为什么摩尔线程要在今年 WAIC 上抛出 " 三大 AI 工厂 " 这个概念？背景是清晰的：进入 Agent 时代，产业竞争的游戏规则正在被改写。过去，AI 主要是被训练出来的模型，企业比拼的是谁的模型更大、谁的评测分更高。而在张建中看来，竞争的焦点已经转移—— AI 正在变成一种需要被持续生产、调用和部署的智能能力。它不再是一个静止的产物，而是一条不断运转的流水线。摩尔线程把这条流水线拆成了三个彼此咬合的工厂：模型训练工厂、词元（Token）生产工厂和智能体生产工厂。这一定义，直接指向一个更根本的问题：下一代 AI 基础设施到底应该长什么样？

要理解这三座工厂，先得看对面的一场辩论。在基础设施到底该重训练还是重推理的问题上，产业界其实一直没有定论。正方观点很直接——模型训练决定一切。摩尔线程高级副总裁董龙飞在论坛上就把话挑得很明：" 产业人工智能的竞争最重要的就在于这个模型是不是聪明。" 这句话背后是一套朴素的产业逻辑：如果模型本身的认知能力不够，后续的推理、应用、智能体都是空中楼阁。他把 AI 比作一家企业，模型就是企业里的员工，员工先得有足够高的智商，才谈得上去执行任务。因此，模型训练工厂在三大工厂中扮演的是 " 能力源头 " 的角色，解决的是上限问题。而训练这件事的复杂性，远不只是算力堆多少卡那么简单。董龙飞特别强调了一个很多国产 GPU 难以绕过的门槛——训练结果一致性。简单说，就是用户已经在某个平台上花巨资训好了一个模型，现在迁移到新的国产 GPU 平台上，能不能拿到跟原来高度可比的损失曲线和精度？做不到，就没人愿意把自己的核心模型交给你。摩尔线程这次展示的万卡规模 MoE-236B 基础模型训练，就是用国产 GPU 集群从零开始跑，有效训练时长占比超过 90%，模型精度和损失曲线与国际主流计算卡高度对齐。这类案例想证明的，就是模型训练工厂的底座已经立住了。

但反方观点同样有力。中国工程院院士、清华大学教授郑纬民在同一个论坛上说了另一句话：算力基建的关键在于将每一份算力转化为高质量词元。如果模型训练工厂造出了聪明的模型，但每个 Token 都贵得让人用不起，智能的普惠就无从谈起。而且，一个被很多人忽略的变化正在发生—— Token 消耗的主力正在从人切换为 Agent。张建中判断，未来不是人在使用 AI，而是 AI Agent 在大量调用大模型。这就意味着，对算力和成本的优化不能再沿用过去 " 一张卡跑一个模型 " 的思路，而是需要一套系统工程。在这一维度上，摩尔线程的词元生产工厂试图回答的，就是 " 怎么让模型能力规模化释放 "。目前其推理套件已经适配了 DeepSeek、MiniMax、GLM、Kimi、Qwen 等主流模型，并推出了基于 MTT S5000 的 PD 分离异构推理方案。趋境科技给出的商业验证数据很具体：目前每天供应万亿级高品质 Token，并且通过与摩尔线程合作，实现国产 GPU 与国际主流 GPU 异构协同，以提升 Token 生产能力。这里隐含着一个产业判断：推理已经不再是训练的附庸，而是独立于训练的另一大市场，并且对基础设施的性价比、调度效率和异构算力协同提出了全新的要求。

还有第三个方向的争论：智能体生产工厂，到底只是概念先行，还是正在逼近现实？如果把 Token 工厂理解为 " 会说 "，智能体工厂解决的就是 " 会做 "。董龙飞给出的定义是，Agent 需要调用工具，在电脑里操作软件和系统，在物理世界里则需要机器人去执行。这就进入了 " 物理 AI" 的地界。大语言模型处理的是符号，而具备行动能力的智能体必须理解真实世界的物理规律，视觉、渲染、仿真、控制，这些任务拧在一起，对算力的消耗是数量级的提升。这也是为什么世界模型会成为具身智能的关键方向。极佳视界合伙人兼副总裁毛继明在论坛上提到一个关键矛盾：数字 AGI 主要依赖语言数据，但物理 AGI 需要处理真实世界数据，数据使用效率决定了这条路能走多快。极佳视界正在与摩尔线程联合做驾驶模型、具身模型等物理 AI 模型的训练优化，探索国产芯片训练国产模型的完整链路。如果这条链路跑通了，智能体生产工厂就不再是 PPT 上的概念，而是真正推开了 AI 从数字世界进入现实世界的大门。

这三条论据摆在一起，恰好指向一个容易被忽略的真相：三座工厂并非彼此独立的业务方向，而是同一套算力体系在不同市场里的投影。董龙飞明确指出，摩尔线程的三大工厂共享统一的 GPU 架构和 MUSA 软件体系，并不是针对不同市场分别开发不同技术。这正是全功能 GPU 与专用加速器之间的核心差异——在 AI 模型路线还在剧烈变化的今天，把 GPU 做得过于专用，就意味着押错了注就会满盘皆输。未来到底是语言模型还是世界模型主导，没人敢下确定性判断。所以基础架构必须具备足够的通用性，能随时在训练、推理和智能体三条战线上切换。京东云总裁曹鹏提到，京东已经在基于摩尔线程的国产算力做模型训练、适配和调优，全国产算力、国产模型、国产推理引擎组成的体系正在逐渐成型。这暗示着，围绕 " 三大工厂 " 展开的竞争，本质上是生态完整性的竞争，而不是单点突破。

把三大工厂串起来回看，摩尔线程这次在 WAIC 想定义的其实不是一款产品或一个业务，而是一种下一代基础设施的雏形。过去大家谈 AI，关注的是 " 造得好不好 "；张建中现在强调的是 " 产得顺不顺 "。从模型训练到 Token 生产再到智能体部署，这本质上是一条智能的生产线，任何一个环节的断裂，都会让整条产线停摆。产业里有人看重上游的训练精度，有人盯着中游的推理成本，还有人押注下游的物理智能爆发，但真正让这套体系具备持续竞争力的是统一的底座和完整的覆盖。当 Agent 开始大规模调用模型、机器人开始走进现实场景时，谁手里有一套经受过全链路验证的国产算力方案，谁就拿到了下一个时代的入场券。