AI热榜 “2026 年初，OpenClaw 刚火时，日活 Token 数大概是 140 万亿。
未来算力越多越好，因为 Scaling Law 依然成立。
”摩尔线程创始人、董事长兼 CEO 张建中在 2026 世界人工智能大会上分享道。
现实是当前算力依然不够。
比如 Kimi K3 的发布引发了大量关注，但同时也带来了算力挑战。
就在昨天，月之暗面发布公告称，暂停 C 端新用户订阅，将已有算力全部投入于服务已订阅用户。
算力紧缺，Token 消耗量千倍暴涨，但不同 Token 之间其实存在明显的质量差异。
比如，与消费级 Token 不同，企业生产环境中的高品质 Token 需要支持万亿参数级模型、百万 Token 上下文、极低的首字延迟、较高的生成速度以及 99.99% 的服务稳定性。
企业真正愿意付费购买的是那些能够稳定进入生产环境的 Token。
因此，当企业真正开始按照每天生产多少 Token、每百万 Token 成本以及每项业务消耗多少 Token 来衡量 AI 投入时，传统以 GPU 数量、峰值算力为核心的评价体系已经不够用了。
中国工程院院士、清华大学教授郑纬民就提出，算力基础设施的关键，在于将每一份算力转化为高质量 Token。
国家信息中心大数据发展部副主任魏颖也表示，算力基础设施是 Token 生产的物理底座，作为算力核心的 GPU 直接决定生产效率与成本。
这些都促使 AI 基础设施从“算力中心”向“生产系统”转型：企业购买的不再只是若干张计算卡，而是一套能够持续生产模型、Token 和智能体，并最终转化为业务价值的工业化体系。
以全功能 GPU 为核心的摩尔线程，率先将 AI 基础设施划分为三座“工厂”：模型训练工厂、词元生产工厂和智能体生产工厂。
三者分别对应模型研发、规模化推理以及数字智能体和物理智能体部署，看似服务于不同环节，背后却指向同一套逻辑：算力的价值不再由硬件参数单独决定，而是取决于芯片、软件、网络、模型和行业应用等能否形成完整生产闭环。
摩尔线程创始人、董事长兼首席执行官张建中
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接