摩尔线程为什么提出「三大AI工厂」？

摩尔线程为什么提出「三大AI工厂」？｜WAIC 2026

2026年07月20日 18:33

进入Agent时代，产业竞争正在出现新的变化：AI不再只是一个需要被训练的模型，而正在变成一种需要被持续生产、调用和部署的智能能力。

在2026世界人工智能大会（WAIC）期间，摩尔线程创始人、董事长兼CEO张建中提出“三大AI工厂”的概念——模型训练工厂、词元（Token）生产工厂和智能体生产工厂。

摩尔线程创始人、董事长兼CEO张建中 在摩尔线程的定义中，三大工厂分别对应模型训练、Token生成和智能体生产，覆盖从基础模型研发到产业应用、从云端基础设施到终端设备的完整链路。

中国工程院院士、清华大学教授郑纬民在演讲中指出，算力基建的关键在于将每一份算力转化为高质量词元，三大“AI工厂”是算力基础设施的必然演进。在国家信息中心大数据发展部副主任魏颖看来，算力基础设施是词元生产的物理底座，作为算力核心的GPU决定了生产效率与成本。

但这三个“工厂”并不是三个割裂的业务方向。摩尔线程高级副总裁董龙飞表示，三个工厂代表的是不同市场，并不存在简单的优先级关系。但从产业竞争角度看，模型训练仍然是整个体系的基础。

“产业人工智能的竞争最重要的就在于这个模型是不是聪明。”董龙飞表示，模型能力依靠预训练和后训练获得，而不是推理阶段。

如果把AI比作一个企业，模型就像企业里的员工，首先需要具备足够高的认知能力，之后才谈得上执行任务。

这也成为摩尔线程布局三大工厂背后的核心逻辑：未来AI竞争不只是制造模型，而是建立一套持续生产智能的基础设施。 

模型训练工厂，决定AI能力上限

过去，大模型主要围绕语言能力展开；如今行业中的模型已经呈现高度多样化趋势，包括混合专家模型、多模态模型、机器人具身大脑模型以及世界模型等。

训练这些模型，并不是简单的矩阵计算，而需要更复杂的软件、仿真和计算能力。

这也是摩尔线程强调国产“全功能GPU”的原因。在训练场景中，GPU需要同时满足算力、显存、带宽、可靠性、软件生态以及训练结果一致性等要求。

其中，训练结果一致性是国产GPU进入大规模训练场景的重要门槛。

董龙飞解释，所谓训练中的“高精度”，并不是单纯指计算精度，而是不同GPU平台之间训练结果的对齐能力。对于已经投入大量资源完成模型训练的用户来说，迁移到新的GPU平台后，能否获得稳定、可比的训练结果，是平台能否被采用的重要因素。

主题：模型|摩尔线程|模型训练|训练结果一致性|董事长兼CEO张建中