让 AI 像电力一样流动，让智能像工业品一样生产。

作者｜田思奇

编辑｜栗子

140 万亿，这是今年 3 月，国家数据局公布的中国日均 Token 调用量。

280 倍，是斯坦福大学人文中心人工智能研究所（Stanford HAI）测算的，过去两年推理成本的降幅。

40%，这是 Gartner 预测的，到 2026 年底，计划在业务系统中嵌入 AI Agent 的企业比例。

AI 行业已正式告别堆砌硬件与参数的粗放发展阶段，从模型竞赛走向智能工业化。然而，算力越堆越多，模型越来越强，企业真正获得的智能服务却没有同步增长。

制造企业算不清 AI 投入回报，银行模型无法对接核心业务。问题的关键变成如何把算力、模型和行业知识，转化为可持续生产的智能交付能力，也把算力从硬件资源，转变为可度量、可结算、可落地的生产力。

立足这一产业拐点，九章云极 DataCanvas 于 6 月 17 日正式发布 Alaya NeW AI 工厂，并从即日起面向行业开发。它锚定十万 P 算力、十万亿 Token、千个模型、千倍降本这四大目标，力求让算力像电力一样流动，让智能像工业品一样生产。

" 人工智能的竞赛，已经从发明时代进入工业化时代，"九章云极创始人兼董事长方磊表示。

1. 智能工业化时代：算力从资源走向服务

回顾数字产业发展历程，每一轮产业升级，本质都是硬件资源向标准化服务的转型。

云计算时代，企业告别自建机房，算力成为按需取用的公共服务。如今 AI 行业正在复刻这一路径，企业的需求已超越底层算力，转向直接获取能落地、创造价值的专业智能。

「甲子光年」注意到，这种变化首先来自模型能力的逐渐收敛。进入 2026 年，模型差距缩小，但智能服务需求却快速增长。推理成本断崖式下跌、Token 需求指数级爆发，标志着大模型从高端技术变为全民基础能力，智能服务成为竞争核心。

企业采购 AI，本质是为了落地业务、创造收益，堆砌模型参数无法带来实际价值，更低运营成本、更高研发效率才是核心追求。产业重心彻底从模型训练转向推理交付。但传统智算云本质只是 " 算力仓库 "，只做硬件资源供给，无法承接全链路智能生产需求。

以前企业需要 GPU，平台提供 GPU；企业需要训练集群，平台提供训练集群。而当下企业需要的是集模型训练、推理优化、智能体调度、成本管控、持续迭代于一体的完整体系。这也解释了行业普遍困境：算力资源不等于智能生产力，孤立模型不等于商业价值。整个产业急需一套现代化智能生产线，打通资源到价值的全链路。

在此背景下，Token 的产业地位全面凸显。工业时代，电力是标准化能源；互联网时代，流量是标准化连接；而智能时代，Token 正在成为标准化智能。AI 产业正在从算力经济走向 Token 经济。

"Token 时代的本质，是智能需求进入工业规模，"九章云极副总裁胡宗星表示。他同时指出，中端模型 Token 单价已趋近于零，单纯打价格战没有意义，企业真正关心的是每一项业务的任务完成成本。

金融需要适配风控的专业 Token，制造需要贴合产线的专业 Token，科研依赖高复杂度推理 Token。唯有实现智能服务可量化、可定价、可迭代，企业才能清晰核算 ROI，让 AI 从实验室试点转为常态化生产工具。

从这个角度来看，九章云极的 AI 工厂体系并非凭空诞生，而是智能工业化的必然产物。它就如同智能炼油厂，以算力、数据为原料，一边完成通用模型的专业化冶炼，一边实现专业智能的规模化流通，系统性解决资源难转生产力的行业难题。

2. 专业 Token：智能价值的最小可计量单元

九章云极打造的 AI 工厂体系，并非两套系统的简单拼接，而是闭环运转的智能生产线。

其中训练工厂被九章云极定义为智能产业的重工业基地与核心精炼厂。它将海量算力与通用模型作为原料，通过以强化学习为核心的工业级冶炼，生产出为千行百业量身定制的专业模型。训练工厂不是堆卡，而是把通用智能冶炼为专业智能，系统性地解决智能从 0 到 1 的研发与制造难题。

这背后需要四项工程能力：大规模训练底座，保证千卡到万卡级集群的稳定运行；领域精调，让模型真正懂金融、制造、政务、科研；强化学习，让模型从会回答问题走向会完成任务；评测闭环，确保专业模型可验证、可迭代、可进入生产系统。

胡宗星总结为：" 训练工厂不是堆卡，而是把通用智能冶炼为专业智能。" 十万 P 算力规划，正是为这套冶炼体系提供原料保障。

如果说训练工厂生产的是专业智能，那么 Token 工厂生产的则是专业智能服务。

长期以来，AI 行业更多关注模型训练，却很少关注模型如何规模化交付。对于企业而言，一个模型文件本身并不能创造价值，真正有价值的是能够稳定调用、持续运行、成本可控的智能服务。大量项目难以落地，问题往往不在模型能力，而在推理成本、资源调度和服务治理。

Token 工厂解决的正是这一环节。通过推理优化、动态路由和统一调度，专业模型被封装为可调用、可计量、可保障的专业 Token，让智能首次具备规模化流通能力。每日十万亿专业 Token 的规划产能，考验的不只是算力规模，更是推理效率、调度效率和服务能力。

结合场景差异，九章进一步提出 Token 分级体系。消费级 Token 主打大众普惠体验，专业级 Token 深度绑定业务与合规，前沿级 Token 面向高端科研与复杂推理。按照九章云极的定义：专业 Token，将成为智能价值的最小可计量单元。

同时，九章云极将战略重心放在专业级和前沿级 Token，并并致力于实现单日十万亿高质量 Token 流转能力的目标。其关注的并非单个超级模型，而是覆盖千行百业的专业智能供给体系。

" 企业关心的不是有多少机器，而是每天能稳定获得多少专业智能，"胡宗星表示。AI 工厂体系，正是智能工业化的工程底座。

3. 三大支柱：把算力转化为可交付的智能

作为长期运转的智能生产体系。企业更关心 AI 工厂能否持续创造价值。九章云极的答案是技术效能、生态范式和商业飞轮三大支柱：技术效能决定成本结构，生态范式决定规模边界，商业飞轮决定增长天花板。

首先是技术效能。行业价格战愈演愈烈，但九章云极反复强调：千倍降本不是价格战，而是工程效率战。行业真实痛点是有效算力严重不足，GPU 利用率偏低、异构芯片难以协同、训推资源重复建设，造成巨大效率浪费。因此，九章把重点放在提高单位资源的产出能力上。方磊在发布会明确了三条路径 :

第一，全栈自研的智算技术矩阵，打通从底层驱动到全局调度的完整链路，实现万卡级异构统一调度。

第二，算电协同。让算力负载动态适配能源波谷，将每一度电转化为更高价值的计算。

第三，贯穿生产线的模型与推理优化。训练阶段优化算法与框架，推理阶段采用量化、KV 缓存、动态路由，同时将训练、转运、服务化流程标准化，实现 " 工厂复用 "，不断降低边际成本。

这三条路径的集成，将超大规模集群的有效利用率稳定在行业高位。对企业而言，这意味着任务完成成本大幅下降；对投资人，持续降本意味着更高毛利和更强壁垒。

其次是生态范式。技术效能解决效率问题，生态范式解决规模问题。任何单一企业都难独立完成 AI 产业链建设：芯片厂商需要模型生态，模型厂商需要推理平台，企业需要成熟应用场景。因此，九章启动智算开放计划，旨在构建多元、互补、共生的产业共同体。

按照发布会披露，该计划包括能力开放、资源开放和生态开放三层：向模型厂商开放训练底座，向应用方开放 Token 工厂接口，并在未来三年联合孵化 1000 个高价值专业模型与智能应用。同时，九章希望与芯片、模型、能源、硬件、应用和开发者等伙伴共同参与标准制定、能力共享和市场拓展。

按照方磊的规划，九章云极将跳出单一服务商的角色，定位为串联上下游的价值开放平台。

目前，九章智算云预置 50 多款主流基座模型以及 100 多款面向金融、制造、政务、科研等真实开源数据集。这意味着九章云极 AI 工厂生态并非从零开始，而是已经具备一定可调用能力。

「甲子光年」认为，中立性是独立智算云的重要价值。对模型厂商和企业而言，基础设施越开放，技术路线被锁定的风险越低。企业越来越少押注单一模型，而是根据场景组合使用不同模型能力，中立平台的价值进一步提升。

最后是商业飞轮。方磊在演讲中将其概括为：DCU 度量投入，Token 度量产出，数据驱动进化。

DCU 是九章云极提出的一度算力计量体系，将 GPU、网络、存储等异构资源统一封装为标准化算力产品。专业 Token 则衡量智能产出，让模型调用、行业任务执行和 Agent 能力变成可结算、可运营的服务。由此，AI 工厂的效率不再只看资源规模，而是看 DCU 到专业 Token 的转换效率。

同样的 DCU，能否产出更多、更稳定、更高价值的专业 Token，直接决定企业的任务完成成本，也决定平台的经营效率。对企业而言，AI 由此从买卡、建集群、招团队的基建投资，转向 Token 调用、按需训练、快速 POC、按用付费的运营支出。

更重要的是，Token 应用产生的数据会回流训练工厂，推动模型持续迭代，让下一个 Token 更聪明、更便宜。方磊将其称为越用越强，越强越用的增强回路。相比传统云计算的一次性资源交易，AI 工厂试图通过 DCU、专业 Token 和强化学习，形成持续增长的智能服务关系。

据「甲子光年」观察，越来越多企业开始用运营指标而非技术指标评估 AI 项目。任务完成率、单位任务成本和业务转化率，正在取代模型参数和 Benchmark 成绩，成为新的核心指标。Alaya NeW 系统不只卖 Token 也不只卖算力，而是把全栈能力打包提供，让算力转化为可持续生产、可持续交付、可持续增长的智能生产力。

4. 独立智算云的时代机遇：中立、全栈、全球化

AI 工厂战略的意义，不只是推出一种新的产品形态，更折射出智算产业竞争逻辑的变化。

过去几年，国内智算产业经历了一轮建设高峰。随着大模型进入推理时代，行业正从建设周期迈入运营周期。建设阶段比拼硬件规模，运营阶段比拼资源利用率、服务能力和生态效率。企业关注的也不再是部署了多少张卡，而是在同样预算下能够获得多少智能产出。

这一变化正在为独立智算云创造新的机会。随着模型生态日益丰富，企业越来越重视技术路线的开放性，希望避免被绑定在单一模型或单一平台之上。相比同时拥有模型、应用和云业务的大型平台，独立智算云的中立属性开始体现价值。

九章云极强调的第三方中立定位，正契合了这一趋势。其不参与模型竞争，也不绑定单一芯片路线，而是连接芯片厂商、模型厂商、开发者和企业，为多元生态提供统一底座。

与此同时，行业竞争已从单点对决，升级为全栈系统能力比拼。企业需要的已不是单一算力资源，而是一套覆盖训练、推理、调度、开发和运营的完整体系。

九章构建的全栈能力，从底层基础设施到智算操作系统，再到开发入口和应用工具，试图打通智能生产全链路。对于企业而言，这意味着更低的集成成本和更快的落地速度；对于生态伙伴而言，则意味着更统一的开发环境和更高的协同效率。

全球化则是下一阶段的重要变量。AI 正成为可对外输出的数字基础设施。

相比单纯输出算力，九章云极选择把经过市场验证的AI 工厂整套体系推向海外，依托全球智算火种计划，深耕中东、东南亚等区域，持续布局全球智算网络。

放眼全行业，高端芯片供给、跨境数据合规、多模态计量标准仍是共性挑战，Token 体系与专业模型生态也仍需市场培育。

从更长周期看，AI 产业正在经历与电力、云计算类似的发展过程。资源规模依然重要，但资源转化效率、服务稳定性和生态协同能力正在成为新的竞争变量。九章云极提出 10 万 P 算力、十万亿 Token、千个模型和千倍降本四个目标，指向的正是智能生产体系的规模、交付、生态和效率。

在发布会最后，九章云极提出了一句倡导：以普惠算力让 AI 获得自由。

「甲子光年」认为，这种自由不是技术意义上的自由，而是一种产业意义上的自由。智能可以脱离单一模型、单一芯片和单一平台的束缚，像电力一样被标准化生产、规模化流通、按需调用，并持续创造价值。

当 AI 的竞赛从发明时代进入工业化时代，九章云极的 AI 工厂，回答的正是这道产业命题：让算力回归本质，成为普惠、可靠、高效的社会级生产力。

（封面图来源：2026 全球智算科技峰会暨九章云极战略发布会）

END.