AI算力基础设施革命——从训练集群到三大“AI工厂“的演进

2026年，AI算力基础设施正在经历一场深刻的变革——从简单的训练集群，演变为三大"AI工厂"：模型训练工厂、词元生产工厂、智能体生产工厂。

摩尔线程在WAIC2026上首次公开了这一概念，基于夸娥（KUAE）智算集群打造的三大"AI工厂"，支撑从训练到推理、从数字世界到物理世界的多元算力需求。中国工程院院士、清华大学教授郑纬民表示，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。

这篇文章，咱们就来聊聊AI算力基础设施的最新进展和技术趋势。

一、为什么需要"AI工厂"

1.1 算力需求的量级变化

黄仁勋最近反复在讲一个判断：推理算力需求大约要增长一万倍，Token会成为新的计量单位。

数字本身不是重点，量级的变化才是。推理一旦变成如此高频、持续、与账单直接关联的行为，传统的训练集群架构已经无法满足需求。

1.2 从训练到推理的转变

过去几年，AI行业的焦点集中在模型训练上：谁的集群规模大，谁的模型参数多，谁就是赢家。

但随着大模型应用从训练走向推理、从数字世界延伸至物理世界，算力基础设施的组织方式也在发生变化。推理需要的不是简单的算力堆砌，而是系统化的工程设计。

1.3 智能体的算力需求

智能体的出现，进一步加剧了算力需求的复杂性。智能体需要持续的推理能力，需要与物理世界交互，需要多模态处理能力。

传统的训练集群无法满足智能体的实时性、连续性和多样性需求。

二、三大"AI工厂"详解

2.1 模型训练工厂

定位：面向大模型预训练、后训练、强化学习以及世界模型、具身智能模型等训练场景

核心能力：

• 高扩展性：随着集群训练规模增大，保持95%线性扩展效率
• 高精度：支持高精度训练，保证模型质量
• 高稳定性：支持断点续训，有效训练时长占比超90%

实践成果：

• 从零起步完整训练MoE-236B基础模型
• 基于摩尔线程MTT S5000完成全栈原生训练的5D世界模型EvoPhys-World，连续37天登顶WorldScore"世界生成"维度——这个成绩挺厉害的