算力核通过统一高速总线互联
，配合共享分级存储架构，提升整体效率。

　　太初元碁CEO杨晋喆认为 ，当前算力产业已从单卡性能比拼进入系统级竞争阶段
，模型参数突破万亿级、“Token工厂
”向吉瓦级演进，降低单位算力成本成为核心命题 。

　　算电协同提升能效

　　降低算力成本的另一条路径是降低用能成本 ，其核心在于算电协同
。

　　中科类脑算电一体化平台可基于分时电价 、风光发电实时波动
，灵活迁移算力任务负载，主动错峰使用低价清洁能源 ，从源头压缩算力用电成本。中科类脑董事长兼总经理刘海峰介绍
，一个1000P（PFLOPS）标准算力集群年度总耗电量约2000万度，依托平台优化可节约20%用电量 ，每年预计可辅助算力集群减少400万度电力开支 。

　　润建股份通过RunDoBidder虚拟电厂和RunDoGrid智能微电网管理系统实现算电协同
。公司相关负责人介绍
，微电网汇聚分布式光伏
、风电、储能等资源，通过在线数据监测实现统一管理 ，根据对算力中心的任务分析与负荷预测，数据传输至虚拟电厂
，虚拟电厂结合电价预测生成调度策略，再下发调度优化指令。湖南某园区引入微电网平台后 ，每年因能源利用率 、运维效率提升
，产生效益约100万元 。

　　中兴通讯在本届大会期间展出了算电协同
、源网荷储一体化AIDC整体解决方案，通过电力、算力 、热力融合管理 ，实现全域统一调度
，提升单位电力与算力产出，使每一度电支撑更多AI Token计算。

　　商汤科技则在本届大会期间发布算电协同Agent ，基于算力、电力
、Agent三位一体体系
，使商汤大装置实现单位电量Token产出提升80%、平均电费单价低于同地区数据中心的约10%
。

　　“Token工厂”优化算力使用

　　除了基础设施升级与算电协同，“Token工厂 ”正通过优化算力调度 、算力运营来提升算力使用效率。

　　百度智能云将原有的“MaaS模型服务
”升级为“Token工厂” ，尽可能减少Token重复计算
，推理生成速度较市场水平提升约25%，同时支持多款国产主流模型的调用 ，提高算力服务性价比 。

　　杨新安介绍，新华三集团通过优化服务机制
，充分发挥算力效能
。例如，根据用户付费水平分配不同等级的模型服务 ，根据问题复杂程度匹配相应模型
，在保障输出质量的同时减少Token消耗。企业或工厂可通过后台界面查看每个Token的具体使用路径
、成本与计费详情，管理日常运营中的算力成本 。

（文章来源：中国证券报）