摩爾線程為什么提出「三大AI工廠」？｜WAIC 2026

進入Agent時代，產(chǎn)業(yè)競爭正在出現(xiàn)新的變化：AI不再只是一個需要被訓(xùn)練的模型，而正在變成一種需要被持續(xù)生產(chǎn)、調(diào)用和部署的智能能力。

在2026世界人工智能大會（WAIC）期間，摩爾線程創(chuàng)始人、董事長兼CEO張建中提出“三大AI工廠”的概念——模型訓(xùn)練工廠、詞元（Token）生產(chǎn)工廠和智能體生產(chǎn)工廠。

摩爾線程創(chuàng)始人、董事長兼CEO張建中

在摩爾線程的定義中，三大工廠分別對應(yīng)模型訓(xùn)練、Token生成和智能體生產(chǎn)，覆蓋從基礎(chǔ)模型研發(fā)到產(chǎn)業(yè)應(yīng)用、從云端基礎(chǔ)設(shè)施到終端設(shè)備的完整鏈路。

中國工程院院士、清華大學(xué)教授鄭緯民在演講中指出，算力基建的關(guān)鍵在于將每一份算力轉(zhuǎn)化為高質(zhì)量詞元，三大“AI工廠”是算力基礎(chǔ)設(shè)施的必然演進。在國家信息中心大數(shù)據(jù)發(fā)展部副主任魏穎看來，算力基礎(chǔ)設(shè)施是詞元生產(chǎn)的物理底座，作為算力核心的GPU決定了生產(chǎn)效率與成本。

但這三個“工廠”并不是三個割裂的業(yè)務(wù)方向。摩爾線程高級副總裁董龍飛表示，三個工廠代表的是不同市場，并不存在簡單的優(yōu)先級關(guān)系。但從產(chǎn)業(yè)競爭角度看，模型訓(xùn)練仍然是整個體系的基礎(chǔ)。

“產(chǎn)業(yè)人工智能的競爭最重要的就在于這個模型是不是聰明?！倍堬w表示，模型能力依靠預(yù)訓(xùn)練和后訓(xùn)練獲得，而不是推理階段。

如果把AI比作一個企業(yè)，模型就像企業(yè)里的員工，首先需要具備足夠高的認知能力，之后才談得上執(zhí)行任務(wù)。

這也成為摩爾線程布局三大工廠背后的核心邏輯：未來AI競爭不只是制造模型，而是建立一套持續(xù)生產(chǎn)智能的基礎(chǔ)設(shè)施。 

模型訓(xùn)練工廠，決定AI能力上限

過去，大模型主要圍繞語言能力展開；如今行業(yè)中的模型已經(jīng)呈現(xiàn)高度多樣化趨勢，包括混合專家模型、多模態(tài)模型、機器人具身大腦模型以及世界模型等。

訓(xùn)練這些模型，并不是簡單的矩陣計算，而需要更復(fù)雜的軟件、仿真和計算能力。

這也是摩爾線程強調(diào)國產(chǎn)“全功能GPU”的原因。在訓(xùn)練場景中，GPU需要同時滿足算力、顯存、帶寬、可靠性、軟件生態(tài)以及訓(xùn)練結(jié)果一致性等要求。

其中，訓(xùn)練結(jié)果一致性是國產(chǎn)GPU進入大規(guī)模訓(xùn)練場景的重要門檻。

董龍飛解釋，所謂訓(xùn)練中的“高精度”，并不是單純指計算精度，而是不同GPU平臺之間訓(xùn)練結(jié)果的對齊能力。對于已經(jīng)投入大量資源完成模型訓(xùn)練的用戶來說，遷移到新的GPU平臺后，能否獲得穩(wěn)定、可比的訓(xùn)練結(jié)果，是平臺能否被采用的重要因素。

圍繞模型訓(xùn)練工廠，摩爾線程展示了多項國產(chǎn)算力實踐。

萬卡規(guī)模MoE-236B基礎(chǔ)模型訓(xùn)練是此次展示的重點，該項目依托國產(chǎn)萬卡GPU集群完成從零開始的完整訓(xùn)練，在萬卡規(guī)模下有效訓(xùn)練時長占比超過90%，模型精度和訓(xùn)練損失曲線與國際主流計算卡高度一致。

與此同時，北京大學(xué)EvoPhys團隊的5D世界模型EvoPhys-World，也基于摩爾線程MTT S5000夸娥智算集群完成全棧原生訓(xùn)練，并在WorldScore“世界生成”維度連續(xù)37天排名第一。

京東云總裁曹鵬在摩爾線程舉辦的“詞元時代 萬物智能論壇”論壇上表示，當(dāng)前AI基礎(chǔ)設(shè)施正在發(fā)生變化，全國產(chǎn)算力、國產(chǎn)模型和國產(chǎn)推理引擎組成的體系正在逐漸建立。京東正在基于摩爾線程國產(chǎn)算力進行模型訓(xùn)練、適配和調(diào)優(yōu)。

對于摩爾線程而言，模型訓(xùn)練工廠不僅意味著訓(xùn)練更大的模型，也意味著國產(chǎn)算力開始進入AI原創(chuàng)能力生產(chǎn)環(huán)節(jié)。

詞元生產(chǎn)工廠，讓模型能力規(guī)模化釋放

如果模型訓(xùn)練工廠解決的是“如何制造更聰明的模型”，那么詞元生產(chǎn)工廠解決的是“如何讓更多人低成本使用智能”。

隨著Agent興起，AI使用方式正在改變。過去，人向模型提出問題；未來，大量Agent會主動調(diào)用模型完成任務(wù)。

張建中認為，Token消耗快速增長的根本原因，是未來不是人在使用AI，而是Agent在使用大模型。

因此，AI基礎(chǔ)設(shè)施競爭正在從單純關(guān)注訓(xùn)練性能，轉(zhuǎn)向如何降低每一個Token背后的成本。

在這一方向，摩爾線程強調(diào)模型快速適配、推理優(yōu)化以及異構(gòu)算力協(xié)同能力。

目前，摩爾線程推理套件已經(jīng)適配DeepSeek、MiniMax、GLM、Kimi、Qwen等主流模型，并推出基于MTT S5000的PD分離異構(gòu)推理方案。

產(chǎn)業(yè)伙伴也正在驗證Token生產(chǎn)工廠的商業(yè)價值。

趨境科技創(chuàng)始人兼CEO艾智遠表示，目前趨境科技每天能夠供應(yīng)萬億級高品質(zhì)Token，并與摩爾線程合作，通過國產(chǎn)GPU與國際主流GPU異構(gòu)協(xié)同，提高Token生產(chǎn)能力。

Token工廠覆蓋的是最大規(guī)模的用戶市場。

過去，一個模型推理可能只需要一張卡或者一臺服務(wù)器，但未來Token生產(chǎn)將成為復(fù)雜系統(tǒng)工程，需要考慮模型規(guī)模、緩存管理、調(diào)度效率以及成本控制。

這也是摩爾線程布局推理產(chǎn)品和方案的重要原因。

董龍飛表示，訓(xùn)練和推理都很重要。訓(xùn)練更強調(diào)通用性和綜合能力，而推理更強調(diào)極致性價比，需要針對不同任務(wù)設(shè)計不同產(chǎn)品和解決方案。 

智能體生產(chǎn)工廠，AI開始進入現(xiàn)實世界

如果說Token工廠讓AI具備輸出能力，那么智能體生產(chǎn)工廠則讓AI進一步具備行動能力。

張建中認為，Agentic AI之后的重要方向是物理AI，未來AI需要從數(shù)字世界走向現(xiàn)實世界。

摩爾線程認為，Token工廠解決的是“會說”，智能體工廠解決的是“會做”。

董龍飛表示，Token生成之后，還需要讓AI調(diào)用工具。在電腦中，這意味著Agent能夠操作軟件和系統(tǒng)；在機器人領(lǐng)域，則意味著智能

但相比語言模型，物理智能對算力提出了更高要求。

摩爾線程生態(tài)副總裁兼生態(tài)科研部總經(jīng)理呂其恒表示，大語言模型處理的是符號，而具身智能需要理解真實世界中的物理規(guī)律，因此需要同時處理視覺、渲染、仿真等任務(wù)。這也是世界模型成為具身智能關(guān)鍵方向的原因。

極佳視界合伙人兼副總裁毛繼明表示，物理AGI面臨的重要挑戰(zhàn)之一，是如何提升數(shù)據(jù)使用效率。數(shù)字AGI主要依賴語言數(shù)據(jù)，而物理AGI需要處理真實世界數(shù)據(jù)，因此需要更高效的數(shù)據(jù)和算力體系。

基于這一方向，極佳視界與摩爾線程聯(lián)合開展駕駛模型、具身模型等物理AI模型訓(xùn)練優(yōu)化，探索國產(chǎn)芯片訓(xùn)練國產(chǎn)模型的完整鏈路。

三大AI工廠背后，是一套統(tǒng)一算力體系

從模型訓(xùn)練，到Token生產(chǎn)，再到智能體應(yīng)用，三大工廠覆蓋了AI產(chǎn)業(yè)從基礎(chǔ)能力到應(yīng)用落地的完整過程。

但三座工廠并不是三套技術(shù)體系。董龍飛表示，摩爾線程三個工廠共享統(tǒng)一的GPU架構(gòu)和MUSA軟件體系，并不是針對不同市場分別開發(fā)不同技術(shù)。

這也是國產(chǎn)全功能GPU的核心競爭力。

在AI快速變化階段，最大的挑戰(zhàn)并不是某一個固定模型的性能，而是未來模型形態(tài)的不確定性。

今天行業(yè)關(guān)注大語言模型，未來可能是世界模型、機器人模型、更多垂直領(lǐng)域模型。如果GPU過于專用，就很難適應(yīng)產(chǎn)業(yè)變化。

董龍飛認為，GPU首先需要具備通用性，因為未來模型路線仍然會持續(xù)變化。

因此，摩爾線程提出“三大工廠”，并不是簡單擴展業(yè)務(wù)邊界，而是在回答一個更大的問題：當(dāng)AI從模型時代進入智能生產(chǎn)時代，下一代基礎(chǔ)設(shè)施應(yīng)該是什么？雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。