又一中国AI工厂方案面世！

维科网智能制造6月18日消息，九章云极DataCanvas于6月17日在北京正式发布“AI工厂”核心战略，提出以DCU为投入度量标准、以专业Token为产出单元的智能规模化交付体系。

九章云极创始人兼董事长方磊在演讲中表示，AI产业竞争的内核已经发生变化——行业比拼不再局限于打造性能更强的单点大模型，而是能否搭建起现代化工厂式的体系，实现智能能力的规模化、低成本、高稳定批量生产与交付。

九章云极的目标，是让智能调用如同日常用电一样便捷取用，价值可精准衡量。

具体来看，本次九章云极提出的“AI工厂”，由训练工厂和Token工厂两大引擎构成。

训练工厂定位为专业模型的研发制造载体，以强化学习为核心技术路径，将通用智能转化为适配多场景的专业模型，解决智能能力“从0到1”的落地难题。

Token工厂则作为智能价值的输送网络，将专业模型封装为标准化、可精确度量的专业Token，实现智能能力“从1到N”的规模化交付。

方磊进一步阐释，训练工厂的核心价值是完成通用智能向专业智能的转化，追求的是AI任务整体更低的综合落地成本，而非单纯的低价Token。

当前行业竞争维度正在升级，评价标准正从高性能计算服务器保有量、集群节点规模、Token输出总量等浅层资源指标，转向可度量、可持续迭代优化的AI工业化交付体系能力。

发布会同步披露了三大战略目标：计划建成10万P规模智能算力集群；目标实现单日10万亿Token的流转承载能力；依托全栈自研技术实现千倍级综合成本下降。

九章云极方面强调，“千倍降本”是底层工程体系效率的提升，并非低价竞争。极致运营效能是大规模稳定服务的根基，也是长期成本优势的核心来源。

九章云极并非AI新锐，据公开信息显示，其成立于2013年，总部位于北京，是国家级专精特新重点“小巨人”企业、工信部人工智能揭榜挂帅单位。

公司定位为人工智能基础设施及智算云提供商，自研构建了完整的AIDC技术栈、智算操作系统及智算产业链。

据易观分析在现场发布的《2026年中国第三方普惠智算云市场专题研究报告》显示，九章云极在全国第三方普惠智算云市场中位居前列，在华东、华南、华北等核心区域均处于领先地位。

全球化布局方面，九章云极国内已在山东、安徽、宁夏、浙江、青海、云南、湖北、广东等多个核心省市完成智算中心布局；海外已在印度尼西亚实现节点运营。

不过其业务核心并非售卖智算硬件，而是运营一套将算力投入转化为专业Token智能产出的完整工业化交付体系。

平台价值具体则体现在集群综合利用率、客户任务单位完成成本、DCU全流程可计量等维度。这套可自我迭代的运营体系，能够帮助企业将高额的算力固定资产投入（CAPEX）转化为灵活可控的运营型支出（OPEX）。

▲九章云极副总裁胡宗星剖析AI工厂技术范式

技术层面，九章云极副总裁胡宗星介绍，进入Agent原生时代后，推理场景复杂度大幅提升，传统算力架构普遍面临异构硬件协同效率偏低、静态调度资源浪费、能效管理模式被动三大瓶颈。

九章云极依托全栈自研的Alaya NeW智算底座，完成三大技术范式的重构突破：

其一是系统架构重构方面，构建算、存、传一体化协同架构，通过算力调度分离、高速显存互联、全链路零拷贝传输等技术，实现端到端推理性能十倍提升。

其二是计算调度范式重构方面，落地持久化执行流机制，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。

其三是能效架构重构方面，升级为能源定义计算架构，实现算力与电力的实时协同调度，完成专业Token能耗的全流程量化、溯源与管控。

▲九章云极AI首席科学家 缪旭

九章云极AI首席科学家缪旭提出公司长期技术进化路线：Token工厂将迭代升级为AI基础设施编译器，借助强化学习智能体驱动平台自主调优、持续进化。

这意味着AI基础设施将从被动消耗芯片算力，逐步走向反向定义芯片适配标准。长期技术竞争壁垒，将来自Token产出、模型适配、操作系统调度、能耗管控、芯片反馈调节的一体化自学习、自优化闭环。

据悉本次发布会同步启动智算开放计划，按照能力开放、资源开放、生态开放三层架构，联动芯片、大模型、综合能源、服务器硬件等产业链伙伴，联合共建行业标准、共享自研技术能力、协同开拓产业市场。

现场九章云极与百度昆仑芯、海光信息、浪潮信息等多家企业完成生态战略合作签约。

制造业的智能化，其实就是从“设备自动化”到“决策智能化”的跃迁，行业内称其为在信息化时代后的第五次工业革命。

过去十年，我们所熟知的工业自动化，解决的是“机器怎么自己动”的问题——PLC控制产线、传感器采集数据、SCADA系统做监控。

但产线能自主运转起来之后，新的问题浮出水面：工艺参数怎么调最优？设备故障能不能提前预判？供应链波动如何动态响应？

这些问题，所对应背后的本质是“决策”本身——即在解放人力后，如何让决策更智能。

从维科网智能制造在WOD制造业数智化博览会和华南工博会实地探访头部企业和技术演讲情况来看，目前大多数制造企业面临的现实是：买了GPU服务器、部署了AI平台，但模型训练周期长、调优成本高、落地效果不稳定。算力投进去了，智能并没有如期“流”出来。

注：如感兴趣可阅读：

维科网专访 | 直击WOD制造业数智化博览会：从十场对话，看智造转型的“慢逻辑”与“真价值”

订单排到明年、年产飙至百万！2026华南工博会释放三个新信号

九章云极“AI工厂”战略，回应的就也是这个行业痛点——用训练工厂解决“怎么造出好模型”，用Token工厂解决“怎么让模型好用、能用、用得起来”，把智能的生产和交付从“手工作坊”变成“流水线”。

对于更广泛的制造业企业而言，这意味着AI能力的获取门槛有望被拉低——不需要自建庞大的算法团队，也不需要反复调试模型参数，而是像调用工业软件一样调用标准化的智能能力。

当然，这套体系能否在工业场景中真正跑通，还有待验证。

毕竟制造业对稳定性、可靠性的要求远高于互联网和消费场景，智能的“工业化”本身也需要经历工业级的检验。

不过一旦算力不再稀缺、智能可以标准化交付，制造业才有更多机会从“单点AI应用”走向“系统级智能决策”。

这或许也是AI在工业领域能像消费电子AI如豆包等，能真正规模化落地的关键前提。

正如同方磊在演讲收尾时所讲：“以规模化工业级的AI底座重新定义全球智算云。这不仅是技术的升级，更是整个AI产业走向成熟和商业化的关键一步。”

对此，你怎么看。

注：本文仅做信息分享，不构成任何投资建议。

精彩推荐