11月的张家口，迎面吹来的风带着初冬的寒意。“坝上一场风，从春刮到冬。”这句流传在张家口当地的俗语，曾是人们对家乡多风气候的调侃。
对于这座距离北京约180公里的城市而言，过去让人感到寒冷的风，如今却成为发展人工智能算力产业的一笔宝贵资源。
风吹动坝上的风机，将风能转化为电力；冷凉的气候，则有助于降低数据中心的散热能耗。作为国家“东数西算”工程京津冀算力枢纽的重要节点，从联想、阿里、腾讯到一批数据中心运营商，越来越多的企业在张家口布局。截至目前，张家口市已投运算力中心55个，智算总规模达31.8万P（FP16），在全国地级市中名列前茅，为京津冀区域智能经济和人工智能企业发展提供了重要战略支撑。
庞大的算力基础设施背后，张家口算力产业下一阶段的考题正在浮现：算力建在了张家口，价值留下了多少？
“堆砌的算力并不能带来真正的价值。”11月10日，联想集团高级副总裁、中国方案服务业务群总经理戴炜对记者直言。当天联想将万全混合词元工厂的首个母本工厂落子张家口，试图探索一种新的算力服务模式：不再仅仅出售机柜和计算资源，而是将算力转化为可计量、可交付的词元（Token）服务。
从风电、光伏等绿色能源，到数据中心里的服务器，再到大模型运行时不断生成的词元，一条新的产业价值链正在张家口延伸。
风、冷、近：大厂为何把算力建在张家口
张家口的算力优势，首先来自能源和地理位置。
作为国家级可再生能源示范区，张家口拥有丰富的风电、光伏资源。当地可再生能源装机规模已超过4500万千瓦，年发电量超过700亿千瓦时。与此同时，张家口毗邻北京，具备承接京津冀人工智能研发、模型训练和推理需求的条件。
联想集团执行副总裁兼中国区总裁刘军在接受采访时表示，这里距北京180多公里，光纤通信时延不足2毫秒，高铁一小时通达。相较于距离北京较远的西部算力节点，低时延使张家口更适合承接北京及周边的实时推理需求。
此外，这里全域年均气温低于约7摄氏度，绿电资源较为丰富，为降低制冷和能源成本提供了条件。
不过，丰富的能源和算力资源承接需求只是起点。
过去，数据中心产业主要依靠机柜租赁、服务器托管和算力租赁等模式获取收入。随着大模型应用从训练走向训推结合、再逐步增加推理需求后，竞争焦点正在转向算力利用率、模型适配、响应速度和持续运营。企业客户的要求更加具体：能否按照实际使用量付费？能否根据业务高峰动态调用算力？能否减少不同芯片、模型之间的适配成本？
联想打造词元工厂，试图将传统计算资源进一步转化为面向AI应用的服务。通过异构算力管理、模型路由和公私资源调度，让不同任务匹配不同模型和算力。
根据规划，张家口母本工厂初期计划建设1.5万P异构算力集群、约100兆瓦智算中心，年词元产量超过2000万亿个。初期建成后，峰值词元产出预计达到每秒2亿个。到2030年，相关核心指标计划进一步提升10倍及以上。
与传统数据中心主要强调机架数量和算力规模不同，这些指标开始将词元产量、生成速度和综合成本纳入考核。
在运营效率方面，联想提出每秒词元输出量提升五倍、综合词元成本降低70%，数据中心PUE控制在1.1以内等目标。
每秒2亿个词元可以支持10万个用户同步使用，以联想集团为例，按此测算，联想全球8万多名员工可以同时调用几百个智能体，处理合同、供应链计划、生产质检和营销内容等任务。
至于如何实现降本70%，戴炜在采访中解释，成本优化主要来自三个环节：底层算力设备和异构计算平台优化、词元中枢的模型路由和资源调度，以及数据中心建设运营环节的能效改善。
与此同时，涉及敏感数据的任务优先部署在私有资源池，其他任务则根据实际需求调用公有云资源。
刘军在采访中透露，联想已接入火山引擎、腾讯云、阿里云、百度智能云等国内主要云平台，可以根据模型需求、服务价格等因素进行动态路由。这一模式的核心，是让不同芯片、不同模型以及公有云和私有云资源形成协同，减少算力闲置和不必要的高成本调用。
词元工厂的商业模式仍在探索中。戴炜表示，单个企业独立承担一座混合词元工厂的成本，目前并不普遍。除了大型企业、云厂商和运营商，未来更大的增长空间可能来自产业集聚区，通过聚合多个企业的推理需求，提高基础设施利用率。
张家口母本工厂也因此承担着双重任务：一方面服务联想自身不断增长的AI应用需求，另一方面验证建设运营和成本优化体系，为后续复制到不同产业地区提供样板。
对于词元工厂运营商而言，真正决定盈利能力的，不仅是每秒能够生产多少Token，还包括算力利用率、客户付费水平、设备折旧、电力成本以及长期合同的稳定性。
这也意味着，词元工厂并非简单地把传统数据中心换一种计费方式。如何在降低客户使用成本的同时维持自身利润，才是这一商业模式需要解决的核心问题。
AI产业开始算经济账
“2027年会是重视ROI（投入产出比）的起始年。”
在中信建投证券计算机行业首席分析师应瑛看来，AI产业的评价标准正在发生变化，企业每投入一元钱使用AI，究竟能够节省多少成本、增加多少收益，正成为资本市场关注的问题。
她表示，AI产业链不同环节并不存在统一的估值标准。对于服务器企业，资本市场更看重订单、交付和运营能力；对于词元工厂等算力运营企业，更关注利润率、折旧、电力成本和现金流；对于下游模型和应用企业，则需要考察客户续费、毛利率、业务渗透深度以及持续增长能力。
在影视行业，这笔账已经具体到每一分钟的视频制作成本。
以制作出第一部上星AI长剧《后西游记》的芒果TV为例，戴炜在采访中透露，联想与芒果最初讨论的是AI内容生成智能体，但随着应用深入，客户发现新的制约因素变成了Token成本。
“一分钟起步的Token就是10万元以上。”戴炜表示，随着AI视频制作从单点生成进入剧本、分镜、视频生成和渲染等多个环节，生成内容的计算成本正在成为影响项目盈利能力的重要变量。
芒果传媒战略投资部投资总监肖文强表示，影视企业对AI的关注已经从早期看生成效果，转向计算实际投入。未来如果能够按Token计费，每条影片的AI成本就可以更清晰地纳入项目预算。
与此同时，影视行业的算力需求并不稳定。项目集中制作时需求激增，项目结束后又迅速回落，如果企业按照全年峰值自建算力设施，容易出现资源闲置。“算力供给方式得服从于我们内容的生产方式。”肖文强说。
此外，影视企业还必须考虑版权和数据安全。芒果拥有大量自有IP及版权素材，核心资产不能离开园区，因此本地化部署也是其选择算力合作伙伴的重要条件。
与影视行业相比，教育行业的算力需求更加分散，但同样存在明显的高峰与低谷。
上海武桐树高新技术有限公司总经理陈少平表示，公司参与建设的教育数字化基础设施和智能体平台，已经覆盖上海许多中小学。集中备课、作业批改和考试期间需求激增，寒暑假相对平稳，如果按峰值自建算力，低谷期容易闲置；未成年人信息又对数据隔离、权限管理和审计提出要求，此外可靠性也是硬约束。
伴随着AI助教、作业批改和学情分析等应用进入教学流程，实际项目实施中，最花时间的并非算力部署，而是与学籍、课表、作业等原有业务系统的对接。
影视行业关心每分钟内容制作成本，教育行业关心不同教学周期的资源配置，资本市场则关注算力运营企业的利润率、折旧、电力成本和现金流，这意味着AI基础设施能否真正创造价值，已经不能只看算力规模和Token产量。
从按算力资源收费，到按Token调用量计费，再到未来可能出现的按任务和效果付费，AI服务正在寻找更接近实际业务价值的计价方式。但这种模式也对服务质量评价、业务效果归因和成本核算提出更高要求。
联想还在尝试将这种模式复制到更多地区。戴炜透露，接下来计划在湖南布局面向影视内容生产的词元工厂，目标是将制作成本降低50%、生产周期缩短60%，月产成片超过1200小时。此外，还将结合其他地区的产业特色，探索智能制造、教育和算力出海等应用场景。
对于张家口而言，风电和冷凉气候提供了发展算力产业的天然优势，庞大的数据中心集群也已形成规模。接下来，衡量这座算力之城的发展成色，除了机柜数量和算力规模，更要看这些算力究竟创造了多少实际价值。
“词元经济的资本价值，最终要由两本账共同证明：一本是客户的生产力账，一本是供给企业的盈利账。”应瑛表示，“两本账都算得通，走得通，产业才能持续发展，企业估值才会有坚实支撑。”
