財經觀察：“AI工廠”全球競速，各國拼什么？

來源：環球時報

【環球時報報道 記者 楊沙沙】“阿里巴巴正全力打造中國的‘AI（人工智能）工廠’。”香港《南華早報》日前報道稱，在5月20日杭州舉行的阿里云峰會上，阿里云資深副總裁劉偉光表示，阿里云正在進行全棧技術革新，從底層芯片、Agentic Cloud（智能體云）、模型到推理平臺全面升級，以“建設中國最大的AI工廠”。

與此同時，從英偉達黃仁勛近年來的“工廠敘事”，到百度李彥宏提出的“日活智能體數”新標尺，再到德勤預測2028年美國將大規模運營“AI工廠”，一個“制造智能”的新時代正在到來。“AI工廠”究竟生產什么？從“Token（詞元）工廠”到“AI工廠”，行業邏輯發生了怎樣的變化？中國在這場“造廠”競賽中進度如何，又面臨哪些獨特挑戰？

“AI工廠”的底層邏輯

《南華早報》報道稱，劉偉光將AI定義為一種全新的制造業形態，通過“訓練與推理工廠”創造收入，并稱阿里巴巴是國內唯一一家在“AI全棧五層架構”中均有布局的AI與云公司，這五層架構貫通了芯片、智能體云、AI模型、模型服務平臺以及智能體應用。

實際上，早在2022年，黃仁勛就提到“AI工廠”概念，“AI數據中心處理海量且連續的數據以訓練和完善AI模型，原始數據進來，經過提煉，然后智能輸出——企業正在制造智能并運營大型‘AI工廠’”。

從那以后，黃仁勛對“AI工廠”進行層層遞進的解釋，逐漸用“工廠敘事”全面取代“芯片敘事”。英偉達在多領域的布局，也證明了黃仁勛所說的“英偉達已經從一家GPU（圖形處理器）公司演變為‘AI工廠’公司”。英偉達的官方博客顯示，2025年，黃仁勛公開表示：“AI現在已經是一種像互聯網和電力一樣的基礎設施。我們今天建造的就是‘AI工廠’。”他進一步解釋，“給AI工廠注入能量，就會生產出非常有價值的產品，這些產品就叫作Token（詞元）。”

今年3月，黃仁勛再次發文，將AI產業形象比喻為“五層蛋糕”，自下而上依次由能源、芯片、基礎設施、模型和應用構成。其中基礎設施層包括土地、供電、冷卻系統、建筑工程、網絡通信，以及將成千上萬處理器編排到一臺機器的系統，這些系統就是“AI工廠”。他認為，芯片工廠、計算機組裝廠和“AI工廠”正在以前所未有的規模建設，這正在成為人類歷史上規模最大的基礎設施建設。

長江商學院金融學助理教授梅丹青接受《環球時報》記者采訪時，則從更細致的角度透視“AI工廠”的邏輯：最底層是電力、冷卻、機房和網絡；再往上是芯片和加速器；然后是云平臺、推理引擎、調度系統和安全治理；再往上，是通用基礎模型，以及圍繞它搭建的行業適配、知識庫和Agent（智能體）編排；最后是各種真實業務場景。梅丹青認為，英偉達的“AI工廠”，也是在強調它是用來規模化“制造智能”的基礎設施，核心是把算力轉化成可用、可計量、可收費的智能輸出。

而在上述各種“AI工廠”概念中，瑞銀證券中國互聯網行業分析師熊瑋一語道破中國發展“AI工廠”最明顯的正在破解的瓶頸——算力。“在面對爆發式需求增長的時候，全球企業都說自己算力不夠。中國的算力還面臨一些高端芯片進口的限制。”熊瑋告訴《環球時報》記者，在外界壓力下，國產芯片近些年發展非常迅速，一些上游基建層的芯片正受益于中游模型提供廠巨大的投資，目前匯聚了很多產業鏈價值。

“芯片這個環節補上之后，我們全棧技術革新就是一個非常完美的故事線了。”劉偉光在發布會結束后接受多家媒體采訪時表示，跟去年相比，今年提及阿里是“中國領先的AI全棧服務提供商”底氣更足，原因是阿里當天發布基于新一代AI芯片真武M890的磐久AL128超節點服務器，主打解決Agent場景下的海量并發推理和大模型訓練需求。

劉偉光形容說，每一款模型訓練出來，背后都有強大的算力支撐。算力隨著模型參數的變化，也在更快迭代，這兩者綁在一起，就像齒輪互相咬合、不斷螺旋上升。“未來如果每一塊芯片都能跑出比競爭對手更多的Token、更高質量的Token，那我們就勝利了。”數據顯示，阿里巴巴GPU芯片已經開始規模化量產，目前真武系列芯片已累計出貨56萬片，服務中國電信等400多家企業機構。

便宜貨還是奢侈品？

“AI工廠”生產什么？中國電信集團首席科學家、美國貝爾實驗室院士畢奇是這樣解釋的：以前的工廠生產的是物理世界的產品，有實體價值。隨著信息技術發展，虛擬產品也被證實有巨大的經濟價值，數據也能成為資產。

“AI工廠”的核心就是生產虛擬產品，與物理工廠一樣，這里有兩個關鍵內容：一是“設備”，也就是算力；另一個是“產品”及其計價方式。以前算力的度量是FLOPS，即每秒的浮點運算，其計價方式很難被大眾接受。但大模型出現后，“Token”這個概念與流量十分相似，成為可以公認的、可以計費的算力價值單位。

“算力中心配合大模型，源源不斷地生產出有經濟價值的Token，就像工廠用機器生產產品一樣。前者賣Token，后者賣商品。”畢奇接受《環球時報》記者采訪時表示，“AI工廠”就是算力中心與大模型的結合體，它的產品就是Token，就像網絡的產品是流量一樣。

畢奇進一步解釋說，不同的Token，價值天差地別。“這就像工廠生產的衣服，有幾塊錢一件的，也有幾萬塊一件的名牌。價值高低取決于它用在什么領域、給什么行業解決什么問題、創造了多大的實際價值。”

5月13日，百度創始人李彥宏在百度AI開發者大會上，首次提出AI時代的“度量衡”——日活智能體數（DailyActive Agents，簡稱DAA）。他認為，“當人類進入智能體時代，衡量一個平臺和生態的繁榮，更應該關注DAA這個指標，關注有多少Agents在給人類干活，并交付結果。這比無謂的Token消耗，更接近價值，也更接近本質。”

畢奇認為，“日活智能體數”是一種更高質量的“AI工廠”計價方式。“光有算力中心像縫紉機一樣不停生產Token是較為原始的，關鍵是要生產出高質量、高附加值的‘衣服’，并按其在該行業的價值計價。”畢奇表示，Token用在哪個行業，經濟價值多大，完全取決于大模型的質量和方向，以及它能為誰解決什么問題。“算力中心就像縫紉機，而大模型的設計和知識產權，以及提供價值的服務形式，才決定了衣服是便宜貨還是奢侈品”。

“‘AI工廠’這個概念很容易被誤解成‘算力崇拜’。好像誰有更多GPU、更多機房、更多電力，誰就贏了。”梅丹青認為，上半場的競爭可能看重上述因素，但真正的下半場是企業能否建立評估體系，引導AI產品往更好更高質量的方向發展，否則“AI工廠”很容易變成昂貴的Token生產機器。

中美是“AI工廠”領域兩個主要玩家

德勤在今年3月發布的《德勤企業AI基礎設施調查：2028年展望》報告稱，2025年11月至12月，德勤調查了來自五個行業（消費，能源、資源與工業，金融服務，生命科學與醫療，科技、媒體與電信）、年收入超過5億美元的515位美國企業領導者，結果顯示，超過70%的受訪者預計到2028年將大規模運營“AI工廠”。

“現在很多國家和地區都在講‘AI工廠’，但背后的邏輯不太一樣。”梅丹青告訴記者，美國更像是前沿模型和全球AI服務工廠；歐洲傾向于建設主權AI和公共創新基礎設施，它的重點不完全是商業利潤，而是希望歐洲企業和科研機構在AI時代不要完全依賴美國平臺；中東更像是能源和資本驅動的算力樞紐；韓國、日本則側重于發展產業AI和制造業升級平臺。

綜合來看，中美是“AI工廠”領域兩個主要玩家。梅丹青認為，中國發展“AI工廠”，有三方面優勢：第一，中國應用場景密度高，企業試錯速度快，制造業、物流、電商、金融、政務、醫療等場景都不是簡單聊天，而是大量重復決策、系統調用以及異常處理等等；第二，中國的工程化和成本控制能力很強，中企擅長把新技術快速產品化、低成本化、規模化，在低成本推理、工程優化、模型壓縮、國產芯片適配上會有很強動力；第三，中國基礎設施建設能力強，“AI工廠”的底層是基礎設施項目，需要電力、土地、冷卻、網絡、機房建設和運維等，而中國在大型基建、能源調度和產業園區配套方面有豐富經驗。

“中國的‘AI工廠’建設已經明顯開始了。”梅丹青表示，阿里此次不是單獨發布一個模型，或一塊芯片，而是把模型、云基礎設施、AI芯片和Agent服務平臺放在一起講。這說明中國頭部云廠商已經意識到，未來AI競爭不是單點能力競爭，而是全棧能力競爭。

熊瑋則分析稱，中國模型廠能夠提供的Token定價，遠低于美國同行。雖然模型性能有一定差距，但性能的差距遠小于定價差距，“中國模型的開發者們投入更多的研發資源和精力，策略更加重視，使得模型的推理效率更加極致，讓中方的成本優勢更明顯。”

畢奇認為，目前大模型技術還在快速迭代階段，未來可能會有多次“換道”，而在基礎科學和顛覆性創新方面，美國目前占據主導地位。美國通過不斷“換道”可能總能搶先占據制高點，中國必須緊緊跟上，否則有落后危險。

但畢奇也表示，中美之間在AI產業上實際是高度互補的，合作空間遠大于競爭。美國盡管擅長“從0到1”的尖端科學創造，但如果找不到應用，技術就會“爛在鍋里”。中國在大力攻堅“從0到1”原始創新的同時，同樣重視“從1到100”的工程化應用和執行力。如果兩國能合作，絕對會是“1+1>2”的結果。此外，目前輿論雖然渲染競爭，但兩國國情可能最終仍會促成“有競爭，但合作大于競爭”的局面。