6.0
深览指数
科技量子位·十三··AI 生成
刚刚，北京建了一座AI工厂：目标10万P算力，日产10万亿Token！
九章云极发布「AI工厂」战略，试图重构智算云的商业逻辑：从前端算力销售转向后端智能交付。其核心架构包括训练工厂（10万P算力，专注模型工业冶炼）和Token工厂（日产10万亿Token，将专业模型封装为可计量交付的智能商品），并首创DCU（1度算力）统一度量算力投入。文章将企业AI接入路径分为三类客户场景，并提出1000倍综合降本目标。适合关注智算产业商业模式变革、AI基础设施工程化的从业者阅读。原文 ↗
核心观点
- ▍九章云极AI工厂的核心在于将智算云竞争从「谁有更多算力」推向「谁能更稳定、更低成本、更规模化地交付智能」，其商业逻辑由算力租赁转向智能生产力组织与交付。
- ▍AI工厂通过DCU（投入度量）→训练工厂（模型冶炼）→Token工厂（智能封装）→企业消费并回流数据→模型迭代，形成「越用越强、越强越便宜」的增强回路。
- 01训练工厂目标算力规模为10万P，Token工厂目标日均产能为10万亿Token，计划实现1000倍综合降本并孵化1000个高价值模型与应用。
- 02九章云极在行业内首创「1度算力」（DCU）计量单位，定义为312TFlops×小时，意在将异构GPU、NPU芯片及网络、存储等物理资源统一折算成标准计量单位，让算力采购「按度付费」。
- 03专业Token被定义为「面向业务任务的智能价值单元」，根据价值分层为消费级Token、专业级Token、前沿级Token三类，九章云极战略重心聚焦后两类。
- 04针对不同客户，AI工厂提供差异性轻量化路径：大模型公司从训练工厂切入；行业客户与SaaS公司从Token工厂出发调用已封装服务，最快两周完成PoC；开发者可通过IDE插件直连云端GPU。
- 05AI工厂强调千卡至万卡级集群、高密度网络存储、故障自愈、跨地域调度，以及从数据至部署的全流程工具链。
反方 / 局限
- — 文章自身指出「智算云市场不缺宏大概念」，1000倍综合降本的目标「足够吸睛，也需要在更多场景里被持续验证」，依赖的不只是硬件堆叠，而是全栈自研OS、算电协同、全局调度与系统级优化。
- — 文中隐含着关键张力：专业Token的定价透明度与客户实际ROI可验证性才是决定模式是否跑通的核心，但发布会并未公布实际落地案例的账单透明度或客户验证数据。
九章云极AI工厂DCU/1度算力专业Token2026全球智算科技峰会金磊方磊Token工厂训练工厂
12 分钟 · 4 卡片 · 11 资料
读原文 →