文 / 金葉

來源 / 節點財經

不久前，英偉達CEO黃仁勛拋出一個判斷：Token已成為利潤單位，AI被視為GDP的“生成器”。這正是全球算力需求持續爆發的底層原因。

“Token是利潤單位”的判斷，揭示了AI已經從技術探索轉向規模經濟，此時企業亟需的，是可直接驅動業務的“智能生產力”，而市場大量供給的，仍是需要復雜轉換的原始“算力資源”。

特別是傳統的算力租賃模式，有三個繞不過去的結。

投入重，利用率低，一個智算集群動輒幾十億投資，但負載常常徘徊在50%以下，大量顯卡沒有滿負荷使用。

其次，賣的是“裸資源”，附加值低：客戶租了GPU，還得自己搭環境、調框架、做運維，中小企業直接被擋在門外。

還有，算力服務沒有持續性收入，客戶租完就走，無法形成長期價值共生。

這道鴻溝，造成了資源浪費和應用的高門檻。行業迫切需要一種新范式：能不能像電網交付穩定“電能”一樣，交付穩定、標準、可度量的“智能”？

九章云極在6月17日2026全球智算科技峰會上發布的 “AI工廠”體系，正是對這一命題的回答。它或許不僅關乎一家算力企業的商業路徑，更關乎整個AI產業生態的效率重構。

價值重構：AI工廠如何打通算力到智能的斷點？

針對AI應用落地難、算力轉化效率低這一核心挑戰，在2026全球智算科技峰會上，九章云極提出了一個清晰的概念：建一座AI工廠，把從“算力”到“智能結果”的整條生產線串起來。

生產端叫訓練工廠，它的任務很簡單：把那些“什么都會一點、但什么都不精”的通用大模型，冶煉成真正懂行的專業模型。

比如，一個金融風控模型，需要專精可疑交易的信號、逾期的苗頭；一個制造質檢模型，它得提高良品的識別率。訓練工廠通過注入行業數據、反復強化學習、持續評測反饋，攻克從0到1的專業需求。

應用端叫Token工廠， 訓練出來的模型，企業其實沒法直接用，總不能把模型文件直接丟給業務系統吧？

企業需要的是：一個穩定的API接口、一套權限管理、一個能看清用了多少次的計量表，以及出了問題有人兜底的服務保障。Token工廠做的就是這件事：把專業模型封裝成即插即用的智能服務。

這兩座工廠改變的不僅是技術，更是客戶怎么花錢、怎么賺錢的方式。

先看投入側， 過去企業想用AI，路徑很漫長：先搞清要買多少張GPU，再研究網絡、存儲、調度，還得招一堆工程師來運維，光是采購定方案就要幾個月。

九章云極推出了統一算力的度量衡 “DCU” ，把GPU、NPU、網絡、存儲、時間、利用率全部打包成“一度電”那樣的單位。客戶按“度”采購，不用管底層用的是英偉達還是國產卡，也不用操心調度和運維，就像你買電只看度數，不會問是火電還是水電。

再看產出側，傳統模式下，客戶買了算力資源，至于這些資源產生了多少業務價值，沒人說得清。CFO問“這500萬花得值不值”，沒人能給出可量化的答案。

九章云極重新定義了產出單位——專業Token，每個專業Token對應一個可計量、可結算、有服務質量保障的具體業務任務。比如，處理一筆貸款申請消耗了多少Token，生成一份合規報告用了多少Token，客戶按Token付費，花多少錢辦多少事，價值一目了然。

這就讓客戶用AI是為了“解決具體業務問題而付費”，也是AI工廠真正打通的東西：幫助客戶完成從“成本中心”到“價值中心”的轉化，讓每一分AI的投入，都能對應到明確的業務結果。

模式躍遷：當AI從“重資產”變為“可運營的智能服務”

從這套“投入有尺度、產出有計量”的體系不難看出， 九章云極的AI工廠，帶來的不只是技術升級，更是一次商業模式的根本躍遷，它改變了AI在企業中的落地方式和成本結構。

首先，管理者對AI的看法，從“重資產建設型”變成了“輕資產消費型”。

過去，企業想用AI，第一步就是“買買買”，服務器、GPU、網絡設備等硬件，大幾千萬甚至上億就砸進去了。而且這些資產買回來就開始折舊，用不用都得花錢。AI工廠徹底改變了這一點：企業不需要自己買任何硬件，直接調用工廠的能力就行。

而且企業的AI支出，從CAPEX（資本支出）變成了OPEX（運營支出），這一條尤其關鍵。

有業內人士舉例：以前，一家中型銀行想做智能風控，在財務上屬于資本支出，需要走復雜的立項審批流程，至少要大半年，畢竟是幾千萬的固定資產投入，還要和每一個領導做PPT匯報，開會不下10次，很多好的想法在這個過程中被擱置了。

現在，銀行只需要像交水電費一樣，關注完成業務任務的總成本，在年度預算里報上這筆錢就行。決策層也更清晰理解這筆錢換來了多少具體的業務產出，財務核算也方便得多。

按實際的任務完成成本來付費，這樣一來，那些原本用不起AI的中小企業（全國有6000多萬家）一下子變成了潛在客戶。這才是真正的市場擴容，也是AI工業化最激動人心的前景。

對九章云極來說，商業模式也在走向“持續性續費收入”。

傳統算力租賃模式下，客戶租完GPU就走了，或者每次租都要比價。服務商每次都要重新找客戶、重新談價格，今天有單子，明天可能就沒有。

而AI工廠模式完全不同：客戶只要在持續使用AI，就會持續調用Token，模型越用越準，客戶黏性越強。

這意味著穩定、可預測的經常性現金流正在形成，客戶愿意為可衡量的價值付費，九章云極的定價權也就更強，健康、可持續的正向商業閉環水到渠成。

可持續性增長：效率、規模與生態驅動的正向循環

理解了AI工廠如何重構價值、如何改變商業模式之后，不妨把視角拉高，看看行業正在發生什么。

算力平臺正在加速向生產力平臺演進，2025年，中國GenAI IaaS市場同比增長219.3%，智能算力規模正以每年超過40%的速度狂奔。

更值得關注的是，算力需求本身也在發生史詩級遷移：從集中式訓練，轉向海量分布式推理。IDC預測，到2028年，推理算力規模將全面超越訓練算力。一個由智能應用驅動的、萬億美元規模的算力消費市場，正在我們眼前爆發。

站在這個拐點上，九章云極的AI工廠選擇了“兩條腿走路”。

一方面，拼規模。九章云極規劃建成10萬P智能算力集群，目標實現單日十萬億高質量專業Token流轉承載力。規模上來之后，芯片采購、數據中心建設、電力供應都有更強的議價能力。同樣一張卡，買得越多越便宜；同樣一度電，用得越多折扣越大。這些省下來的錢，直接變成成本優勢。

另一方面，拼效率。規模大不等于賺錢，關鍵看利用率。傳統模式下，很多智算集群的負載并不滿，九章云極通過自研調度器、算電協同、模型優化等五條路徑，把集群利用率推到行業高點。同樣的硬件，產出更多可售Token。更關鍵的是：模型一旦訓練完成、進入Token工廠，就可以被無限復用。標準化Token服務具備規模化運營優勢，可持續優化整體運營效率，這是一種軟件式的高毛利收入結構。

所以，Token的規模效應和效率效應疊加，標志著九章云極完成了從“算力供應商”到“智能生產力組織者與價值分配者”的戰略升級。

一個可持續的健康增長飛輪正在加速轉動：規模越大，成本越低；客戶越多，模型越準；門檻越低，飛輪越快。

基于這個飛輪，九章云極的成長路徑也清晰起來：

短期，成為穩定收入的“智能水電商”，像電網收電費一樣，九章云極每個月都有可預測的調用量，現金流穩定、健康。

中期，定義Token的度量、定價、交付標準，成為行業規則制定者。誰掌握了度量衡，誰就掌握了生態話語權。就像電網定義了“度”這個單位，所有電器都得按這個標準來。

長期，成為智能生產力平臺。企業的所有智能需求，從數據分析到流程自動化到決策輔助，都通過專業Token完成。

這一路徑已經被九章云極驗證：從交付算力到賦能產業的完整閉環能力已經跑通，合作網絡從芯片、模型伙伴，擴展到全球。九章云極賺取的是“規則紅利”，而不僅僅是資源差價。

這才是智能工業化時代，真正可持續的增長邏輯。

結語

黃仁勛說，Token是利潤單位，但Token的未來，又不只是利潤單位。

因為Token的終極意義，不在于它本身值多少錢，而在于它幫用戶完成了多少具體的、有價值的任務。

九章云極的“AI工廠”，正在嘗試回答：如何讓最前沿的AI算力，像水電一樣流動、可計量、被高效使用。它通過“訓練工廠”和“Token工廠”的串聯，將稀缺的、專業的智能生產能力標準化、普惠化。

這條路徑如果走通，價值將遠超一家公司的商業成功，更在于為千行百業注入一種可規模部署的“智能生產力”。當算力生意的邏輯從“資源占有”轉向“價值交付”，一場更深層次的產業變革才剛剛開始。