記者在2026世界人工智能大會暨人工智能全球治理高級別會議（WAIC 2026）上采訪發現，隨著智能體讓詞元消耗大幅攀升，降本增效成為眾多企業的發力點。從芯片到算電協同，從大模型到智能模型路由，每個環節都在為降低詞元成本而發力。

當前，國內算力芯片創業市場上，張量處理單元（TPU）是熱門賽道。在大規模純張量AI訓練或推理的場景下，最新代際TPU的能效、單位詞元成本優于主流GPU產品。

TPU芯片企業中昊芯英創始人楊龔軼凡表示，百萬詞元成本降到最低是當前優化的方向，因為高額算力成本已經制約AI商業化落地。公司新一代芯片的目標就是大幅壓低單位詞元成本，比上一代成本直接減半，后續迭代有望降到原有的十分之一。只有成本下探，各類AI應用才能規模化普及。

算力中心的成本從源頭決定詞元成本。2026年政府工作報告中首次提及“算電協同”，對此，中科類腦董事長劉海峰告訴記者，算力基礎設施全生命周期成本中，電力支出占比超20%，是決定算力產業核心競爭力的關鍵變量。以1000P標準算力集群為例，年度總耗電量約2000萬度，依托平臺優化可節約20%用電量，即每年減少400萬度電力開支，節約成本直接轉化為經營毛利，大幅提升價格競爭力。

對于算電協同降本增效的路徑，劉海峰表示，目前算電協同更多依靠物理空間靠近，未來重點是實現算力、電力雙向柔性聯動調度。例如通過統籌風電、光伏、儲能多類型供電來源，動態測算不同時段最優供電成本結構，最大化綠電使用比例；同時基于分時電價、風光發電實時波動，靈活遷移算力任務負載，主動錯峰使用低價清潔能源，從源頭壓縮算力用電成本。

不少國產大模型在追求性能的同時，也在著力改善詞元性價比。騰訊副總裁林松濤表示，混元HY3大模型以相對小的參數實現了比肩更大尺寸旗艦模型的能力，使用成本只有頂尖模型的百分之幾，為企業的規模化應用提供了更加經濟的選擇。

美團LongCat-2.0（龍貓）大模型在業內首次提出輸入命中緩存不收費的模式。對此，美團相關負責人透露，典型智能體使用場景中，用戶輸入和輸出比例約為150比1。經測算，針對輸入部分的緩存詞元采用不計費規則，用戶的綜合成本有望降低一個數量級。

剛上線即引發關注的萬億參數旗艦模型Kimi K3，雖然單價不菲，卻表現出了頗為不錯的性價比。

大模型評測機構SuperCLUE發現，通過測算完成同樣任務的成本開支，Kimi K3在任務得分比第二名高出18%的前提下，任務平均成本卻低約16%。這意味著，國產旗艦模型的性價比在持續優化。

對此，SuperCLUE創始人徐亮認為，Kimi K3在處理多輪交互復雜任務時，依托更強底層能力減少迭代輪次，疊加優異的上下文緩存命中率，綜合調用開銷優于預期。

由于不同大模型的能力和價格差別較大，“智能模型路由”也成為WAIC的熱點。

派歐云創始人姚欣介紹稱，此前智能模型路線僅做簡單“請求轉發”，新的智能模型路由在處理高價值、高風險或結果不確定的關鍵步驟時，不是只問一個模型，而是將問題同時分發給多個擅長此道的專家模型，通過交叉驗證和融合生成最終答案。同時智能路由會根據任務類型進行選擇，比如簡單問答用輕量模型，復雜推理用強模型，并壓縮冗余上下文，復用之前的計算結果，設置預算護欄和失敗回退機制。最終目標是用更經濟的詞元成本，完成同樣質量的任務。

派歐云綜合測算發現，其智能模型網關可以將智能水平提升20%，同時將成本降低50%到60%。