Token经济升温，智算基础设施如何重新定义价值？

当人工智能产业的竞争从模型训练逐渐延伸至推理服务，算力基础设施的价值衡量方式也开始发生变化。

过去，数据中心和智算中心的建设运营，更多围绕机柜规模、算力资源、上架率、供电能力和能源效率展开。如今，随着大模型推理、AI智能体和模型服务平台加速发展，另一个指标正在进入产业视野：词元（Token）的生产、调度与交付能力。

2026年9月，北京市发布《北京市加快词元经济发展的行动方案（2026—2028年）》，提出建设词元工厂、完善词元评测与分发体系，并将词元吞吐速度、首字延迟、缓存命中率和电能利用效率（PUE）等纳入词元工厂分级评价的指标范围。与此同时，词元开始进入产业金融、算力服务和人工智能应用等领域。

然而，产业热度上升的同时，也需要保持必要的理性。

10月15日，国家信息中心大数据发展部副主任王建冬在《经济日报》发表《“炼”出智能经济度量衡》一文，明确指出，词元要成为智能经济的通用度量衡，仍需跨过标准、信用和价值三道关，并提醒警惕将传统算力中心简单更名为“词元工厂”、以词元用量替代实际绩效等现象。

这为行业提供了一个重要观察视角：词元经济真正值得关注的，不是数据中心换了一块什么牌子，而是算力基础设施如何从提供计算资源，走向交付可计量、可验证、可持续的AI服务能力。

对于智算中心、数据中心及建筑智能化产业而言，这种变化可能影响未来的项目规划、基础设施设计、系统集成和运营管理，但其传导并非简单地把机柜指标换成词元指标，而是涉及从底层硬件到上层服务的一整套评价体系重构。

从算力资源到推理服务，词元为何走向产业前台？

词元并不是一种新出现的计算硬件，也不是独立于大模型之外的通用算力单位。

在大语言模型中，Token是模型处理文本等信息时使用的基本切分与表示单位。模型接收输入并生成输出的过程，通常都涉及词元处理。对于多模态模型，图像、音频等信息也可能通过相应的编码方式转化为模型能够处理的表示。

因此，词元与算力之间存在紧密联系，但两者并不等价。GPU算力描述的是计算资源及其处理能力，词元则更多反映模型服务过程中的处理量或交付量。相同数量的词元，可能对应不同的模型、任务复杂度、计算开销和服务质量。

那么，为什么词元会在2026年成为产业热点？

首先，AI产业的商业化重心正在扩展。随着模型推理、企业级AI服务和智能体应用发展，用户不仅关心模型是否足够聪明，也越来越关心调用成本、响应速度、服务稳定性和任务完成效果。词元计量为模型服务的使用量核算和成本结算提供了一个相对直观的接口。

其次，算力服务正在从资源租赁走向更加多元的服务交付。传统数据中心可以按机柜、电力容量和空间提供基础设施服务，云计算平台可以按计算实例、存储和网络资源收费，模型服务平台则可以进一步按照输入词元、输出词元及不同类型的推理服务进行计费。

这并不是“卖机柜”被“卖词元”彻底取代，而是产业链的价值分层进一步细化：底层提供基础设施，中间层提供计算资源与模型运行环境，上层提供模型调用、智能体服务和面向具体业务的解决方案。

再次，词元正在进入政策与产业体系。

北京市的行动方案提出建设词元工厂、完善词元质量评测体系、打造词元分发平台，并探索算力与词元相关金融工具。中国信息通信研究院也已围绕词元经济和面向词元服务的智算基础设施发布专题研究报告，反映出产业关注点正在从单纯扩充算力供给，延伸至服务能力、资源调度和价值转化。

由此来看，词元经济并非简单的概念更替，而是AI基础设施商业模式向应用侧延伸的表现。不过，这一变化能否形成稳定的产业规则，仍取决于计量标准、服务质量评价和商业价值验证能否同步完善。

国家信息中心提出的“三道关”，揭示词元经济的现实边界

词元能够计量，并不意味着它天然适合成为所有AI服务的统一价值尺度。

国家信息中心的评论提出的标准关、信用关和价值关，恰好对应词元经济从技术指标走向市场规则时必须解决的三个问题。

第一道关：标准关——不同模型的词元，能否直接比较？

词元数量受到模型分词器、输入内容和处理方式等因素影响。相同的一段文本，交给不同模型处理，可能产生不同的词元数量；不同模型的输入、输出及缓存计费规则也可能存在差异。

因此，词元适合描述特定模型及计费规则下的处理量，却不能在缺乏统一口径的情况下，直接用来比较不同厂商的真实算力效率。

未来的标准建设，不仅需要明确词元计量和计费规则，还需要考虑模型能力、任务类型、服务质量及推理成本等因素。只有在可比条件下，词元数据才能成为可靠的横向评价依据。

第二道关：信用关——账面上的词元，能否证明真实服务能力？

即使词元数量可以准确记录，也不意味着其对应的服务价值相同。

例如，简单文本生成与复杂推理任务可能消耗相近数量的词元，但计算开销和业务价值存在差异；缓存命中、重复调用、模型路由和不同的服务等级，也可能改变实际资源消耗及交付成本。

如果缺少统一披露规则、可靠的调用日志和第三方核验机制，单纯比较词元数量就容易出现口径不一致的问题。

对于算力服务商而言，未来需要证明的可能不仅是“处理了多少词元”，还包括这些词元由什么模型生成、对应什么服务等级、消耗了多少资源，以及是否满足约定的响应时间和可用性要求。

第三道关：价值关——词元越多，经济价值就越高吗？

这是最容易被忽视的问题。

词元使用量增长，可以反映模型调用活动增加，但并不必然意味着生产效率提升或商业回报增长。低价值的重复调用可能带来大量词元消耗，而更高效的模型、缓存策略和推理优化技术，则可能以更少的词元或更低的计算成本完成同样的任务。

在工业制造、能源管理和建筑运维等场景中，AI服务的最终价值往往体现在故障发现是否更及时、能源消耗是否降低、维护成本是否减少，以及业务流程是否得到改善，而不是生成了多少文本。

因此，词元可以作为观察AI服务活动的重要过程性指标，但不能直接取代业务结果指标。

这三道关对智算基础设施行业的启示是：未来的竞争不仅是算力规模的竞争，也是计量可信度、服务质量和资源使用效率的竞争。

词元工厂的建设逻辑，正在把基础设施与服务能力连接起来

北京市行动方案中，一个值得智算基础设施行业关注的细节，是词元工厂的评价指标同时涉及模型适配数量、词元吞吐速度、首字延迟、缓存命中率和PUE，并将土地、能耗指标及通信网络纳入相关要素保障。

这意味着，词元工厂的建设不能只理解为建设一座更大的数据中心，也不能简单理解为给既有算力中心增加一个新的名称。

从工程角度看，词元服务能力是多层技术系统协同运行的结果。

底层是供配电、制冷、机柜、网络和计算硬件，决定基础设施能够承载多少设备、提供多少电力，以及在何种环境下稳定运行。

中间层是计算资源调度、模型部署、推理引擎、缓存系统和网络通信，影响资源利用率、请求处理速度和服务稳定性。

上层则是模型服务接口、智能路由、调用计量、质量评测和运营平台，决定服务如何面向客户交付，以及调用数据如何进入计费和绩效体系。

其中，词元吞吐速度、首字延迟和缓存命中率等指标，主要反映模型服务及推理系统的运行表现；PUE反映数据中心整体能源使用效率。它们可以共同用于评价设施的不同方面，但不能相互替代。

需要强调的是，上表是对产业评价方向的归纳，并非已经发布的统一标准或正式验收规范。

这一区分非常重要。未来词元工厂的评价体系很可能同时涉及基础设施、模型性能、服务质量和业务价值，但具体权重、测试条件与验收方法仍需要进一步明确。

对项目投资方而言，不能只根据理论词元吞吐量估算收入，还需要评估设备实际利用率、模型服务需求、能源成本、网络开销、软件投入及客户付费能力。对工程建设方而言，也不能仅凭PUE或机柜数量判断项目的整体竞争力。

真正有价值的智算基础设施，需要在既定的电力和空间约束下，实现稳定、可靠、经济的AI服务交付。

四条产业传导路径：机电、楼控、网络与运维将如何变化？

1. 智算中心建设：从关注装机规模，转向关注有效服务能力

词元服务的发展，将推动智算中心建设方更加重视计算资源与业务需求之间的匹配。

在规划阶段，除了服务器数量、IT负载和供电容量，还需要研究目标模型的推理特征、请求并发量、响应时间要求，以及高峰负载下的持续运行能力。

在能源系统方面，GPU等高功率设备的集中部署，使供配电可靠性、热负荷管理和冷却系统的适应能力更加重要。液冷、风液协同等技术可以成为特定高密度场景的技术选择，但并不存在适用于所有项目的单一最优方案。

PUE仍然是重要的能源效率指标，却不能单独说明每单位有效AI服务的综合成本。实际运营还需要结合IT设备利用率、单位服务能耗、服务质量和资源闲置情况进行评价。

因此，项目规划应从单纯满足设备安装条件，进一步转向计算负载、能源系统与目标业务协同设计。

2. 楼宇自控与DCIM：从设备监控走向资源与能效协同优化

对于建筑智能化和数据中心基础设施管理行业而言，词元经济并不意味着楼宇自控系统需要直接参与模型推理，而是意味着基础设施运行数据与上层算力服务之间的协同价值可能进一步提高。

数据中心基础设施管理系统（DCIM）、动力环境监控系统和楼宇管理系统（BMS）可以分别承担资产、供配电、制冷、环境和设备运行状态的监测与管理。通过适当的系统集成，可以把设备状态、能源消耗、环境参数与计算负载进行关联分析。

例如，当AI推理负载持续上升时，管理平台可以结合服务器功率、机柜温度、冷却设备状态和供电余量，辅助运维人员识别局部过热、冷却能力不足或设备负载不均衡等问题。

进一步结合预测算法，还可以探索冷却系统优化、设备异常预警、负载与制冷协同调度等应用。

但需要注意，DCIM、BMS和AI算力调度平台并非天然具备统一的数据接口和控制权限。 要实现跨系统协同，需要解决数据模型、协议适配、时间同步、权限管理、控制边界和安全审计等问题。

这也是建筑智能化企业可以发挥专业能力的地方：不只是增加AI功能，而是提高复杂基础设施的可观测性、可管理性和可验证性。

3. 综合布线与数据中心网络：高速互联仍是基础，端到端性能更受关注

词元服务的发展，特别是大规模模型推理、智能体调用和跨模型调度，对数据中心内部网络及平台间通信提出了更高要求。

需要区分的是，词元吞吐并不单纯由网络带宽决定。GPU计算能力、推理框架、模型结构、内存带宽、缓存策略、并发调度和网络通信都可能影响最终表现。

在大规模分布式推理场景中，网络架构、交换设备、光模块、光纤链路和布线系统需要根据实际拓扑及通信负载进行设计。对于高密度、高带宽应用，链路时延、拥塞控制、链路可靠性和扩展能力也应纳入整体考虑。

对于综合布线行业而言，真正值得关注的并不是“词元工厂”这个名称，而是智算中心的高密度互联、光互连、链路可管理性和长期扩容需求。

同时，传统综合布线系统主要承担物理连接与传输通道的作用，不宜将其直接描述为决定词元产出的核心系统。其价值在于为上层计算与网络架构提供可靠、可维护、可扩展的物理基础。

4. 运营与系统集成：从完成工程交付走向持续绩效管理

如果未来的智算服务逐步按照实际调用量和服务等级进行结算，业主对系统集成商和运维服务商的要求也可能发生变化。

传统工程项目通常以设备安装、系统联调、功能验收和竣工资料作为主要交付内容。在持续运营场景中，业主还需要关注设备可用性、能源效率、故障恢复时间和服务连续性。

未来的系统集成项目可以进一步探索将基础设施运行数据与上层服务平台关联起来，形成能源、设备、网络和服务质量的联合分析能力。

例如，在约定的服务周期内，平台可以记录IT负载、能耗、制冷状态、设备告警和服务中断情况，为运营绩效分析提供依据。

不过，词元账单通常由模型服务平台或相关软件系统产生，不能直接由BMS或DCIM替代。建筑智能化系统的职责，是提供可信的设施运行数据，并在明确的接口和权限范围内支持运营分析。

这意味着，行业的商业机会可能从一次性工程建设，进一步延伸至持续运维、能效优化、系统集成和绩效服务，但能否形成稳定收入，仍取决于客户需求、项目合同和实际交付效果。

比“词元工厂”更值得关注的，是三个长期趋势

趋势一：基础设施评价将更加重视多维指标，而非单一规模排名

机柜数量、装机容量和PUE依然重要，但它们分别描述资源规模和能源效率，无法单独代表AI服务的综合竞争力。

未来更合理的评价体系，需要在基础设施层、计算与模型服务层、业务应用层分别设置指标，并明确测试条件与统计口径。

基础设施层关注可靠性、能源效率和可用容量；服务层关注吞吐、延迟、成功率和成本；应用层则关注任务完成质量及业务收益。

这种分层评价有助于避免将不同性质的指标简单相加，也能让建设方、运营方和使用方建立更清晰的责任边界。

趋势二：计量、审计与运营数据可信度将成为重要能力

当词元数据逐步用于成本核算、服务结算或金融评价时，数据是否准确、口径是否一致、记录能否追溯，将变得更加重要。

未来需要进一步完善模型调用日志、计费规则披露、异常调用识别和第三方核验机制，同时保护企业数据、用户隐私和商业机密。

对于智算基础设施行业而言，设施侧的电力、温度、设备状态和运行事件等数据，也需要具备较好的完整性与可追溯性，才能支撑能耗核算和运营分析。

这并不意味着所有设施数据都必须直接进入词元计费系统，而是应当根据业务需要建立明确的数据关联规则，确保相关指标可解释、可复核。

趋势三：AI基础设施的价值将更加依赖实际应用，而非单纯扩大供给

词元经济的长期发展，最终仍取决于AI应用能否创造可持续的商业价值。

对于智算中心而言，扩大算力供给并不必然带来相应的服务需求；对于建筑智能化企业而言，部署AI算法也不必然意味着能源成本下降或运维效率提高。

只有当算力资源能够匹配真实需求，模型服务能够解决实际问题，基础设施运行效率得到改善，整个产业链才能形成可持续的价值循环。

在建筑与数据中心领域，值得持续探索的方向包括智能运维、制冷优化、设备故障预测、能耗分析和运维知识辅助等。但这些应用都需要通过具体项目验证其准确性、节能效果、可靠性和投资回报，不能仅凭AI调用量判断成效。

结语：真正的竞争，不是给机房换名字，而是让每一份算力创造可验证的价值

词元经济正在推动AI产业重新审视算力服务的计量方式，也让智算基础设施从底层资源供给到上层服务交付之间的关系更加清晰。

但从机柜到词元，并不是一场简单的计量单位替换。机柜描述设施规模，算力指标描述计算能力，词元反映特定模型服务中的处理量，而业务价值最终仍需要通过任务效果、成本效率和实际收益来验证。

对于我们所关注的智算中心、数据中心和建筑智能化行业而言，真正值得提前布局的，是能够贯通设施运行、能源管理、网络通信与服务运营的数据能力，以及建立在可靠工程交付之上的持续优化能力。

词元可以成为观察AI服务的重要标尺，但不能成为衡量一切的唯一标尺。

当产业从概念竞争走向标准建设，从资源投入走向服务交付，从规模扩张走向效率与价值验证，真正具备竞争力的智算基础设施，将不仅能够提供算力，更能够以稳定、透明、可核验的方式，将算力转化为可持续的服务能力。

——————————————————————————————

峰会预告

由千家网主办的第27届CIBIS峰会将于10月27日在成都正式开启，本届峰会将围绕"AI重构·智焕新生"年度主题，汇聚全国设计院专家、行业协会领导、建筑智能化专家、系统集成商、工程商、终端用户以及国内外知名品牌企业，通过主题演讲、技术分享、高端对话、创新展示、场景交流等多元形式，共同探讨AI时代建筑智能化产业的发展方向，推动智能建筑迈向更加智能、更高效、更低碳、更具生命力的新阶段。欢迎行业小伙伴积极报名参会，分享交流！

报名参会

成都站 (10月27日)：https://hdxu.cn/KEUDM

西安站 (10月29日)：https://hdxu.cn/6G03Q

北京站 (11月17日)：https://hdxu.cn/LaWOm

上海站 (11月19日)：https://hdxu.cn/c0H71

广州站 (12月10日)：https://hdxu.cn/MuQF8

更多CIBIS峰会信息，参见峰会官网：summit.qianjia.com