“阿里巴巴正全力打造中国的‘AI（人工智能）工厂’。”香港《南华早报》日前报道称，在5月20日杭州举行的阿里云峰会上，阿里云资深副总裁刘伟光表示，阿里云正在进行全栈技术革新，从底层芯片、Agentic Cloud（智能体云）、模型到推理平台全面升级，以“建设中国最大的AI工厂”。
与此同时，从英伟达黄仁勋近年来的“工厂叙事”，到百度李彦宏提出的“日活智能体数”新标尺，再到德勤预测2028年美国将大规模运营“AI工厂”，一个“制造智能”的新时代正在到来。“AI工厂”究竟生产什么？从“Token（词元）工厂”到“AI工厂”，行业逻辑发生了怎样的变化？中国在这场“造厂”竞赛中进度如何，又面临哪些独特挑战？
“AI工厂”的底层逻辑
《南华早报》报道称，刘伟光将AI定义为一种全新的制造业形态，通过“训练与推理工厂”创造收入，并称阿里巴巴是国内唯一一家在“AI全栈五层架构”中均有布局的AI与云公司，这五层架构贯通了芯片、智能体云、AI模型、模型服务平台以及智能体应用。
实际上，早在2022年，黄仁勋就提到“AI工厂”概念，“AI数据中心处理海量且连续的数据以训练和完善AI模型，原始数据进来，经过提炼，然后智能输出——企业正在制造智能并运营大型‘AI工厂’”。
从那以后，黄仁勋对“AI工厂”进行层层递进的解释，逐渐用“工厂叙事”全面取代“芯片叙事”。英伟达在多领域的布局，也证明了黄仁勋所说的“英伟达已经从一家GPU（图形处理器）公司演变为‘AI工厂’公司”。英伟达的官方博客显示，2025年，黄仁勋公开表示：“AI现在已经是一种像互联网和电力一样的基础设施。我们今天建造的就是‘AI工厂’。”他进一步解释，“给AI工厂注入能量，就会生产出非常有价值的产品，这些产品就叫作Token（词元）。”
今年3月，黄仁勋再次发文，将AI产业形象比喻为“五层蛋糕”，自下而上依次由能源、芯片、基础设施、模型和应用构成。其中基础设施层包括土地、供电、冷却系统、建筑工程、网络通信，以及将成千上万处理器编排到一台机器的系统，这些系统就是“AI工厂”。他认为，芯片工厂、计算机组装厂和“AI工厂”正在以前所未有的规模建设，这正在成为人类历史上规模最大的基础设施建设。
长江商学院金融学助理教授梅丹青接受《环球时报》记者采访时，则从更细致的角度透视“AI工厂”的逻辑：最底层是电力、冷却、机房和网络；再往上是芯片和加速器；然后是云平台、推理引擎、调度系统和安全治理；再往上，是通用基础模型，以及围绕它搭建的行业适配、知识库和Agent（智能体）编排；最后是各种真实业务场景。梅丹青认为，英伟达的“AI工厂”，也是在强调它是用来规模化“制造智能”的基础设施，核心是把算力转化成可用、可计量、可收费的智能输出。
而在上述各种“AI工厂”概念中，瑞银证券中国互联网行业分析师熊玮一语道破中国发展“AI工厂”最明显的正在破解的瓶颈——算力。“在面对爆发式需求增长的时候，全球企业都说自己算力不够。中国的算力还面临一些高端芯片进口的限制。”熊玮告诉《环球时报》记者，在外界压力下，国产芯片近些年发展非常迅速，一些上游基建层的芯片正受益于中游模型提供厂巨大的投资，目前汇聚了很多产业链价值。
“芯片这个环节补上之后，我们全栈技术革新就是一个非常完美的故事线了。”刘伟光在发布会结束后接受多家媒体采访时表示，跟去年相比，今年提及阿里是“中国领先的AI全栈服务提供商”底气更足，原因是阿里当天发布基于新一代AI芯片真武M890的磐久AL128超节点服务器，主打解决Agent场景下的海量并发推理和大模型训练需求。
刘伟光形容说，每一款模型训练出来，背后都有强大的算力支撑。算力随着模型参数的变化，也在更快迭代，这两者绑在一起，就像齿轮互相咬合、不断螺旋上升。“未来如果每一块芯片都能跑出比竞争对手更多的Token、更高质量的Token，那我们就胜利了。”数据显示，阿里巴巴GPU芯片已经开始规模化量产，目前真武系列芯片已累计出货56万片，服务中国电信等400多家企业机构。
便宜货还是奢侈品？
“AI工厂”生产什么？中国电信集团首席科学家、美国贝尔实验室院士毕奇是这样解释的：以前的工厂生产的是物理世界的产品，有实体价值。随着信息技术发展，虚拟产品也被证实有巨大的经济价值，数据也能成为资产。
“AI工厂”的核心就是生产虚拟产品，与物理工厂一样，这里有两个关键内容：一是“设备”，也就是算力；另一个是“产品”及其计价方式。以前算力的度量是FLOPS，即每秒的浮点运算，其计价方式很难被大众接受。但大模型出现后，“Token”这个概念与流量十分相似，成为可以公认的、可以计费的算力价值单位。
“算力中心配合大模型，源源不断地生产出有经济价值的Token，就像工厂用机器生产产品一样。前者卖Token，后者卖商品。”毕奇接受《环球时报》记者采访时表示，“AI工厂”就是算力中心与大模型的结合体，它的产品就是Token，就像网络的产品是流量一样。
毕奇进一步解释说，不同的Token，价值天差地别。“这就像工厂生产的衣服，有几块钱一件的，也有几万块一件的名牌。价值高低取决于它用在什么领域、给什么行业解决什么问题、创造了多大的实际价值。”
5月13日，百度创始人李彦宏在百度AI开发者大会上，首次提出AI时代的“度量衡”——日活智能体数（DailyActive Agents，简称DAA）。他认为，“当人类进入智能体时代，衡量一个平台和生态的繁荣，更应该关注DAA这个指标，关注有多少Agents在给人类干活，并交付结果。这比无谓的Token消耗，更接近价值，也更接近本质。”
毕奇认为，“日活智能体数”是一种更高质量的“AI工厂”计价方式。“光有算力中心像缝纫机一样不停生产Token是较为原始的，关键是要生产出高质量、高附加值的‘衣服’，并按其在该行业的价值计价。”毕奇表示，Token用在哪个行业，经济价值多大，完全取决于大模型的质量和方向，以及它能为谁解决什么问题。“算力中心就像缝纫机，而大模型的设计和知识产权，以及提供价值的服务形式，才决定了衣服是便宜货还是奢侈品”。
“‘AI工厂’这个概念很容易被误解成‘算力崇拜’。好像谁有更多GPU、更多机房、更多电力，谁就赢了。”梅丹青认为，上半场的竞争可能看重上述因素，但真正的下半场是企业能否建立评估体系，引导AI产品往更好更高质量的方向发展，否则“AI工厂”很容易变成昂贵的Token生产机器。
中美是“AI工厂”领域两个主要玩家
德勤在今年3月发布的《德勤企业AI基础设施调查：2028年展望》报告称，2025年11月至12月，德勤调查了来自五个行业（消费，能源、资源与工业，金融服务，生命科学与医疗，科技、媒体与电信）、年收入超过5亿美元的515位美国企业领导者，结果显示，超过70%的受访者预计到2028年将大规模运营“AI工厂”。
“现在很多国家和地区都在讲‘AI工厂’，但背后的逻辑不太一样。”梅丹青告诉记者，美国更像是前沿模型和全球AI服务工厂；欧洲倾向于建设主权AI和公共创新基础设施，它的重点不完全是商业利润，而是希望欧洲企业和科研机构在AI时代不要完全依赖美国平台；中东更像是能源和资本驱动的算力枢纽；韩国、日本则侧重于发展产业AI和制造业升级平台。
综合来看，中美是“AI工厂”领域两个主要玩家。梅丹青认为，中国发展“AI工厂”，有三方面优势：第一，中国应用场景密度高，企业试错速度快，制造业、物流、电商、金融、政务、医疗等场景都不是简单聊天，而是大量重复决策、系统调用以及异常处理等等；第二，中国的工程化和成本控制能力很强，中企擅长把新技术快速产品化、低成本化、规模化，在低成本推理、工程优化、模型压缩、国产芯片适配上会有很强动力；第三，中国基础设施建设能力强，“AI工厂”的底层是基础设施项目，需要电力、土地、冷却、网络、机房建设和运维等，而中国在大型基建、能源调度和产业园区配套方面有丰富经验。
“中国的‘AI工厂’建设已经明显开始了。”梅丹青表示，阿里此次不是单独发布一个模型，或一块芯片，而是把模型、云基础设施、AI芯片和Agent服务平台放在一起讲。这说明中国头部云厂商已经意识到，未来AI竞争不是单点能力竞争，而是全栈能力竞争。
熊玮则分析称，中国模型厂能够提供的Token定价，远低于美国同行。虽然模型性能有一定差距，但性能的差距远小于定价差距，“中国模型的开发者们投入更多的研发资源和精力，策略更加重视，使得模型的推理效率更加极致，让中方的成本优势更明显。”
毕奇认为，目前大模型技术还在快速迭代阶段，未来可能会有多次“换道”，而在基础科学和颠覆性创新方面，美国目前占据主导地位。美国通过不断“换道”可能总能抢先占据制高点，中国必须紧紧跟上，否则有落后危险。
但毕奇也表示，中美之间在AI产业上实际是高度互补的，合作空间远大于竞争。美国尽管擅长“从0到1”的尖端科学创造，但如果找不到应用，技术就会“烂在锅里”。中国在大力攻坚“从0到1”原始创新的同时，同样重视“从1到100”的工程化应用和执行力。如果两国能合作，绝对会是“1+1>2”的结果。此外，目前舆论虽然渲染竞争，但两国国情可能最终仍会促成“有竞争，但合作大于竞争”的局面。▲