夜雨聆风一、从"卖算力"到"卖智能"的范式跃迁
2026年6月17日，北京，九章云极全球智算科技峰会。
创始人兼董事长方磊在会上正式发布了"AI工厂"核心战略。这个战略的核心，用一句话概括就是：AI产业的竞争，已经从"谁有更多算力"转向"谁能更高效地把算力转化为智能价值"。
这个判断很有意思。
过去几年，智算行业的竞争逻辑非常简单粗暴：比谁的卡多、比谁的集群大、比谁的算力强。厂商们拼的是硬件规模，用户选的是算力价格。整个行业还处在"挖矿时代"——有矿（算力）就是王道。
但九章云极提出了一个截然不同的视角：产业的成熟发展始于技术突破，最终成于规模化生产体系。
当AI技术从"实验室"走向"产业化"，当越来越多的企业开始把AI用在核心业务上，行业的核心矛盾就变了。不再是"有没有AI"的问题，而是"AI能不能稳定、低成本、规模化地交付价值"的问题。
这就像电力革命的早期，大家比的是谁家发电机更大、发电量更多。但当电力普及之后，竞争的核心就变成了电网的调度效率、供电的稳定性、用电的成本。
AI产业正在经历同样的转变。
二、AI工厂的双引擎架构
九章云极的"AI工厂"战略，由两大核心引擎构成：训练工厂和Token工厂。
训练工厂，定位为专业模型的"研发制造载体"。它的核心任务，是把通用大模型转化为适配不同行业、不同场景的专业模型。
打个比方，如果通用大模型是"钢铁"，训练工厂就是"特种钢厂"——把普通的钢铁，炼成不锈钢、高速钢、模具钢等各种特种钢材，满足不同行业的特定需求。
训练工厂的技术路径是以强化学习为核心。通过持续的人类反馈和自动对齐，让通用模型快速掌握特定领域的专业知识和技能。
Token工厂，则是智能价值的"输送网络"。它的任务，是把专业模型的能力，封装成标准化、可精确度量的专业Token，实现智能能力的规模化交付。
Token工厂这个概念很有启发性。过去我们说算力，说的是GPU、TFLOPS、推理速度这些技术指标。但对于企业用户来说，这些都是"过程指标"，他们真正关心的是"结果"——我的业务问题能不能被解决？解决的成本是多少？质量怎么样？
Token工厂就是把"算力"这种中间产品，转化为"智能服务"这种最终产品。就像电力公司不会按"发电机转速"收费，而是按"用电量"收费一样。
三、一个新的度量单位：DCU
AI工厂战略中，有一个非常重要的概念创新：DCU（Daily Compute Unit） ——以天为单位的算力投入度量标准。
配合DCU的，还有"专业Token"这个产出单位。一个衡量投入，一个衡量产出。两者结合，就形成了一个完整的智能生产效率度量体系。
这个创新的意义，可能比很多人想象的要大。
为什么？因为在AI工厂概念出现之前，整个智算行业是没有统一的"投入-产出"衡量标准的。你说你的集群有1万张卡，我说我的有2万张，但不同的卡性能不一样，利用率不一样，最终产出的智能价值更没法直接比。
这就像工业革命早期，每个工厂都有自己的度量衡，生产出来的产品规格不统一，没法大规模流通，也没法比较效率。
而DCU和专业Token的出现，相当于给AI行业制定了"标准度量衡"。有了统一的衡量标准，才会有真正的工业化生产，才会有规模化效应，才会有行业分工和协作。
从这个角度看，九章云极提出的不只是一个企业战略，更是在探索整个行业的标准体系。如果这个标准能被行业广泛接受，其价值将不可估量。
四、三大技术范式重构
支撑AI工厂战略的，是九章云极提出的三大技术范式重构。
第一，系统架构重构：算存传一体化协同。
传统的算力架构，计算、存储、传输是分离的，数据在不同部件之间搬来搬去，造成了大量的性能损耗和能源浪费。AI工厂的架构，是把计算、存储、传输深度融合，通过高速互联、零拷贝传输等技术，实现端到端的性能提升。
据九章云极透露，通过架构重构，推理性能可以实现十倍提升。
第二，调度范式重构：持久化执行流机制。
传统的算力调度，是任务来了分配资源，任务结束释放资源。这种模式下，任务切换有大量的"冷启动"开销，算力利用率很低。
AI工厂采用持久化执行流机制，让计算资源持续运行，通过内核复用、智能复用执行计划等方案，消除任务切换间隙的算力空耗。这就像流水线生产，设备一直转，效率自然就高了。
第三，能效架构重构：能源定义计算。
AI算力的电力消耗是个大问题。数据显示，全球数据中心的用电量已经占全球用电量的2%左右，而且还在快速增长。
AI工厂的思路是"能源定义计算"——把算力调度和电力调度结合起来，哪里电便宜、哪里电多，就把算力调度到哪里。同时，通过全流程的能耗量化和管控，提升每一度电的智能产出。
这三大重构，分别对应着AI工厂的"性能、效率、成本"三个核心维度。如果真能落地，确实能给智算行业带来质的变化。
五、竞争重心的转移
AI工厂战略的提出，标志着智算行业的竞争进入了新的阶段。
易观分析发布的《2026年中国第三方普惠智算云市场专题研究报告》也印证了这个判断：当前智算行业竞争逻辑已发生转变，算力规模比拼的阶段逐步过去，产业转向深层体系结构重塑，竞争重心从"算力持有规模"转向"跨区域多算力集群统一纳管调度能力"。
简单说就是：从"比谁拥有的多"，转向"比谁用得好"。
这个转变对行业各方都会产生深远影响：
对于头部云厂商来说，过去靠资本堆砌的算力规模优势会被削弱，运营效率和交付能力变得更加重要。谁能更好地调度资源、更高地提升利用率、更低地降低成本，谁才能在竞争中胜出。
对于第三方智算服务商来说，这是一个换道超车的机会。不需要跟大厂拼硬件规模，只要在调度技术、垂直场景、服务体系上建立优势，就能找到自己的生存空间。
对于企业用户来说，这是一个好消息。行业竞争重心转向效率和价值，意味着用户能以更低的成本获得更好的AI服务，AI的落地门槛会进一步降低。
六、不是结束，而是开始
当然，"AI工厂"还是一个新概念，很多东西还在探索阶段。
比如，DCU作为度量单位，能不能得到行业的广泛认可？专业Token的标准化，会不会涉及不同模型之间的兼容性问题？AI工厂的模式，在不同行业、不同场景的适配性如何？这些都需要时间来验证。
但方向是明确的。
从历史的角度看，任何一个产业从萌芽走向成熟，都会经历从"手工作坊"到"工厂化生产"的过程。第一次工业革命是这样，第二次工业革命是这样，互联网是这样，AI也必然会走这样的路。
AI工厂的出现，就是AI产业从"手工作坊时代"迈向"工业化大生产时代"的标志性事件。
九章云极不是第一个看到这个趋势的公司，但它是第一个把"AI工厂"作为核心战略、系统性地提出完整架构和度量体系的公司。从这个意义上说，它走在了行业的前面。
七、让智能像电力一样普及
方磊在演讲的最后说："要让算力回归其本质，成为普惠、可靠、高效的社会级生产力。"
这句话让我想起了电力革命。
一百多年前，爱迪生发明电灯，特斯拉发明交流电，人们开始想象一个"电像自来水一样入户"的未来。在当时，这听起来像是天方夜谭。但今天，电力已经渗透到了社会的每一个角落，我们甚至感觉不到它的存在。
AI也会走同样的路。
现在的AI，就像一百年前的电力——还很贵、还不稳定、还只有少数人能用得起。但随着技术的进步、生产的规模化、基础设施的完善，终有一天，智能会像电力一样，成为这个社会最基础的公共服务。
到那时候，我们不再讨论"AI贵不贵"、"AI好不好用"，就像我们今天不讨论"电贵不贵"、"电好不好用"一样。因为它已经成为了空气一样的存在——你感觉不到它，但你离不开它。
而"AI工厂"，就是通往那个未来的必经之路。