智東西
作者 楊京麗
編輯 李水青

智東西6月17日報道，今日，九章云極DataCanvas發布“AI工廠”戰略，并推出基于該戰略的新一代智算云Alaya NeW Cloud3.0，其AI工廠基于“訓練工廠+Token工廠”的雙工廠模式。

九章云極2013年成立于北京，是一家聚焦AI基礎軟件、機器學習平臺和智能算力基礎設施的企業，長期圍繞數據科學、機器學習、模型開發與部署等環節提供產品和服務。

發布會上，九章云極提出了四個頗具野心的目標：計劃建成10萬P智能算力集群，實現10萬億Token/日的流轉承載力，匯集1000+模型，并依托基礎架構、算電協同、異構算力、全局調度和模型優化五條工程路徑，推動Token綜合降本1000倍。

九章云極創始人兼董事長方磊稱，AI產業競爭正在從單點大模型能力比拼，轉向規模化、低成本、高穩定交付標準化智能能力的體系競爭。圍繞這一判斷，九章云極提出以DCU（九章云極提出的一度算力計量體系）度量投入、以專業Token度量產出的智能規模化交付體系。

一、方磊發布“AI工廠”戰略：用DCU度量投入，以專業Token度量產出

開場演講中，方磊發布九章云極“AI工廠”戰略，同時推出基于該戰略的“新一代智算云”Alaya NeW Cloud 3.0。

他提出，AI產業正在從技術探索階段走向規模化生產階段，下一代智算基礎設施的核心問題，是能否像現代化工廠一樣，規模化、低成本、高穩定地“生產”和“交付”智能。

方磊稱，九章云極“AI工廠”由訓練工廠和Token工廠兩大引擎構成。其中，訓練工廠以DCU等算力資源作為輸入，支撐大規模模型并行訓練；Token工廠則負責把專業模型封裝為標準化Token，讓智能能力能夠被即取即用、規模流通。兩者之間通過訓練、交付和反饋形成閉環，讓模型在真實任務中持續迭代。

他認為，Token正在從大模型調用單位，變成面向產業、可衡量ROI的新型生產力組件。九章云極認為，Token可進一步分為消費級、專業級和前沿級三類，分別對應不同復雜度和價值密度的智能能力交付場景。

發布會上，方磊展示了九章云極多項戰略目標，包括訓練工廠計劃建成10萬P智能算力集群，Token工廠目標實現10萬億Token/日的流轉承載力，并依托全棧自研技術實現Token綜合降本1000倍，最終匯集1000+模型，建立全球優質模型體系。針對Token千倍級綜合降本，方磊稱：“這絕非低價內卷的價格戰，本質是底層工程體系效率之戰。”

二、Alaya NeW Cloud3.0亮相，AI雙工廠支撐智能規模化落地

隨后，九章云極DataCanvas副總裁胡宗星圍繞Alaya NeW Cloud3.0繼續展開分享，剖析AI工廠背后的技術底座。Alaya NeW Cloud3.0以AI雙工廠為核心，包括訓練工廠和Token工廠兩部分，并由全棧智算底座支撐。

其中，訓練工廠定位為專業模型生成引擎，覆蓋強化學習訓練棧、領域精調與評測閉環，以及從通用智能到專業智能的轉化；Token工廠定位為專業智能流通網絡，重點覆蓋上下文管理、Inference OS（推理操作系統）、推理優化、PD分離、KV重用，以及分層分檔的專業Token輸出。

胡宗星提到，進入Agent原生時代后，推理狀態空間快速膨脹，傳統算力架構普遍面臨異構硬件低效堆疊、靜態調度資源浪費、被動供能能效偏低三大發展瓶頸。圍繞這些問題，九章云極依托Alaya NeW智算底座進行系統架構、計算調度范式和能效架構三大重構。

系統架構上，Alaya NeW Cloud3.0通過PD算力調度分離、KV Fabric高速顯存互聯、全鏈路零拷貝傳輸等技術，實現算、存、傳一體化協同。該方案可實現端到端推理TPS性能10倍提升。

計算調度上，九章云極落地持久化執行流機制，通過Persistent Kernel（持久化內核）內核復用、智能復用執行計劃等方式，減少任務切換間隙帶來的算力空耗。在能效架構上，平臺升級為能源定義計算架構，推動算電實時協同調度，實現專業Token能耗的全程量化、溯源和管控。

胡宗星還進一步解釋了千倍級綜合降本的實現路徑，這一目標由基礎架構、算電協同、異構算力、全局調度和模型優化五條工程路徑相乘實現，最終可直接轉化為客戶成本和產能曲線的改善。

三、繆旭：Token工廠將走向可學習、可編譯、自我進化

九章云極DataCanvas AI首席科學家繆旭進一步提出“可進化的Token工廠”的愿景。他認為，未來Token工廠要把Token、模型、系統、能耗與芯片反饋統一到一個可學習、可編譯、可自我進化的優化閉環中。

繆旭稱，這一體系的核心是AI基礎設施編譯器。其目標是把復雜任務轉化為可改寫的執行圖，把底層基礎設施變成可學習的優化器。系統可通過Token/Task IR統一描述任務、資源、約束與執行意圖，再通過Optimizer Passes（優化Pass）、Agentic RL Runtime（智能體強化學習運行時）和Serving & Resource Layer（服務與資源層）完成路由、壓縮、緩存、能耗、執行軌跡、策略更新和資源調度等環節。

在繆旭看來，Token工廠的關鍵壁壘包括統一Token/Task IR，讓推理過程可觀測、可重寫；引入Agentic RL Runtime，形成計劃、執行、評估、學習、灰度發布的自我進化飛輪；同時通過模型資源操作系統，統一模型調用、度量和優化策略。

基于以上的幾項關鍵壁壘，繆旭給出了AI基礎設施編譯器的三階段建設路徑：第一階段是可觀測化，建立Token質量、延遲、能耗、Cache等指標；第二階段是可編譯化，建立Token/Task IR與優化Pass庫，支持回放評估和策略回滾；第三階段是自我進化，由Agentic RL自動發現和部署優化策略，并向系統架構和芯片協同設計反饋。

四、從Token經濟到開放生態，九章云極推進普惠智算布局

產業視角部分，中國銀河證券研究所所長助理、計算機行業首席分析師吳硯靖分享了Token經濟對智能算力投資框架的影響。她認為，AI商業化的統一計量尺度正在從流量經濟轉向Token經濟，單位Token成本下降并不會壓縮市場規模，反而會推動調用門檻降低、應用場景擴張和總Token消耗提升；同時，中國Token詞元經濟未來增速有望超過海外，Token市場空間、場景ROI和產業鏈價值重估將成為后續觀察重點。

此外，易觀合伙人張澄宇也在現場解讀《2026年中國第三方普惠智算云市場專題研究報告（華北篇）》。報告顯示，九章云極在全國第三方普惠智算云市場中位居前列，并在華東、華南、華北等核心區域處于領先地位。報告認為，智算云競爭正在從算力持有規模，轉向跨區域、多算力集群統一納管和調度能力。

現場，九章云極與多家芯片、服務器、大模型、能源類企業及行業應用企業完成生態戰略合作簽約，并與中關村環保落地EOD綠色智算全域合作。九章云極聯合創始人、COO尚明棟稱，九章云極希望專注做好AI工廠這一智能生產底座，推動形成開放、中立、共贏的普惠算力共同體。

九章云極還同步披露全球化算力網絡布局：國內已在山東、安徽、寧夏、浙江、青海、云南、湖北、廣東等地完成智算中心布局，海外已在印度尼西亞實現節點運營，并在多個國家和地區推進布局。圓桌環節中，多位嘉賓也提到，普惠算力不是單一企業能獨立完成的事情，需要產業、資本、研究機構和政策等多方協同。

結語：千倍降本的目標，考驗的是產業協同能力

從AI工廠戰略到Alaya NeW Cloud3.0，九章云極此次發布的核心指向，是將AI基礎設施從資源供給進一步推向工業化交付。10萬P算力集群、10萬億Token/日流轉承載力、Token千倍級綜合降本等目標，也讓這場發布會有了更強的產業關注度。

不過，AI基礎設施要真正實現大規模降本和穩定交付，難度并不低。這不僅取決于單一平臺的工程能力，還涉及芯片、服務器、能源、網絡、模型、應用和產業客戶之間的協同。如果這套體系能夠跑通，最終受益的不只是模型開發者和企業客戶，也包括大量需要調用AI能力的應用廠商、行業用戶以及終端消費者。AI能力的使用成本下降，才可能推動更多Agent、行業應用和智能服務真正進入規模化落地階段。