摩爾線程張建中：AI競爭已不在于造模型，而在于建“三大AI工廠”

為什么摩爾線程要在今年WAIC上拋出“三大AI工廠”這個概念？背景是清晰的：進入Agent時代，產業競爭的游戲規則正在被改寫。過去，AI主要是被訓練出來的模型，企業比拼的是誰的模型更大、誰的評測分更高。而在張建中看來，競爭的焦點已經轉移——AI正在變成一種需要被持續生產、調用和部署的智能能力。它不再是一個靜止的產物，而是一條不斷運轉的流水線。摩爾線程把這條流水線拆成了三個彼此咬合的工廠：模型訓練工廠、詞元（Token）生產工廠和智能體生產工廠。這一定義，直接指向一個更根本的問題：下一代AI基礎設施到底應該長什么樣？

要理解這三座工廠，先得看對面的一場辯論。在基礎設施到底該重訓練還是重推理的問題上，產業界其實一直沒有定論。正方觀點很直接——模型訓練決定一切。摩爾線程高級副總裁董龍飛在論壇上就把話挑得很明：“產業人工智能的競爭最重要的就在于這個模型是不是聰明。”這句話背后是一套樸素的產業邏輯：如果模型本身的認知能力不夠，后續的推理、應用、智能體都是空中樓閣。他把AI比作一家企業，模型就是企業里的員工，員工先得有足夠高的智商，才談得上去執行任務。因此，模型訓練工廠在三大工廠中扮演的是“能力源頭”的角色，解決的是上限問題。而訓練這件事的復雜性，遠不只是算力堆多少卡那么簡單。董龍飛特別強調了一個很多國產GPU難以繞過的門檻——訓練結果一致性。簡單說，就是用戶已經在某個平臺上花巨資訓好了一個模型，現在遷移到新的國產GPU平臺上，能不能拿到跟原來高度可比的損失曲線和精度？做不到，就沒人愿意把自己的核心模型交給你。摩爾線程這次展示的萬卡規模MoE-236B基礎模型訓練，就是用國產GPU集群從零開始跑，有效訓練時長占比超過90%，模型精度和損失曲線與國際主流計算卡高度對齊。這類案例想證明的，就是模型訓練工廠的底座已經立住了。

但反方觀點同樣有力。中國工程院院士、清華大學教授鄭緯民在同一個論壇上說了另一句話：算力基建的關鍵在于將每一份算力轉化為高質量詞元。如果模型訓練工廠造出了聰明的模型，但每個Token都貴得讓人用不起，智能的普惠就無從談起。而且，一個被很多人忽略的變化正在發生——Token消耗的主力正在從人切換為Agent。張建中判斷，未來不是人在使用AI，而是AI Agent在大量調用大模型。這就意味著，對算力和成本的優化不能再沿用過去“一張卡跑一個模型”的思路，而是需要一套系統工程。在這一維度上，摩爾線程的詞元生產工廠試圖回答的，就是“怎么讓模型能力規模化釋放”。目前其推理套件已經適配了DeepSeek、MiniMax、GLM、Kimi、Qwen等主流模型，并推出了基于MTT S5000的PD分離異構推理方案。趨境科技給出的商業驗證數據很具體：目前每天供應萬億級高品質Token，并且通過與摩爾線程合作，實現國產GPU與國際主流GPU異構協同，以提升Token生產能力。這里隱含著一個產業判斷：推理已經不再是訓練的附庸，而是獨立于訓練的另一大市場，并且對基礎設施的性價比、調度效率和異構算力協同提出了全新的要求。

還有第三個方向的爭論：智能體生產工廠，到底只是概念先行，還是正在逼近現實？如果把Token工廠理解為“會說”，智能體工廠解決的就是“會做”。董龍飛給出的定義是，Agent需要調用工具，在電腦里操作軟件和系統，在物理世界里則需要機器人去執行。這就進入了“物理AI”的地界。大語言模型處理的是符號，而具備行動能力的智能體必須理解真實世界的物理規律，視覺、渲染、仿真、控制，這些任務擰在一起，對算力的消耗是數量級的提升。這也是為什么世界模型會成為具身智能的關鍵方向。極佳視界合伙人兼副總裁毛繼明在論壇上提到一個關鍵矛盾：數字AGI主要依賴語言數據，但物理AGI需要處理真實世界數據，數據使用效率決定了這條路能走多快。極佳視界正在與摩爾線程聯合做駕駛模型、具身模型等物理AI模型的訓練優化，探索國產芯片訓練國產模型的完整鏈路。如果這條鏈路跑通了，智能體生產工廠就不再是PPT上的概念，而是真正推開了AI從數字世界進入現實世界的大門。

這三條論據擺在一起，恰好指向一個容易被忽略的真相：三座工廠并非彼此獨立的業務方向，而是同一套算力體系在不同市場里的投影。董龍飛明確指出，摩爾線程的三大工廠共享統一的GPU架構和MUSA軟件體系，并不是針對不同市場分別開發不同技術。這正是全功能GPU與專用加速器之間的核心差異——在AI模型路線還在劇烈變化的今天，把GPU做得過于專用，就意味著押錯了注就會滿盤皆輸。未來到底是語言模型還是世界模型主導，沒人敢下確定性判斷。所以基礎架構必須具備足夠的通用性，能隨時在訓練、推理和智能體三條戰線上切換。京東云總裁曹鵬提到，京東已經在基于摩爾線程的國產算力做模型訓練、適配和調優，全國產算力、國產模型、國產推理引擎組成的體系正在逐漸成型。這暗示著，圍繞“三大工廠”展開的競爭，本質上是生態完整性的競爭，而不是單點突破。

把三大工廠串起來回看，摩爾線程這次在WAIC想定義的其實不是一款產品或一個業務，而是一種下一代基礎設施的雛形。過去大家談AI，關注的是“造得好不好”；張建中現在強調的是“產得順不順”。從模型訓練到Token生產再到智能體部署，這本質上是一條智能的生產線，任何一個環節的斷裂，都會讓整條產線停擺。產業里有人看重上游的訓練精度，有人盯著中游的推理成本，還有人押注下游的物理智能爆發，但真正讓這套體系具備持續競爭力的是統一的底座和完整的覆蓋。當Agent開始大規模調用模型、機器人開始走進現實場景時，誰手里有一套經受過全鏈路驗證的國產算力方案，誰就拿到了下一個時代的入場券。