全國科學技術名詞審定委員會于近日正式宣布，將“詞元”作為人工智能領域“token”的標準中文譯名，并優先推薦使用。這一決定標志著詞元概念正式進入社會與經濟各領域。據國家數據局統計，自2024年初中國日均詞元調用量突破1000億后，至2025年底已飆升至100萬億，2026年3月更突破140萬億，兩年間增長超千倍。詞元作為大模型處理信息的最小單元，具有可計量、可定價、可交易的特性，為詞元經濟的發展奠定了基礎。
Gartner預測，到2027年末，生成式AI與AI智能體的廣泛應用將對主流生產力工具構成30年來首次重大挑戰。企業運營和管理的各個環節正在逐步詞元化，這一趨勢正深刻改變著企業IT基礎設施的面貌。隨著詞元在生產力工具中的廣泛應用，企業IT基礎設施正經歷從云原生到AI原生的重大轉型。詞元時代的AI原生將不再是孤立的系統，而是成為企業IT基礎設施的核心組成部分。
云原生技術作為云計算發展的成熟產物，主要包括容器、Kubernetes集群管理、服務網格和微服務等，已成為新一代企業IT基礎設施的標準。然而，隨著以機器學習和深度學習為代表的傳統AI進入企業應用，AI原生概念應運而生。在云原生階段，AI原生主要面向單一應用，如智能客服和視覺檢測，仍是附屬在企業IT基礎設施上的解決方案，呈現孤島型系統特征。
進入大模型時代，AI原生的內涵發生了根本性變化。大模型更類似于操作系統，成為橫跨企業IT基礎設施的橫向層，與云原生具有同等重要的地位。相比之下，小模型階段的AI原生只是單一系統，部署成本高、耗時長且難以擴展。大模型時代的AI原生則無需重新開發和部署，即可低成本、高效率、高擴展性地適配新場景，代表了IT基礎架構和基礎設施的根本性變革。
大模型AI原生主要面向訓練和推理兩類特殊計算，對IT基礎設施提出了更高要求，包括高精度資源編排、面向GPU等加速卡的基礎設施以及動態擴容能力。過去，GPU等計算資源在企業內部較為分散，數據處理、模型訓練和推理等系統也呈孤島狀，導致企業難以快速實施和部署新的AI項目。咨詢公司Wikibon指出，企業IT需重新圍繞計算、編排和效率組織資源，尤其是GPU和加速器的采用。
Wikibon建議，面向大模型AI原生的企業IT基礎架構應具備集中統一、動態分配計算資源和按利用率衡量計算效率等特點，并傾向于采用開源系統而非專有技術棧。Wikibon認為，未來AI的推廣將取決于誰能高效、可靠、大規模地運營AI，而非誰能獲得模型。這一觀點預示著企業IT基礎設施將迎來新一輪變革。
當前，企業正站在IT變革的初期階段。45年前，現代PC的誕生改變了企業辦公方式；如今，企業員工正逐步從使用PC轉向使用智能體和詞元完成任務。未來，智能體設備有望替代PC成為新的辦公工具。與此同時，企業領導者需重新構建IT基礎設施，以適應詞元經濟時代的到來。
NVIDIA CEO黃仁勛在2025年提出“AI工廠”概念，并在2026年進一步提出“五層蛋糕”架構，將AI工廠列為AI基礎設施的核心。該架構包括能源、芯片、基礎設施、模型和應用五層，其中AI工廠基礎設施承擔承上啟下的重任。黃仁勛認為，數據中心將升級為AI工廠，標志著企業IT基礎設施將迎來新一輪變革。
目前，面向大模型AI的AI原生基礎設施即“AI工廠”存在兩大路線：一是以NVIDIA為代表的專有技術路線，二是開源技術廠商的開源路線。NVIDIA在商用AI工廠領域處于領先地位，而開源廠商也在快速發展和成熟。Wikibon認為，開源在AI工廠產業中扮演重要角色，可促進跨生態協作、降低供應商鎖定風險并通過社區貢獻加速創新。隨著企業IT變革的深入，新舊范式正經歷此消彼長的階段，企業需為新范式的到來做好充分準備。
