Token工厂争夺战：谁将主宰AI时代的能源与智能？

在过去的数年里，地方政府在谈论人工智能时，高频词汇往往聚焦于“大模型”“智能计算中心”以及“算力集群”。然而，随着时间推进至2026年，一个带有浓厚工业时代色彩的新词汇——“Token工厂”，开始频繁进入人们的视野。

Token，即词元，作为大模型处理和生成信息的基本单元，其重要性日益凸显。无论是用户的一次提问、一段回答，还是自动生成的报告、AI补全的代码，均可拆解为Token。过去，Token更多被视为一个技术概念；如今，它已被推至产业叙事的核心位置。谁能稳定、低成本且大规模地生产Token，谁就有可能在AI基础设施的重组中占据有利地位。

这一说法初听起来或许有些夸张，毕竟Token无形无质。但换个视角审视，Token工厂并非地方政府招商的空洞话术。随着大模型应用的日常化，AI竞争已从“谁拥有模型”扩展至“谁能以更便宜、稳定、持续的方式调用模型”。模型能力固然关键，但当AI深度融入办公、教育、医疗、制造、政务、金融等多个领域时，真正制约使用规模的，往往是每次调用背后的算力成本、电力成本、网络时延以及调度效率。

这正是“Token工厂”概念迅速走红的背景。它将过去分散在数据中心、云服务、模型推理、绿电消纳、城市产业升级等多个领域的议题，浓缩为一个直观的比喻：AI时代同样需要“电厂”。只不过，这座“电厂”生产的不是千瓦时，而是支撑智能服务运行的Token。

从机房建设到Token生产

早期的算力竞争，本质上是一场“机房建设”的竞赛。这一阶段的逻辑与房地产和重资产基础设施相似：先准备好空间、设备、电力和网络，再静待需求的到来。

然而，大模型的出现彻底改变了算力的使用方式。传统互联网业务侧重于存储、检索、分发和交易，而大模型则将“生成”置于前台。用户不再仅仅是访问网页或点击按钮，而是不断要求系统生成文本、图像、代码、视频、决策建议和操作指令。因此，算力不再仅仅是“静态存在”的基础设施，而是越来越像一条持续运转的生产线。GPU、模型、数据、推理框架、网络和电力协同工作，将输入转化为输出，将问题转化为答案，将需求转化为可交付的智能服务。

Token由此成为衡量AI生产活动的核心单位。它既是模型处理语言和多模态信息的技术颗粒，也是云厂商、模型企业和开发者之间计价、结算和优化的基本尺度。对于普通用户而言，一次AI问答可能只是几秒钟的等待；但对于企业和城市而言，这背后对应的是算力占用、电力消耗、模型服务能力和应用收入。

这也是“Token工厂”相较于“智算中心”更具冲击力的原因。智算中心强调资源供给，而Token工厂则强调产出。前者向外界展示“我有多少算力”，后者则进一步追问“这些算力能生产多少可被市场消耗的Token”。从这个意义上说，Token工厂标志着算力产业开始从资产叙事转向产能叙事，从硬件堆叠转向单位产出效率。

“工厂”这一比喻提醒我们，AI基础设施的价值不在于机器本身，而在于其持续生产能力。正如工业城市不能仅看厂房面积，还要看产量、良率、能耗和订单；AI时代的算力城市，也不能仅看机柜规模，还要看Token吞吐量、单位成本、模型适配性和场景消纳能力。

大模型时代的东西部新角色定位

从全国布局来看，Token工厂的一个显著趋势是向西部和能源富集地区集聚。甘肃、宁夏、内蒙古、青海等地频繁被提及。表面上看，这是“东数西算”的延伸；更准确地说，它是“东数西算”进入大模型时代后的再分工。

西部地区吸引Token工厂的首要优势在于电力。大模型的推理和训练均高度依赖电力，对算力企业而言，电价、电力稳定性、绿电比例和散热条件等直接影响Token的生产成本。哪里电价低、绿电多、气候适宜、土地和水资源约束相对可控，哪里就更容易成为AI时代的“能源腹地”。

但Token工厂又不同于传统高耗能产业。它对网络、芯片、模型、运维和调度能力提出了更高要求。数据中心不能仅接入便宜电，还要接入稳定网络；不能仅堆砌GPU，还要提高利用率；不能仅服务本地，还要嵌入全国应用市场。西部城市若想成为AI时代的“电厂”，仅靠低电价远远不够。它们必须具备三种能力：稳定的绿色电力供给、面向大模型推理的算力集群、连接东部市场的高速网络和调度系统。绿电决定成本和碳足迹，算力决定产能，网络决定Token能否顺畅流动。缺少任何一环，Token工厂都可能沦为“孤岛机房”。

若将西部比作发电侧，那么东部城市则更像负荷侧和应用侧。后者拥有制造业、金融业、互联网平台、科研机构、外贸企业和公共服务场景，是Token消耗最为密集的区域。AI的商业价值最终需在此得到验证。

这也是江苏无锡布局Token工厂引发关注的原因。无锡的优势在于产业基础、制造业场景和长三角市场。无锡高新区引入新型算力集群和Token工厂，旨在将算力、模型与本地产业深度融合，让Token生产服务于智能制造、工业软件、车联网、物联网、城市治理和企业数字化等领域。

东部城市的关键任务是将Token转化为生产率。真正有价值的Token消费应嵌入业务流程，改变设计、研发、生产、营销和服务方式。例如，制造企业利用AI生成工艺方案、排查设备故障、辅助质量检测；软件企业利用AI重构代码开发流程；政务部门利用AI处理政策咨询、审批材料预审和基层问答；医疗机构利用AI辅助病历结构化和科研检索。每一个场景都在消耗Token，同时也在反向定义Token工厂应生产何种智能能力。

由此形成了新的区域分工：西部生产低成本Token，东部定义高价值Token。前者关注每百万Token的成本，后者关注每百万Token创造的价值。低成本并不必然带来高价值。AI时代的“电厂”不仅位于能源腹地，也可能位于产业腹地。因为Token并非普通电流，它承载着模型能力、行业知识和场景适配性。谁掌握场景，谁就能决定Token的质量标准和商业方向。

Token工厂的真正闭环在于“西部生产—网络调度—东部消纳—场景反馈—模型优化”。只有形成这一循环，Token才能从一个计价单位转变为新型工业品。否则，它只是另一种包装过的算力概念。

谁会成为AI时代的“电厂”

若将Token工厂视为AI时代的“电厂”，那么哪些城市和企业最有可能脱颖而出？

第一类是能源型算力城市。它们拥有低成本绿电、适宜气候和土地空间，可承接大规模推理和训练任务。甘肃、宁夏、内蒙古、青海等地的机遇正蕴藏于此。然而，它们也面临挑战：如何避免仅做低附加值的“算力代工”，如何提高算力利用率，如何通过网络和调度体系连接真实市场，以及如何将绿电优势转化为长期稳定的Token价格优势。

第二类是产业型算力城市。无锡、苏州、深圳、杭州、上海、合肥等制造业和数字经济城市，虽未必拥有最便宜的电力，但拥有最密集的应用场景。它们更适合发展行业模型、边缘推理、企业AI平台和场景化Token消费。对这类城市而言，Token工厂不仅是大型机房，更是嵌入产业链的智能生产系统。它们需回答的问题是：本地企业是否愿意将核心流程交给AI？行业数据能否安全流动？AI应用能否形成可复制的商业模式？

第三类是平台型企业。云厂商、运营商、模型公司和算力服务商将成为Token生产和分发的关键主体。它们一端连接芯片和数据中心，一端连接开发者和企业客户，中间掌握模型、调度、计费和服务协议。未来的Token工厂很可能不会由单个地方政府独立运营，而是地方能源和基础设施优势与平台企业的技术、客户和生态能力相结合。地方提供电力、土地、政策和网络条件，企业提供模型、算力运维、客户订单和商业化能力。

第四类是行业龙头企业。英伟达CEO黄仁勋曾用“AI工厂”来描述未来企业的变革：企业将像生产汽车、药品、软件一样生产智能。这一判断在中国语境下同样适用。大型制造企业、金融机构、医药企业、能源企业和互联网平台未来都可能拥有自己的“内部Token工厂”。它们未必自建全部算力，但会围绕自身数据、模型和业务流程形成稳定的Token生产和消费体系。对这些企业而言，Token不仅是成本项，更是组织能力的一部分。

展望未来，AI时代的“电厂”将呈现多样化形态。它可能是一座黄土塬上的绿色智算中心，也可能是一座长三角制造业城市里的行业模型平台，还可能是一家企业内部不断生产智能决策的AI系统。真正的胜出者将是那些既懂能源成本、又懂模型效率、还懂产业场景的人。Token工厂抢位战才刚刚拉开序幕，它争夺的表面是算力，深处则是未来智能经济的基础设施主导权。

（作者王翔为复旦大学数字与移动治理实验室研究员）

来源：王翔