九章云極發(fā)布AI工廠體系：破解140萬億Token時代的落地悖論｜甲子光年

讓AI像電力一樣流動，讓智能像工業(yè)品一樣生產(chǎn)。

作者｜田思奇

編輯｜栗子

140萬億，這是今年3月，國家數(shù)據(jù)局公布的中國日均Token調(diào)用量。

280倍，是斯坦福大學(xué)人文中心人工智能研究所（Stanford HAI）測算的，過去兩年推理成本的降幅。

40%，這是Gartner預(yù)測的，到2026年底，計(jì)劃在業(yè)務(wù)系統(tǒng)中嵌入AI Agent的企業(yè)比例。

AI行業(yè)已正式告別堆砌硬件與參數(shù)的粗放發(fā)展階段，從模型競賽走向智能工業(yè)化。然而，算力越堆越多，模型越來越強(qiáng)，企業(yè)真正獲得的智能服務(wù)卻沒有同步增長。

制造企業(yè)算不清AI投入回報(bào)，銀行模型無法對接核心業(yè)務(wù)。問題的關(guān)鍵變成如何把算力、模型和行業(yè)知識，轉(zhuǎn)化為可持續(xù)生產(chǎn)的智能交付能力，也把算力從硬件資源，轉(zhuǎn)變?yōu)榭啥攘俊⒖山Y(jié)算、可落地的生產(chǎn)力。

立足這一產(chǎn)業(yè)拐點(diǎn)，九章云極DataCanvas于6月17日正式發(fā)布Alaya NeW AI工廠，并從即日起面向行業(yè)開發(fā)。它錨定十萬P算力、十萬億Token、千個模型、千倍降本這四大目標(biāo)，力求讓算力像電力一樣流動，讓智能像工業(yè)品一樣生產(chǎn)。

“人工智能的競賽，已經(jīng)從發(fā)明時代進(jìn)入工業(yè)化時代，”九章云極創(chuàng)始人兼董事長方磊表示。

1.智能工業(yè)化時代：算力從資源走向服務(wù)

回顧數(shù)字產(chǎn)業(yè)發(fā)展歷程，每一輪產(chǎn)業(yè)升級，本質(zhì)都是硬件資源向標(biāo)準(zhǔn)化服務(wù)的轉(zhuǎn)型。

云計(jì)算時代，企業(yè)告別自建機(jī)房，算力成為按需取用的公共服務(wù)。如今AI行業(yè)正在復(fù)刻這一路徑，企業(yè)的需求已超越底層算力，轉(zhuǎn)向直接獲取能落地、創(chuàng)造價(jià)值的專業(yè)智能。

「甲子光年」注意到，這種變化首先來自模型能力的逐漸收斂。進(jìn)入2026年，模型差距縮小，但智能服務(wù)需求卻快速增長。推理成本斷崖式下跌、Token需求指數(shù)級爆發(fā)，標(biāo)志著大模型從高端技術(shù)變?yōu)槿窕A(chǔ)能力，智能服務(wù)成為競爭核心。

企業(yè)采購AI，本質(zhì)是為了落地業(yè)務(wù)、創(chuàng)造收益，堆砌模型參數(shù)無法帶來實(shí)際價(jià)值，更低運(yùn)營成本、更高研發(fā)效率才是核心追求。產(chǎn)業(yè)重心徹底從模型訓(xùn)練轉(zhuǎn)向推理交付。但傳統(tǒng)智算云本質(zhì)只是“算力倉庫”，只做硬件資源供給，無法承接全鏈路智能生產(chǎn)需求。

以前企業(yè)需要GPU，平臺提供GPU；企業(yè)需要訓(xùn)練集群，平臺提供訓(xùn)練集群。而當(dāng)下企業(yè)需要的是集模型訓(xùn)練、推理優(yōu)化、智能體調(diào)度、成本管控、持續(xù)迭代于一體的完整體系。這也解釋了行業(yè)普遍困境：算力資源不等于智能生產(chǎn)力，孤立模型不等于商業(yè)價(jià)值。整個產(chǎn)業(yè)急需一套現(xiàn)代化智能生產(chǎn)線，打通資源到價(jià)值的全鏈路。

在此背景下，Token的產(chǎn)業(yè)地位全面凸顯。工業(yè)時代，電力是標(biāo)準(zhǔn)化能源；互聯(lián)網(wǎng)時代，流量是標(biāo)準(zhǔn)化連接；而智能時代，Token正在成為標(biāo)準(zhǔn)化智能。AI產(chǎn)業(yè)正在從算力經(jīng)濟(jì)走向Token經(jīng)濟(jì)。

“Token時代的本質(zhì)，是智能需求進(jìn)入工業(yè)規(guī)模，”九章云極副總裁胡宗星表示。他同時指出，中端模型Token單價(jià)已趨近于零，單純打價(jià)格戰(zhàn)沒有意義，企業(yè)真正關(guān)心的是每一項(xiàng)業(yè)務(wù)的任務(wù)完成成本。

金融需要適配風(fēng)控的專業(yè)Token，制造需要貼合產(chǎn)線的專業(yè)Token，科研依賴高復(fù)雜度推理Token。唯有實(shí)現(xiàn)智能服務(wù)可量化、可定價(jià)、可迭代，企業(yè)才能清晰核算ROI，讓AI從實(shí)驗(yàn)室試點(diǎn)轉(zhuǎn)為常態(tài)化生產(chǎn)工具。

從這個角度來看，九章云極的AI工廠體系并非憑空誕生，而是智能工業(yè)化的必然產(chǎn)物。它就如同智能煉油廠，以算力、數(shù)據(jù)為原料，一邊完成通用模型的專業(yè)化冶煉，一邊實(shí)現(xiàn)專業(yè)智能的規(guī)模化流通，系統(tǒng)性解決資源難轉(zhuǎn)生產(chǎn)力的行業(yè)難題。

2.專業(yè)Token：智能價(jià)值的最小可計(jì)量單元

九章云極打造的AI工廠體系，并非兩套系統(tǒng)的簡單拼接，而是閉環(huán)運(yùn)轉(zhuǎn)的智能生產(chǎn)線。

其中訓(xùn)練工廠被九章云極定義為智能產(chǎn)業(yè)的重工業(yè)基地與核心精煉廠。它將海量算力與通用模型作為原料，通過以強(qiáng)化學(xué)習(xí)為核心的工業(yè)級冶煉，生產(chǎn)出為千行百業(yè)量身定制的專業(yè)模型。訓(xùn)練工廠不是堆卡，而是把通用智能冶煉為專業(yè)智能，系統(tǒng)性地解決智能從0到1的研發(fā)與制造難題。

這背后需要四項(xiàng)工程能力：大規(guī)模訓(xùn)練底座，保證千卡到萬卡級集群的穩(wěn)定運(yùn)行；領(lǐng)域精調(diào)，讓模型真正懂金融、制造、政務(wù)、科研；強(qiáng)化學(xué)習(xí)，讓模型從會回答問題走向會完成任務(wù)；評測閉環(huán)，確保專業(yè)模型可驗(yàn)證、可迭代、可進(jìn)入生產(chǎn)系統(tǒng)。

胡宗星總結(jié)為：“訓(xùn)練工廠不是堆卡，而是把通用智能冶煉為專業(yè)智能。”十萬P算力規(guī)劃，正是為這套冶煉體系提供原料保障。

如果說訓(xùn)練工廠生產(chǎn)的是專業(yè)智能，那么Token工廠生產(chǎn)的則是專業(yè)智能服務(wù)。

長期以來，AI行業(yè)更多關(guān)注模型訓(xùn)練，卻很少關(guān)注模型如何規(guī)模化交付。對于企業(yè)而言，一個模型文件本身并不能創(chuàng)造價(jià)值，真正有價(jià)值的是能夠穩(wěn)定調(diào)用、持續(xù)運(yùn)行、成本可控的智能服務(wù)。大量項(xiàng)目難以落地，問題往往不在模型能力，而在推理成本、資源調(diào)度和服務(wù)治理。

Token工廠解決的正是這一環(huán)節(jié)。通過推理優(yōu)化、動態(tài)路由和統(tǒng)一調(diào)度，專業(yè)模型被封裝為可調(diào)用、可計(jì)量、可保障的專業(yè)Token，讓智能首次具備規(guī)模化流通能力。每日十萬億專業(yè)Token的規(guī)劃產(chǎn)能，考驗(yàn)的不只是算力規(guī)模，更是推理效率、調(diào)度效率和服務(wù)能力。

結(jié)合場景差異，九章進(jìn)一步提出Token分級體系。消費(fèi)級Token主打大眾普惠體驗(yàn)，專業(yè)級Token深度綁定業(yè)務(wù)與合規(guī)，前沿級Token面向高端科研與復(fù)雜推理。按照九章云極的定義：專業(yè)Token，將成為智能價(jià)值的最小可計(jì)量單元。

同時，九章云極將戰(zhàn)略重心放在專業(yè)級和前沿級Token，并并致力于實(shí)現(xiàn)單日十萬億高質(zhì)量Token流轉(zhuǎn)能力的目標(biāo)。其關(guān)注的并非單個超級模型，而是覆蓋千行百業(yè)的專業(yè)智能供給體系。

“企業(yè)關(guān)心的不是有多少機(jī)器，而是每天能穩(wěn)定獲得多少專業(yè)智能，”胡宗星表示。AI工廠體系，正是智能工業(yè)化的工程底座。

3.三大支柱：把算力轉(zhuǎn)化為可交付的智能

作為長期運(yùn)轉(zhuǎn)的智能生產(chǎn)體系。企業(yè)更關(guān)心AI工廠能否持續(xù)創(chuàng)造價(jià)值。九章云極的答案是技術(shù)效能、生態(tài)范式和商業(yè)飛輪三大支柱：技術(shù)效能決定成本結(jié)構(gòu)，生態(tài)范式?jīng)Q定規(guī)模邊界，商業(yè)飛輪決定增長天花板。

首先是技術(shù)效能。行業(yè)價(jià)格戰(zhàn)愈演愈烈，但九章云極反復(fù)強(qiáng)調(diào)：千倍降本不是價(jià)格戰(zhàn)，而是工程效率戰(zhàn)。行業(yè)真實(shí)痛點(diǎn)是有效算力嚴(yán)重不足，GPU利用率偏低、異構(gòu)芯片難以協(xié)同、訓(xùn)推資源重復(fù)建設(shè)，造成巨大效率浪費(fèi)。因此，九章把重點(diǎn)放在提高單位資源的產(chǎn)出能力上。方磊在發(fā)布會明確了三條路徑:

第一，全棧自研的智算技術(shù)矩陣，打通從底層驅(qū)動到全局調(diào)度的完整鏈路，實(shí)現(xiàn)萬卡級異構(gòu)統(tǒng)一調(diào)度。 第二，算電協(xié)同。讓算力負(fù)載動態(tài)適配能源波谷，將每一度電轉(zhuǎn)化為更高價(jià)值的計(jì)算。 第三，貫穿生產(chǎn)線的模型與推理優(yōu)化。訓(xùn)練階段優(yōu)化算法與框架，推理階段采用量化、KV緩存、動態(tài)路由，同時將訓(xùn)練、轉(zhuǎn)運(yùn)、服務(wù)化流程標(biāo)準(zhǔn)化，實(shí)現(xiàn)“工廠復(fù)用”，不斷降低邊際成本。

這三條路徑的集成，將超大規(guī)模集群的有效利用率穩(wěn)定在行業(yè)高位。對企業(yè)而言，這意味著任務(wù)完成成本大幅下降；對投資人，持續(xù)降本意味著更高毛利和更強(qiáng)壁壘。

其次是生態(tài)范式。技術(shù)效能解決效率問題，生態(tài)范式解決規(guī)模問題。任何單一企業(yè)都難獨(dú)立完成AI產(chǎn)業(yè)鏈建設(shè)：芯片廠商需要模型生態(tài)，模型廠商需要推理平臺，企業(yè)需要成熟應(yīng)用場景。因此，九章啟動智算開放計(jì)劃，旨在構(gòu)建多元、互補(bǔ)、共生的產(chǎn)業(yè)共同體。

按照發(fā)布會披露，該計(jì)劃包括能力開放、資源開放和生態(tài)開放三層：向模型廠商開放訓(xùn)練底座，向應(yīng)用方開放Token工廠接口，并在未來三年聯(lián)合孵化1000個高價(jià)值專業(yè)模型與智能應(yīng)用。同時，九章希望與芯片、模型、能源、硬件、應(yīng)用和開發(fā)者等伙伴共同參與標(biāo)準(zhǔn)制定、能力共享和市場拓展。

按照方磊的規(guī)劃，九章云極將跳出單一服務(wù)商的角色，定位為串聯(lián)上下游的價(jià)值開放平臺。

目前，九章智算云預(yù)置50多款主流基座模型以及100多款面向金融、制造、政務(wù)、科研等真實(shí)開源數(shù)據(jù)集。這意味著九章云極AI工廠生態(tài)并非從零開始，而是已經(jīng)具備一定可調(diào)用能力。

「甲子光年」認(rèn)為，中立性是獨(dú)立智算云的重要價(jià)值。對模型廠商和企業(yè)而言，基礎(chǔ)設(shè)施越開放，技術(shù)路線被鎖定的風(fēng)險(xiǎn)越低。企業(yè)越來越少押注單一模型，而是根據(jù)場景組合使用不同模型能力，中立平臺的價(jià)值進(jìn)一步提升。

最后是商業(yè)飛輪。方磊在演講中將其概括為：DCU度量投入，Token度量產(chǎn)出，數(shù)據(jù)驅(qū)動進(jìn)化。

DCU是九章云極提出的一度算力計(jì)量體系，將GPU、網(wǎng)絡(luò)、存儲等異構(gòu)資源統(tǒng)一封裝為標(biāo)準(zhǔn)化算力產(chǎn)品。專業(yè)Token則衡量智能產(chǎn)出，讓模型調(diào)用、行業(yè)任務(wù)執(zhí)行和Agent能力變成可結(jié)算、可運(yùn)營的服務(wù)。由此，AI工廠的效率不再只看資源規(guī)模，而是看DCU到專業(yè)Token的轉(zhuǎn)換效率。

同樣的DCU，能否產(chǎn)出更多、更穩(wěn)定、更高價(jià)值的專業(yè)Token，直接決定企業(yè)的任務(wù)完成成本，也決定平臺的經(jīng)營效率。對企業(yè)而言，AI由此從買卡、建集群、招團(tuán)隊(duì)的基建投資，轉(zhuǎn)向Token調(diào)用、按需訓(xùn)練、快速POC、按用付費(fèi)的運(yùn)營支出。

更重要的是，Token應(yīng)用產(chǎn)生的數(shù)據(jù)會回流訓(xùn)練工廠，推動模型持續(xù)迭代，讓下一個Token更聰明、更便宜。方磊將其稱為越用越強(qiáng)，越強(qiáng)越用的增強(qiáng)回路。相比傳統(tǒng)云計(jì)算的一次性資源交易，AI工廠試圖通過DCU、專業(yè)Token和強(qiáng)化學(xué)習(xí)，形成持續(xù)增長的智能服務(wù)關(guān)系。

據(jù)「甲子光年」觀察，越來越多企業(yè)開始用運(yùn)營指標(biāo)而非技術(shù)指標(biāo)評估AI項(xiàng)目。任務(wù)完成率、單位任務(wù)成本和業(yè)務(wù)轉(zhuǎn)化率，正在取代模型參數(shù)和Benchmark成績，成為新的核心指標(biāo)。Alaya NeW系統(tǒng)不只賣Token也不只賣算力，而是把全棧能力打包提供，讓算力轉(zhuǎn)化為可持續(xù)生產(chǎn)、可持續(xù)交付、可持續(xù)增長的智能生產(chǎn)力。

4.獨(dú)立智算云的時代機(jī)遇：中立、全棧、全球化

AI工廠戰(zhàn)略的意義，不只是推出一種新的產(chǎn)品形態(tài)，更折射出智算產(chǎn)業(yè)競爭邏輯的變化。

過去幾年，國內(nèi)智算產(chǎn)業(yè)經(jīng)歷了一輪建設(shè)高峰。隨著大模型進(jìn)入推理時代，行業(yè)正從建設(shè)周期邁入運(yùn)營周期。建設(shè)階段比拼硬件規(guī)模，運(yùn)營階段比拼資源利用率、服務(wù)能力和生態(tài)效率。企業(yè)關(guān)注的也不再是部署了多少張卡，而是在同樣預(yù)算下能夠獲得多少智能產(chǎn)出。

這一變化正在為獨(dú)立智算云創(chuàng)造新的機(jī)會。隨著模型生態(tài)日益豐富，企業(yè)越來越重視技術(shù)路線的開放性，希望避免被綁定在單一模型或單一平臺之上。相比同時擁有模型、應(yīng)用和云業(yè)務(wù)的大型平臺，獨(dú)立智算云的中立屬性開始體現(xiàn)價(jià)值。

九章云極強(qiáng)調(diào)的第三方中立定位，正契合了這一趨勢。其不參與模型競爭，也不綁定單一芯片路線，而是連接芯片廠商、模型廠商、開發(fā)者和企業(yè)，為多元生態(tài)提供統(tǒng)一底座。

與此同時，行業(yè)競爭已從單點(diǎn)對決，升級為全棧系統(tǒng)能力比拼。企業(yè)需要的已不是單一算力資源，而是一套覆蓋訓(xùn)練、推理、調(diào)度、開發(fā)和運(yùn)營的完整體系。

九章構(gòu)建的全棧能力，從底層基礎(chǔ)設(shè)施到智算操作系統(tǒng)，再到開發(fā)入口和應(yīng)用工具，試圖打通智能生產(chǎn)全鏈路。對于企業(yè)而言，這意味著更低的集成成本和更快的落地速度；對于生態(tài)伙伴而言，則意味著更統(tǒng)一的開發(fā)環(huán)境和更高的協(xié)同效率。

全球化則是下一階段的重要變量。AI正成為可對外輸出的數(shù)字基礎(chǔ)設(shè)施。

相比單純輸出算力，九章云極選擇把經(jīng)過市場驗(yàn)證的AI工廠整套體系推向海外，依托全球智算火種計(jì)劃，深耕中東、東南亞等區(qū)域，持續(xù)布局全球智算網(wǎng)絡(luò)。

放眼全行業(yè)，高端芯片供給、跨境數(shù)據(jù)合規(guī)、多模態(tài)計(jì)量標(biāo)準(zhǔn)仍是共性挑戰(zhàn)，Token體系與專業(yè)模型生態(tài)也仍需市場培育。

從更長周期看，AI產(chǎn)業(yè)正在經(jīng)歷與電力、云計(jì)算類似的發(fā)展過程。資源規(guī)模依然重要，但資源轉(zhuǎn)化效率、服務(wù)穩(wěn)定性和生態(tài)協(xié)同能力正在成為新的競爭變量。九章云極提出10萬P算力、十萬億Token、千個模型和千倍降本四個目標(biāo)，指向的正是智能生產(chǎn)體系的規(guī)模、交付、生態(tài)和效率。

在發(fā)布會最后，九章云極提出了一句倡導(dǎo)：以普惠算力讓AI獲得自由。

「甲子光年」認(rèn)為，這種自由不是技術(shù)意義上的自由，而是一種產(chǎn)業(yè)意義上的自由。智能可以脫離單一模型、單一芯片和單一平臺的束縛，像電力一樣被標(biāo)準(zhǔn)化生產(chǎn)、規(guī)模化流通、按需調(diào)用，并持續(xù)創(chuàng)造價(jià)值。

當(dāng)AI的競賽從發(fā)明時代進(jìn)入工業(yè)化時代，九章云極的AI工廠，回答的正是這道產(chǎn)業(yè)命題：讓算力回歸本質(zhì)，成為普惠、可靠、高效的社會級生產(chǎn)力。

（封面圖來源：2026全球智算科技峰會暨九章云極戰(zhàn)略發(fā)布會）