金磊 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

AI圈卷到現(xiàn)在，開始建工廠了。

這不，就在剛剛，北京就開了一家，包含兩個(gè)核心組成部分：

一個(gè)是訓(xùn)練工廠：

目標(biāo)算力規(guī)模10萬P，負(fù)責(zé)把通用大模型、行業(yè)數(shù)據(jù)和算力資源放進(jìn)來，煉成金融、制造、政務(wù)、科研等行業(yè)能用的專業(yè)模型。

另一個(gè)是Token工廠：

目標(biāo)日均產(chǎn)能10萬億Token，負(fù)責(zé)把這些專業(yè)模型封裝成企業(yè)可以調(diào)用、可以計(jì)量、可以結(jié)算、可以穩(wěn)定交付的專業(yè)Token。

這便是九章云極在2026全球智算科技峰會(huì)暨九章云極戰(zhàn)略發(fā)布會(huì)上，正式拋出一個(gè)新戰(zhàn)略——AI工廠。

它聽起來點(diǎn)像把AI產(chǎn)業(yè)搬進(jìn)現(xiàn)代化工廠：前端煉模型，后端送智能。

然后中間再用DCU（1度算力）度量算力投入，用專業(yè)Token（面向業(yè)務(wù)任務(wù)的智能價(jià)值單元）度量智能產(chǎn)出，再讓業(yè)務(wù)數(shù)據(jù)回流，繼續(xù)推動(dòng)模型迭代。

由此帶來的效益，用一組數(shù)據(jù)展示便是：

10萬P目標(biāo)算力規(guī)模、10萬億目標(biāo)Token日均產(chǎn)能、1000倍目標(biāo)綜合降本、計(jì)劃孵化1000個(gè)高價(jià)值模型與智能應(yīng)用。

更直觀的，一張圖解如下所示：

不過比起這些數(shù)字來說，從九章云極的這次戰(zhàn)略發(fā)布來看，智算云的商業(yè)邏輯正在發(fā)生變化——

它不再只回答算力夠不夠，還要回答算力能不能變成真正可交付的智能。

而這，便是九章云極此次動(dòng)作的目的，把這上面?zhèn)€問題試圖工程化。

AI工廠，到底怎么運(yùn)轉(zhuǎn)？

要理解這座AI工廠，我們首先需要了解當(dāng)前企業(yè)在擁抱大模型時(shí)面臨的真實(shí)痛點(diǎn)。

過去，大家熱衷于討論的可能是模型參數(shù)有多大、是不是開源、打分高不高；但現(xiàn)在，業(yè)務(wù)一線的真實(shí)拷問是：

模型能不能真正跑進(jìn)我們復(fù)雜的業(yè)務(wù)系統(tǒng)？在超高并發(fā)下，能不能穩(wěn)定輸出可預(yù)期的結(jié)果？每一次API調(diào)用的成本，業(yè)務(wù)部門能不能算清賬、算贏賬？

這已經(jīng)不是一個(gè)純粹的算法競(jìng)賽，更準(zhǔn)確的說，應(yīng)該是一個(gè)典型的工程與工業(yè)化問題。

畢竟阻礙AI落地的現(xiàn)實(shí)瓶頸往往不在大模型本身，而在其背后的整套底層智算基建，包括算力調(diào)度是否高效、異構(gòu)算力能否統(tǒng)一納管、推理成本是否足夠低、任務(wù)失敗時(shí)系統(tǒng)能否自動(dòng)感知并自愈……

因此，九章云極推出的AI工廠，本質(zhì)上是在用一套標(biāo)準(zhǔn)化、規(guī)模化、高可靠性的工業(yè)化流水線，去重構(gòu)智能的生產(chǎn)與交付體系。

從AI工廠的整個(gè)版圖來看，可以分為四個(gè)關(guān)鍵部分來看。

投入側(cè)：首創(chuàng)“一度算力”（DCU）

這是解決如何購買算力的問題。

長(zhǎng)期以來，算力行業(yè)最大的痛點(diǎn)就是資源不標(biāo)準(zhǔn)、計(jì)價(jià)不透明、投入不可量化。

過去，企業(yè)通常需要去租用GPU、規(guī)劃網(wǎng)絡(luò)拓?fù)洹⒖紤]存儲(chǔ)帶寬以及機(jī)器的使用時(shí)長(zhǎng)。

這種粗放的租賃模式，就如同在初期的電力時(shí)代，想要用電，必須自己去買煤炭、租發(fā)電機(jī)，甚至自己去拉電線，門檻極高、成本混亂、無法規(guī)模化。

九章云極在行業(yè)內(nèi)首創(chuàng)了“一度算力”計(jì)量單位，將其定義為312TFlops×小時(shí)（每秒鐘312萬億次浮點(diǎn)計(jì)算乘以一小時(shí)）。

△九章云極董事長(zhǎng)，方磊

它將底層芯片（異構(gòu)的GPU、NPU）、網(wǎng)絡(luò)、存儲(chǔ)、使用時(shí)長(zhǎng)及實(shí)際利用率等極其復(fù)雜的物理資源統(tǒng)一折算計(jì)量。

對(duì)客戶而言，算力采購從此變得像買電一樣簡(jiǎn)單，按“度”付費(fèi)、所見即所得。

生產(chǎn)側(cè)：訓(xùn)練工廠

訓(xùn)練工廠解決的是智能“從0到1”的生產(chǎn)問題。

通俗來講，就是把通用模型、行業(yè)數(shù)據(jù)、算力資源放進(jìn)來，通過數(shù)據(jù)處理、領(lǐng)域精調(diào)、強(qiáng)化學(xué)習(xí)、評(píng)測(cè)反饋等流程，訓(xùn)練出金融、制造、政務(wù)、科研等場(chǎng)景可用的專業(yè)模型。

這里的重點(diǎn)不只是有多少卡。

訓(xùn)練工廠強(qiáng)調(diào)的是千卡到萬卡級(jí)集群、高密度網(wǎng)絡(luò)存儲(chǔ)、故障自愈、跨地域調(diào)度，以及從數(shù)據(jù)、訓(xùn)練、評(píng)測(cè)到部署的全流程工具鏈。訓(xùn)練工廠能夠?qū)⑼ㄓ没A(chǔ)模型，升級(jí)為適配各行各業(yè)的專業(yè)任務(wù)模型。

通用模型存在天然的數(shù)據(jù)邊界與能力邊界，無法覆蓋企業(yè)私有數(shù)據(jù)、行業(yè)Know-How、復(fù)雜業(yè)務(wù)流程。而訓(xùn)練工廠的價(jià)值，就是把行業(yè)專屬知識(shí)沉淀進(jìn)模型，讓AI從會(huì)聊天、會(huì)答題，升級(jí)為能拆解任務(wù)、能自主決策、能風(fēng)險(xiǎn)判斷、能閉環(huán)落地的產(chǎn)業(yè)智能體，真正適配企業(yè)生產(chǎn)環(huán)境。

封裝側(cè)：Token工廠

Token工廠解決的是智能“從1到N”的交付問題。

訓(xùn)練工廠生產(chǎn)出專業(yè)模型之后，模型本身還不是企業(yè)能直接消費(fèi)的商品。企業(yè)真正需要的是穩(wěn)定API、SDK、權(quán)限體系、模型版本管理、監(jiān)控告警、計(jì)量計(jì)費(fèi)和服務(wù)保障。

Token工廠就是把訓(xùn)練工廠產(chǎn)出的專業(yè)模型，封裝成可調(diào)用、可計(jì)量、可運(yùn)營的專業(yè)Token。

這里的Token，也不只是大模型里的技術(shù)計(jì)數(shù)單位。按照九章云極的定義，專業(yè)Token更接近一種面向業(yè)務(wù)任務(wù)的智能價(jià)值單元。不同任務(wù)、不同模型、不同服務(wù)等級(jí)，都可以通過Token被計(jì)量和結(jié)算。

產(chǎn)出側(cè)：越用越強(qiáng)，越強(qiáng)越便宜

至此，AI工廠的核心飛輪閉環(huán)就此形成：

DCU度量投入 → 訓(xùn)練工廠冶煉專業(yè)模型 → Token工廠轉(zhuǎn)化為專業(yè)Token → 企業(yè)消費(fèi)Token并回流業(yè)務(wù)數(shù)據(jù) → 模型持續(xù)迭代

我們可以把它理解為“越用越強(qiáng)，越強(qiáng)越便宜”的增強(qiáng)回路。在這里，數(shù)據(jù)不僅是原料，也是模型進(jìn)化的養(yǎng)分。

值得注意的是，在這一閉環(huán)中，九章云極重新定義了Token。

他們認(rèn)為，面向消費(fèi)者的泛化Token單價(jià)已經(jīng)由于市場(chǎng)競(jìng)爭(zhēng)趨于零，其價(jià)值正逐漸見頂。而面向產(chǎn)業(yè)的、具有明確 ROI（投資回報(bào)率）的專業(yè)Token，才是驅(qū)動(dòng)產(chǎn)業(yè)智能化的核心組件。

九章云極將這些專業(yè)Token進(jìn)行了清晰的價(jià)值分層，并將其戰(zhàn)略重心聚焦在后兩者：

• 消費(fèi)級(jí)Token：主要服務(wù)于日常AI應(yīng)用、內(nèi)容創(chuàng)作，追求極致體驗(yàn)與規(guī)模普惠，如同穩(wěn)定經(jīng)濟(jì)的基礎(chǔ)電力；
• 專業(yè)級(jí)Token：封裝了行業(yè)深度Know-How與私有數(shù)據(jù)，充當(dāng)金融風(fēng)控、質(zhì)量檢測(cè)、政務(wù)服務(wù)的數(shù)字專家，保障流程安全、合規(guī)，讓客戶買到確定的效率與風(fēng)控價(jià)值；
• 前沿級(jí)Token：面向復(fù)雜任務(wù)自動(dòng)化與科研突破。例如，封裝了多步驟、多工具的端到端仿真或科研工作流，直接服務(wù)于藥物發(fā)現(xiàn)、新材料研發(fā)、城市級(jí)系統(tǒng)優(yōu)化等曾經(jīng)不可解或成本極高的科學(xué)邊界。

從租卡到用Token，企業(yè)AI開始變輕了

過去企業(yè)做AI，往往是一條漫長(zhǎng)的重資產(chǎn)建設(shè)路徑。

包括多方協(xié)調(diào)、艱難地在市面上找芯片、拼湊卡；組建專業(yè)的集群運(yùn)維團(tuán)隊(duì)，解決算力中斷、故障恢復(fù)；搭建復(fù)雜的開發(fā)與模型訓(xùn)練環(huán)境，再進(jìn)行私有化部署。

這一套流程下來，周期通常長(zhǎng)達(dá)6到12個(gè)月，還沒看到業(yè)務(wù)效果，前期資本開支已經(jīng)堆成了天文數(shù)字。

而在九章云極AI工廠的模式下，針對(duì)不同類型的市場(chǎng)玩家，整個(gè)接入路徑被徹底變輕、變薄。

針對(duì)大模型公司和垂類AI企業(yè)：從訓(xùn)練開始

大模型創(chuàng)業(yè)公司或者垂直行業(yè)的AI領(lǐng)頭羊，自身擁有極強(qiáng)的算法和數(shù)據(jù)能力，但往往被算力運(yùn)維和成本壓得喘不過氣。

對(duì)于這類客戶，他們可以從訓(xùn)練工廠無縫切入。AI工廠提供千卡到萬卡級(jí)的極致彈性算力集群，不僅保證大規(guī)模模型并行訓(xùn)練的高效運(yùn)行，還提供跨地域調(diào)度和故障自愈的底座。

當(dāng)模型在訓(xùn)練工廠中訓(xùn)練、精調(diào)、評(píng)測(cè)完畢后，客戶無需再折騰復(fù)雜的轉(zhuǎn)轉(zhuǎn)運(yùn)環(huán)境，可以直接在云端一鍵Token化分發(fā)至Token工廠。

AI工廠可以說是幫這類企業(yè)打通了從研發(fā)到商業(yè)化上線的這條路，讓算法科學(xué)家能夠?qū)?00%的精力聚焦于模型本身。

針對(duì)行業(yè)客戶和SaaS公司：從推理開始

對(duì)于絕大多數(shù)金融、制造、政務(wù)領(lǐng)域的實(shí)體企業(yè)和SaaS開發(fā)商，他們未必有必要訓(xùn)練自己底層的基座大模型。他們更現(xiàn)實(shí)、更迫切的需求，是在現(xiàn)有的客服、風(fēng)控、質(zhì)檢或辦公系統(tǒng)中，引入成熟好用的行業(yè)專業(yè)智能。

對(duì)他們而言，Token工廠提供了一條極輕的消費(fèi)型路徑：不用買卡、不用建集群、不用招募昂貴的底層運(yùn)維團(tuán)隊(duì)。

平臺(tái)上已經(jīng)預(yù)置了50多款主流基座模型以及多款面向金融、制造、政務(wù)、科研等真實(shí)場(chǎng)景精調(diào)完畢的模型，這些模型和能力均已就緒。

企業(yè)可以直接調(diào)用已經(jīng)封裝好的Token服務(wù)，按需消費(fèi)、按量付費(fèi)，將沉重的基建投資轉(zhuǎn)變?yōu)殪`活的運(yùn)營支出。

過去需要大半年的項(xiàng)目建設(shè)周期，現(xiàn)在如果從調(diào)用專業(yè)Token切入，最快只需兩周左右即可完成業(yè)務(wù)概念驗(yàn)證。

針對(duì)開發(fā)者和AI Agent：還有專屬入口

針對(duì)開發(fā)者、科研人員與AI Agent場(chǎng)景，九章智算云打造輕量化算力入口，解決本地算力不足、云端環(huán)境繁瑣、遠(yuǎn)程調(diào)試卡頓等行業(yè)痛點(diǎn)。

對(duì)于AI工程師而言，頭疼的日常莫過于代碼在本地，算力在云端。為了解決遠(yuǎn)程SSH卡頓、環(huán)境同步繁瑣的痛點(diǎn)，九章智算云已經(jīng)上線了IDE插件。

現(xiàn)在，開發(fā)者可以在VS Code、Cursor等常用本地編輯器中，實(shí)現(xiàn)直連云端GPU。開發(fā)人員在本地寫下代碼，算力直接在云端跑實(shí)驗(yàn)，并且能夠根據(jù)任務(wù)自動(dòng)開啟和關(guān)閉，不用不計(jì)費(fèi)。

同時(shí)，九章智算云還將陸續(xù)推出CLI、SDK以及Skills Hub。無需理解底層復(fù)雜的硬件拓?fù)洌褂脮r(shí)通過簡(jiǎn)單的交互即可提交并運(yùn)行任務(wù)使用算力。

與此同時(shí)，九章云極在發(fā)布會(huì)上同步啟動(dòng)智算開放計(jì)劃，面向全球開發(fā)者、科研團(tuán)隊(duì)和高校用戶開放普惠算力，消除創(chuàng)意與智能落地的阻礙。

算力戰(zhàn)，現(xiàn)在拼的是賣生產(chǎn)力

從行業(yè)視角來看，九章云極這次發(fā)布AI工廠，踩中的是智算云市場(chǎng)正在發(fā)生的一次轉(zhuǎn)向。

早期，市場(chǎng)拼的是有沒有卡。大模型爆發(fā)后，算力短缺是硬約束，誰能提供更多GPU，誰就更有話語權(quán)。

隨后，競(jìng)爭(zhēng)開始轉(zhuǎn)向能不能用好卡。算力規(guī)模上來后，GPU利用率、訓(xùn)練穩(wěn)定性、跨地域調(diào)度、推理成本、異構(gòu)硬件管理，都會(huì)直接影響有效算力。

現(xiàn)在，企業(yè)更關(guān)心的是第三件事，也就是能不能把算力真正交付成業(yè)務(wù)結(jié)果。

算力是投入，模型是中間產(chǎn)物，Token是產(chǎn)出，業(yè)務(wù)效果才是最終價(jià)值。這也是AI工廠概念最核心的變化：九章云極沒有把自己只放在算力供應(yīng)商的位置上，而是試圖成為智能生產(chǎn)力的組織者和交付者。

它的思路可以理解為用DCU定義算力投入，用訓(xùn)練工廠生產(chǎn)專業(yè)模型，用Token工廠建設(shè)智能交付網(wǎng)絡(luò)，最終把智能能力送到企業(yè)和開發(fā)者手里。

當(dāng)然，智算云市場(chǎng)不缺宏大概念，最終還要看真實(shí)交付。客戶會(huì)追問的，仍然是幾個(gè)具體問題：接入是否簡(jiǎn)單？成本是否真的下降？服務(wù)是否穩(wěn)定？賬單是否透明？業(yè)務(wù)效果是否可驗(yàn)證？

尤其是1000倍綜合降本這樣的目標(biāo)，足夠吸睛，也需要在更多場(chǎng)景里被持續(xù)驗(yàn)證。它背后依賴的，不只是硬件堆疊，而是全棧自研OS、算電協(xié)同、全局調(diào)度，以及圍繞訓(xùn)練和推理的系統(tǒng)級(jí)優(yōu)化。

這也是AI基礎(chǔ)設(shè)施真正拉開差距的地方。

長(zhǎng)期來看，模型會(huì)繼續(xù)迭代，硬件會(huì)繼續(xù)更新，價(jià)格也會(huì)波動(dòng)。真正稀缺的，是把算力、模型、Token和業(yè)務(wù)價(jià)值串起來的工程系統(tǒng)。

九章云極這次提出AI工廠，意義正在于此。把智算云的競(jìng)爭(zhēng)，從誰有更多算力，推向誰能更穩(wěn)定、更低成本、更規(guī)模化地交付智能。

AI圈開工廠了。

接下來要看的，是這座工廠能不能真的開足馬力。