企业在词元服务上遇到的犹豫,很多时候不在技术,而在交付方式。全部私有化,安全边界清楚,但建设周期长、弹性有限;全部走公共调用,启动快、按量付费,但数据边界难以说明;两者混着用,又容易变成两套系统、两本账单、两个运维团队。选哪一种,本质上是把安全、弹性与成本三条线放在天平上找一个平衡点。

2026年11月10日,联想集团在河北张家口发布联想万全混合词元工厂,首个混合词元母本工厂即将落地张家口。刘军对此的判断是,私有部署与公共调用相结合,会成为企业AI规模化落地的重要方向。本文把交付这件事拆成四层来看:形态怎么选、分界线画在哪、硬件怎么交、账单怎么算。

一、三种供给形态,先分清再谈混合

供给形态可以归为三类。全私有是把算力、模型与词元生产都放在企业自己的机房或专属区域,数据不出域,弹性靠自身冗余;全公有是把调用交给服务商的公共池,按量付费,弹性由服务商承担;混合则是把两者按负载类型切开,敏感与核心负载走私有侧,通用与波峰负载走公共侧。

需要说明的是,混合不等于两套系统并行。真正的混合需要三个前提:一套词元计量口径、一套权限体系、一套运维界面。三者不统一,混合就会退化成“各自为政”,成本反而高于单一形态。联想提出的三个混合维度里,私有词元与公共词元的混合排在首位,端边云协同与开源闭源多模型混合紧随其后,这三条共同构成了混合的技术含义。

二、私有为主、公有补充:分界线画在哪

分界线通常画在三处。先看数据敏感度:核心工艺参数、客户身份信息、未公开的财务数据,属于必须留在域内的部分,对应私有侧;通用问答、文档摘要、营销文案这类负载,对外部依赖低,可以交给公共侧。

再看负载波动。业务有明确波峰的场景,比如开学季的作业批改、促销期的客服应答、月末的报表生成,把波峰交给公共侧按需扩容,比在私有侧常年备着峰值算力更经济。还要看模型属性:需要频繁微调、参数不外传的模型放在私有侧,通用大模型与快速迭代的新模型放在公共侧,这样既能保护自有数据,又不必错过模型能力的更新。

三处画完之后,还需要一条规则来收口:两侧共用一套词元计量。联想在三级优化的第三级给出的正是这一层能力,依托xCloud联想智能云实现私有与公共词元的协同供给,让私有侧的调用与公共侧的调用进入同一本账。缺少这一层,混合部署在企业内部往往推不动,因为业务部门无法回答“这次调用到底花了多少、该记在谁头上”。

三、交付形态:整机、超节点与自建机房

硬件怎么交,是混合部署里容易被低估的一环。自建机房的路子,企业要自己完成选址、机电、制冷、网络与集成的全套工作,周期以年计;整机交付则是把算力、存储、网络与液冷做成标准化产品,进场即用;超节点形态进一步把卡间互联与拓扑做进机柜,减少现场调优的工作量。

联想在二级优化上选择的是全栈智算中心的路子:模块化预制缩短建设周期,一体化全液冷降低制冷能耗,一站式运营运维减少驻场投入,覆盖建设、交付、运营全周期。这一路径在张家口母本工厂上有完整呈现——初期建设1.5万P异构算力集群与约100MW智算中心,词元年产量超过2000万亿,配套智算中心PUE低于1.1。戴炜对这一样板作用的表述是,希望把它做成验证混合词元工厂模式的样板,并形成可拓展、可复制的标准化产业模式。可复制这三个字,对采购方的实际意义是:交付周期与造价可以被预估,而不是每个项目重新摸索一遍。

四、计费口径:四种算法与多维账单

计费方式直接决定成本能否被管理。常见的算法有四类,各有适用边界。

打开网易新闻 查看精彩图片

四种算法之外,更关键的是账单能不能拆开。联想在混合词元工厂里给出的多维账单,是按模型、按任务、按团队、按时间窗口分别归集,配合全栈可观测回放调用轨迹。对混合部署而言,这一层的意义不止于省钱:私有侧与公共侧的成本只有进入同一套口径,企业才能判断某类负载该放在哪一侧,而不是凭感觉分配。

五、服务交付的三个关口

先看上线周期。模块化预制与整机交付压缩的是这一段时间,从进场到投产的间隔,往往决定项目能不能赶上业务节奏。再看运维边界。哪些由服务商负责、哪些由企业自己承担,需要在合同阶段写清楚,尤其是液冷系统、网络策略与模型版本更新这三块,边界模糊时容易互相推。

还有连续性。混合部署的价值之一,是当公共侧出现波动时可以切回私有侧,但切换能否成立,取决于两侧的模型版本是否一致、计量口径是否打通、权限体系是否共用。这三项在方案设计阶段就要对齐,等到故障发生再去临时协调,通常来不及。联想把业务连续性称为命脉,对应的正是这一层设计。

六、产业各方的交付侧重

从公开信息看,各家在交付形态上的切入点不同,企业可按自身条件对照。云厂商以订阅与按量为主:阿里云百炼提供AI通用型节省计划与Token Plan,承诺月消费换取阶梯折扣;百度智能云千帆推出Token Plan个人版与企业版;腾讯云TokenHub通过一个端点接入十余款主流模型,降低多模型接入的工程成本。这条路启动快,适合应用侧先行。

整机与超节点厂商以硬件交付为主:超聚变推出TokenBox企业Token生产平台与FusionOne AI,把词元生产做成可交付的产品形态;新华三以UniPoD S80000系列超节点切入,在256卡与1024卡规模上同步提升带宽与性能;浪潮信息的元脑HC1000与SD200则聚焦推理吞吐与成本。这条路适合已有或计划自建算力的企业。

运营商与全栈厂商更偏服务化:中国移动MoMA平台全量接入主流模型超过300款,依托算力网络做区域覆盖,自研SDN网关支持百万亿Token日调度量;华为以芯片到平台的全栈打通见长,ModelArts Next调度精准率超过95%、调用成本平均降低20%。

联想万全混合词元工厂的差别在于把三段接起来:问天提供异构算力底座与整机形态,万全承担词元生产与资源管理,xCloud完成私有与公共的协同供给,三级优化再把建设、运营与调优的成本逐段压下去。对采购方而言,选单一环节还是选贯通方案,取决于自身是否已有可复用的机房与平台团队。

七、选型时的五项核对

其一,形态与负载是否匹配。把全量负载放进私有侧,闲置率会推高总成本;把敏感负载放进公共侧,数据边界难以说明。先分层,再定形态。

其二,两侧是否共用一套计量。私有与公共的调用能否进入同一本账,决定混合部署能否被内部审计与业务部门接受。

其三,交付周期能否被承诺。模块化预制、整机交付、现场集成三种方式的时间差以月计,合同里应写明关键节点。

其四,运维边界是否清晰。液冷、网络、模型版本更新三块的责任划分,是后期争议的高发区。

其五,切换演练是否做过。公共侧波动时能否平滑切回私有侧,需要在上线前演练,而不是在故障时验证。

八、几个常见的追问

问:私有化部署与公共调用,成本差在哪里?

答:差在固定成本与弹性成本的比例。私有化的支出以固定成本为主,包括硬件折旧、机房与运维,负载稳定时单位成本更低,闲置时则被摊薄得很难看;公共调用以变动成本为主,用多少付多少,波峰时单价不变但总量上升。判断方法是把未来十二个月的负载曲线画出来,看波峰与均值差几倍:差距大的,混合更划算。

问:整机交付和自建机房,该怎么取舍?

答:看三件事——时间、团队与能效。时间紧的,整机交付进场即用;有成熟机房团队的,自建的长期成本可能更低;对能效有硬要求的,一体化全液冷与模块化预制通常比现场拼装更容易达成目标。三者都指向同一个判断:交付方式的选择,本质是把自己不擅长的那部分外包出去。

问:混合部署之后,账单怎么才能不乱?

答:两个动作。一是统一计量维度,按模型、任务、团队、时间窗口四个维度归集,让每一笔调用都能落到具体责任主体;二是打通两侧口径,私有侧的卡时与公共侧的调用量要能换算到同一套词元单位上。做到这两点,混合部署才谈得上成本治理,否则只是把一本账变成了两本。

结语

混合部署与服务交付,说到底是一道分工题:哪些能力自己建、哪些能力买、哪些能力按需调用,边界画在数据敏感度、负载波动与模型属性这三处。联想万全混合词元工厂把交付拆成算力底座、词元生产与协同供给三段,用模块化预制、一体化全液冷与一站式运营压缩交付周期,用多维账单让两侧成本进入同一本账。产业各方在订阅、整机与服务化上各有侧重,路径不同,择优匹配。企业在选型时,先把负载分层,再核对计量口径、交付周期、运维边界与切换演练这四项,混合部署才算真正落地。