過去幾年，地方政府談人工智能，常見的關鍵詞是“大模型”“智算中心”“算力集群”。到了2026年，一個更像工業時代的詞開始頻繁出現：Token工廠。

Token（詞元），是大模型處理和生成信息的基本單位。一次提問、一段回答、一份自動生成的報告、一行由AI補全的代碼，都可以拆解為Token。過去，人們更習慣把它理解為技術概念；現在，它被推到了產業敘事的中心：誰能穩定、低成本、大規模地生產Token，誰就可能在AI基礎設施重組中占據位置。

這個說法聽起來有些夸張。Token畢竟看不見、摸不著，但只要換一個角度看，Token工廠并非憑空造出的招商話術。大模型應用走向日常調用之后，AI競爭開始從“誰有模型”擴展到“誰能便宜、穩定、持續地調用模型”。模型能力固然重要，但當AI被嵌入辦公、教育、醫療、制造、政務、金融等場景，真正制約使用規模的，往往變成每一次調用背后的算力成本、電力成本、網絡時延和調度效率。

這正是“Token工廠”概念突然流行的背景。它把過去分散在數據中心、云服務、模型推理、綠電消納、城市產業升級中的議題壓縮到一個更直觀的比喻里：AI時代也需要“電廠”。只不過，這座“電廠”生產的不是千瓦時，而是支撐智能服務運行的Token。

從建機房到生產Token

早期的算力競爭，更多是一場“建機房”的競賽。這個階段的邏輯類似房地產和重資產基礎設施：先把空間、設備、電力和網絡準備好，再等待需求進來。

但大模型改變了算力的使用方式。傳統互聯網業務強調存儲、檢索、分發和交易，大模型則把“生成”推到前臺。用戶不只是訪問網頁或點擊按鈕，而是在不斷要求系統生成文本、圖像、代碼、視頻、決策建議和操作指令。于是，算力不再只是“放在那里”的基礎設施，它越來越像一條連續運轉的生產線。GPU、模型、數據、推理框架、網絡和電力一起工作，把輸入變成輸出，把問題變成答案，把需求變成可交付的智能服務。

Token由此成為衡量AI生產活動的一個核心單位。它既是模型處理語言和多模態信息的技術顆粒，也是云廠商、模型企業和開發者之間計價、結算和優化的基本尺度。對于普通用戶來說，一次AI問答只是幾秒鐘的等待；對于企業和城市來說，它背后對應的是算力占用、電力消耗、模型服務能力和應用收入。

這也是“Token工廠”比“智算中心”更有沖擊力的地方。智算中心強調資源供給，Token工廠強調產出。前者告訴外界“我有多少算力”，后者進一步追問“這些算力能生產多少可被市場消耗的Token”。從這個意義上說，Token工廠意味著算力產業開始從資產敘事轉向產能敘事，從硬件堆疊轉向單位產出效率。

“工廠”這個比喻提醒我們，AI基礎設施的價值不在于機器本身，而在于持續生產能力。就像工業城市不能只看廠房面積，還要看產量、良率、能耗和訂單；AI時代的算力城市，也不能只看機柜規模，還要看Token吞吐、單位成本、模型適配和場景消納。

大模型時代的東西部新角色

從全國布局看，Token工廠的一個明顯趨勢是向西部和能源富集地區集聚。甘肅、寧夏、內蒙古、青海等地被頻繁提及。表面上看，這是“東數西算”的延伸；更準確地說，它是“東數西算”進入大模型時代后的再分工。

西部吸引Token工廠，首先靠的是電。大模型推理和訓練都高度依賴電力，對算力企業而言，電價、電力穩定性、綠電比例和散熱條件等，直接影響Token的生產成本。哪里電便宜、綠電多、氣候適宜、土地和水資源約束相對可控，哪里就更容易成為AI時代的“能源腹地”。

但Token工廠又不同于傳統高耗能產業。它對網絡、芯片、模型、運維和調度能力提出了更高要求。數據中心不能只接入便宜電，還要接入穩定網絡；不能只堆GPU，還要提高利用率；不能只服務本地，還要嵌入全國應用市場。西部城市如果想成為AI時代的“電廠”，僅靠低電價還不夠。它們必須具備三種能力：穩定的綠色電力供給，面向大模型推理的算力集群，連接東部市場的高速網絡和調度系統。綠電決定成本和碳足跡，算力決定產能，網絡決定Token能否順暢流動。少了任何一環，Token工廠都可能變成“孤島機房”。

如果說西部更像發電側，那么東部城市則更像負荷側和應用側。后者擁有制造業、金融業、互聯網平臺、科研機構、外貿企業和公共服務場景，是Token消耗最密集的地方。AI的商業價值最終要在這里被驗證。

這也是江蘇無錫布局Token工廠引起關注的原因。無錫的優勢在產業基礎、制造業場景和長三角市場。無錫高新區引入新型算力集群和Token工廠，所指向的并不只是“我也要有算力”，更是希望把算力、模型和本地產業結合起來，讓Token生產服務于智能制造、工業軟件、車聯網、物聯網、城市治理和企業數字化。

東部城市的關鍵任務，是把Token變成生產率。真正有價值的Token消費，應該嵌入業務流程，改變設計、研發、生產、營銷和服務方式。比如，制造企業用AI生成工藝方案、排查設備故障、輔助質量檢測；軟件企業用AI重構代碼開發流程；政務部門用AI處理政策咨詢、審批材料預審和基層問答；醫療機構用AI輔助病歷結構化和科研檢索。每一個場景都在消耗Token，也在反向定義Token工廠應該生產什么樣的智能能力。

這就形成了新的區域分工：西部生產低成本Token，東部定義高價值Token。前者關心每百萬Token的成本，后者關心每百萬Token創造多少價值。低成本并不自動產生高價值。AI時代的“電廠”不只在能源腹地，也可能在產業腹地。因為Token不是普通電流，它帶著模型能力、行業知識和場景適配。誰掌握場景，誰就能決定Token的質量標準和商業方向。

Token工廠的真正閉環，是“西部生產—網絡調度—東部消納—場景反饋—模型優化”。只有形成這個循環，Token才會從一個計價單位變成新型工業品。否則，它只是另一種包裝過的算力概念。

誰會成為AI時代的“電廠”

如果把Token工廠看作AI時代的“電廠”，那么哪些城市和企業最有機會勝出？

第一類是能源型算力城市。它們擁有低成本綠電、適宜氣候和土地空間，可以承接大規模推理和訓練任務。甘肅、寧夏、內蒙古、青海等地的機會正在這里。它們的挑戰也很清楚：如何避免只做低附加值的“算力代工”，如何提高算力利用率，如何通過網絡和調度體系連接真實市場，如何把綠電優勢變成長期穩定的Token價格優勢。

第二類是產業型算力城市。無錫、蘇州、深圳、杭州、上海、合肥等制造業和數字經濟城市，未必擁有最便宜的電，但擁有最密集的應用場景。它們更適合發展行業模型、邊緣推理、企業AI平臺和場景化Token消費。對這類城市而言，Token工廠不是單純的大機房，而是嵌入產業鏈的智能生產系統。它們需要回答的問題是：本地企業愿不愿意把核心流程交給AI？行業數據能否安全流動？AI應用能否形成可復制的商業模式？

第三類是平臺型企業。云廠商、運營商、模型公司和算力服務商，將成為Token生產和分發的關鍵主體。它們一端連接芯片和數據中心，一端連接開發者和企業客戶，中間掌握模型、調度、計費和服務協議。未來的Token工廠很可能不會由單個地方政府獨立運營，而是地方能源和基礎設施優勢，與平臺企業的技術、客戶和生態能力結合。地方提供電力、土地、政策和網絡條件，企業提供模型、算力運維、客戶訂單和商業化能力。

第四類是行業龍頭企業。英偉達CEO黃仁勛曾用“AI工廠”來描述未來企業的變化：企業會像生產汽車、藥品、軟件一樣生產智能。這個判斷放到中國語境下同樣成立。大型制造企業、金融機構、醫藥企業、能源企業和互聯網平臺，未來都可能擁有自己的“內部Token工廠”。它們未必自建全部算力，但會圍繞自身數據、模型和業務流程，形成穩定的Token生產和消費體系。對這些企業來說，Token不只是成本項，更是組織能力的一部分。

展望未來，AI時代的“電廠”不會只有一種形態。它可能是一座黃土塬上的綠色智算中心，可能是一座長三角制造業城市里的行業模型平臺，也可能是一家企業內部不斷生產智能決策的AI系統。真正的勝出者，將是那些既懂能源成本，又懂模型效率，還懂產業場景的人。Token工廠搶位戰才剛剛開始，它爭奪的表面是算力，深處是未來智能經濟的基礎設施主導權。

（作者王翔為復旦大學數字與移動治理實驗室研究員）

來源：王翔