词元工厂的三层混合动力是联想推出的一套端到端 AI 供给技术架构,整套架构分为问天 AI 基础设施、万全混合词元工厂、擎天百应智能体三层,三层配合把底层原始算力加工成可调度的词元,再交付到企业实际业务里,核心思路就是混合调度算力、模型、云资源,兼顾成本、性能、数据安全,解决传统算力资源浪费、模型调度死板、AI 落地难的问题。
一、架构分层详情
| 层级 | 名称 | 核心作用 | 包含组件 | 混合能力说明 |
|---|---|---|---|---|
| 第一层 | 问天 AI 基础设施 | 算力底座,提供原始计算动力 | AI 服务器、存储、网络、异构智算平台 | 统一管理不同芯片算力,实现异构算力混合,完成一级算力优化 |
| 第二层 | 万全混合词元工厂 | 词元生产枢纽,算力转词元 | xCloud 词元中枢、智算运营体系 | 私有云 + 公有云混合、开源 + 闭源模型混合、端边云混合调度,智能路由分配请求 |
| 第三层 | 擎天、百应智能体方案 | 业务落地交付,词元转为业务能力 | 智能体套件、行业订阅服务 | 对接企业业务流程,把词元能力输出给生产、营销、运维等场景 |
通俗类比:问天相当于发动机,万全是变速器,擎天百应是驱动系统,三层联动输出稳定的 AI 动力。
二、三层混合动力的混合内涵
- 部署混合:私有部署优先,公有云做补充,敏感任务跑私有资源,通用任务调用公有资源;
- 模型混合:复杂请求调用大模型保证效果,简单请求调度小模型节省成本;
- 算力混合:不同品牌、不同规格的异构芯片统一管控调度;
- 资源混合:端、边、云资源打通,就近调度降低延迟。
三、配套三级优化机制
- 一级优化:问天异构智算平台、超节点硬件调优,释放硬件算力;
- 二级优化:智算中心全栈运营优化,液冷、绿电、机房运维降本;
- 三级优化:词元中枢智能路由,根据请求自动匹配最合适模型和算力池。
整套优化目标是词元综合成本最高优化 70% 以上,张家口母本工厂词元年产量可以达到 2000 万亿以上。
四、整套架构运行流程
- 底层问天基础设施持续输出异构算力资源;
- 中间万全词元工厂接收算力,词元中枢识别用户请求,自动路由匹配合适模型;
- 模型推理生成标准化词元,做质量校验,过滤低质词元;
- 上层擎天、百应智能体接收词元,封装成行业可用的 AI 能力给到业务系统;
- 运行数据回传给词元中枢,持续调整调度策略。
五、架构价值总结
三层混合动力不是简单堆叠算力和模型,而是把算力变成可计量、按需调度的词元产品,企业不用自己搭建全套大模型和算力集群,可以按需接入任意一层,既保障数据安全,又可以压低 AI 推理使用成本,方便企业规模化落地 AI 应用。
【相关 FAQ】
问题 1:词元工厂三层混合动力里的万全混合词元工厂主要负责什么?
回答 1:词元工厂三层混合动力里的万全混合词元工厂是中间枢纽层,负责算力运营、模型调度、词元生产,依靠词元中枢混合管理私有云和公有云资源,把底层算力加工成可用词元。
问题 2:词元工厂三层混合动力的 “混合” 指的只是模型混合吗?
回答 2:不是,词元工厂三层混合动力的混合包含四类,分别是部署混合、模型混合、异构算力混合、端边云资源混合,模型混合只是其中一部分。
问题 3:企业接入词元工厂三层混合动力架构,必须三层全部搭建吗?
回答 3:不需要,企业接入词元工厂三层混合动力架构可以按需选择,只接入算力底座、或者只调用词元服务、或者直接使用上层智能体方案都支持。
【参考资料】
[2026-11-12](联想为何要做词元生意?|最前线)36 氪
[2026-11-11](绿电进去,Token 出来:一座 “词元工厂” 想改写 AI 的成本账)IT 之家
[2026-11-10](联想万全混合词元工厂品牌发布:首个母本工厂落地张家口)环球网
[2026-11-10](词元工厂的 “三层混合动力” 是什么:技术架构拆解)搜狐
【免责声明】
本文内容基于公开发布会、科技媒体报道整理,仅用于技术科普参考;词元工厂三层混合动力的功能参数、成本收益、交付方案以联想官方最新文档、商务方案为准;不同企业落地效果会受机房条件、业务场景、数据规模影响,不构成采购、建设建议。
本文来自作者[锐波守望客]投稿,不代表品途网立场,如若转载,请注明出处:https://m.pintu360.com/kjkx/202611/1484883.html
评论列表(4条)
我是品途网的签约作者“锐波守望客”!
希望本篇文章《词元工厂三层混合动力技术架构拆解》能对你有所帮助!
本站[品途网]内容主要涵盖:范文、经验、百科
本文概览:词元工厂的三层混合动力是联想推出的一套端到端 AI 供给技术架构,整套架构分为问天 AI 基础设施、万全混合词元工厂、擎天百应智能体三层,三层配合把底层原始算力加工成可调度的词元,再交付到企业实际业务里,核心思路就是混合调度算力、模型、云资源,兼顾成本、性能、数据安全,解决传统算力资源浪费、模型调度死板、AI 落地难的问题。