AI产业链携手推动词元降本增效
记者在2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）上采访发现，随着智能体让词元消耗大幅攀升，降本增效成为众多企业的发力点。从芯片到算电协同，从大模型到智能模型路由，每个环节都在为降低词元成本而发力。
当前，国内算力芯片创业市场上，张量处理单元（TPU）是热门赛道。在大规模纯张量AI训练或推理的场景下，最新代际TPU的能效、单位词元成本优于主流GPU产品。
TPU芯片企业中昊芯英创始人杨龚轶凡表示，百万词元成本降到最低是当前优化的方向，因为高额算力成本已经制约AI商业化落地。公司新一代芯片的目标就是大幅压低单位词元成本，比上一代成本直接减半，后续迭代有望降到原有的十分之一。只有成本下探，各类AI应用才能规模化普及。
算力中心的成本从源头决定词元成本。2026年政府工作报告中首次提及“算电协同”，对此，中科类脑董事长刘海峰告诉记者，算力基础设施全生命周期成本中，电力支出占比超20%，是决定算力产业核心竞争力的关键变量。以1000P标准算力集群为例，年度总耗电量约2000万度，依托平台优化可节约20%用电量，即每年减少400万度电力开支，节约成本直接转化为经营毛利，大幅提升价格竞争力。
对于算电协同降本增效的路径，刘海峰表示，目前算电协同更多依靠物理空间靠近，未来重点是实现算力、电力双向柔性联动调度。例如通过统筹风电、光伏、储能多类型供电来源，动态测算不同时段最优供电成本结构，最大化绿电使用比例；同时基于分时电价、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。
不少国产大模型在追求性能的同时，也在着力改善词元性价比。腾讯副总裁林松涛表示，混元HY3大模型以相对小的参数实现了比肩更大尺寸旗舰模型的能力，使用成本只有顶尖模型的百分之几，为企业的规模化应用提供了更加经济的选择。
美团LongCat-2.0（龙猫）大模型在业内首次提出输入命中缓存不收费的模式。对此，美团相关负责人透露，典型智能体使用场景中，用户输入和输出比例约为150比1。经测算，针对输入部分的缓存词元采用不计费规则，用户的综合成本有望降低一个数量级。
刚上线即引发关注的万亿参数旗舰模型Kimi K3，虽然单价不菲，却表现出了颇为不错的性价比。
大模型评测机构SuperCLUE发现，通过测算完成同样任务的成本开支，Kimi K3在任务得分比第二名高出18%的前提下，任务平均成本却低约16%。这意味着，国产旗舰模型的性价比在持续优化。
对此，SuperCLUE创始人徐亮认为，Kimi K3在处理多轮交互复杂任务时，依托更强底层能力减少迭代轮次，叠加优异的上下文缓存命中率，综合调用开销优于预期。
由于不同大模型的能力和价格差别较大，“智能模型路由”也成为WAIC的热点。
派欧云创始人姚欣介绍称，此前智能模型路线仅做简单“请求转发”，新的智能模型路由在处理高价值、高风险或结果不确定的关键步骤时，不是只问一个模型，而是将问题同时分发给多个擅长此道的专家模型，通过交叉验证和融合生成最终答案。同时智能路由会根据任务类型进行选择，比如简单问答用轻量模型，复杂推理用强模型，并压缩冗余上下文，复用之前的计算结果，设置预算护栏和失败回退机制。最终目标是用更经济的词元成本，完成同样质量的任务。
派欧云综合测算发现，其智能模型网关可以将智能水平提升20%，同时将成本降低50%到60%。（记者 叶健 袁小康）