“Token每兩周翻一倍”，AI infra 正在被重寫”。

“這種增長速度，在人類歷史上都很少見?！?/p>

這是無問芯穹CEO夏立雪對當下AI行業(yè)最直觀的感受。

“養(yǎng)蝦”成潮流后，AI產(chǎn)業(yè)進入到一個更有意思的變化：需求側(cè)反向重塑 AI 基礎設施。

隨之而來的是，Token調(diào)用量暴漲、算力供需錯配、系統(tǒng)架構(gòu)承壓，這些原本屬于底層的問題，正成為行業(yè)發(fā)展的關鍵變量。

3月27日，在2026中關村論壇年會——AI開源前沿論壇上，由月之暗面創(chuàng)始人楊植麟領銜主持，智譜華章CEO張鵬，無問芯穹聯(lián)合創(chuàng)始人兼CEO夏立雪，小米MiMo大模型負責人羅福莉，香港大學助理教授&博士生導師、Nanobot團隊負責人黃超同臺，圍繞當下智能體浪潮、AI Infra的演進方向等議題展開深度對話。

作為基礎設施層的代表，夏立雪從Token供給與產(chǎn)業(yè)可持續(xù)發(fā)展的視角，分享了對這一輪AI變革的觀察與思考。

Token爆發(fā)：像極了3G時代的流量

在夏立雪看來，Token 不再只是一個計費單位，而正在成為類似“電力”“流量”的基礎生產(chǎn)要素。

他將這一階段類比為3G時代初期。當年移動互聯(lián)網(wǎng)剛剛普及時，用戶很快發(fā)現(xiàn)每月100MB流量遠遠不夠用，需求迅速釋放，最終催生出整個移動互聯(lián)網(wǎng)生態(tài)。

“現(xiàn)在Token的狀態(tài)是一樣的。”他說，“我們甚至在開玩笑，未來手機可能會有兩張卡，一張是流量卡，一張是Token卡?！?/p>

但與流量不同的是，Token的增長背后，不只是“用得更多”，而是使用方式發(fā)生了根本變化。

隨著 Agent 的出現(xiàn)，AI開始從“回答問題”走向“執(zhí)行任務”。一個復雜任務可能包含多輪推理、多次工具調(diào)用、多個子任務協(xié)同，這些都會顯著提升Token消耗。

與此同時，并發(fā)能力也在發(fā)生變化：

“一個Agent可以一秒鐘起1000個任務，沒有人類工程師能做到?！?/p>

圍繞 Token ，新的產(chǎn)業(yè)分工也在逐漸清晰。夏立雪將AI產(chǎn)業(yè)的核心拆分為三個要素：模型的智能性、從資源到 Token 的轉(zhuǎn)化效率、資源規(guī)模。

三者共同決定整個系統(tǒng)的產(chǎn)出能力。

“模型廠商解決的是智能性的問題，而我們更關注的是生產(chǎn)效率——怎么把能源、算力轉(zhuǎn)化為更多、更高質(zhì)量的 Token ?！?/p>

在這個框架下，無問芯穹將自身定位為“ Token工廠 ”：通過軟硬件協(xié)同、資源整合與調(diào)度優(yōu)化，把分散的算力資源轉(zhuǎn)化為可用的Token供給，并盡可能提升單位資源的產(chǎn)出效率。

 

基礎設施重構(gòu)：從“服務人類工程師”到“服務AI”

如果說Token的爆發(fā)是表象，那么更深層的變化在于：現(xiàn)有基礎設施的設計前提，正在被打破。

“過去我們服務的是CTO，是開發(fā)者，但未來的客戶，其實是AI，是Agent?！毕牧⒀┱f道。

人類工程師的工作節(jié)奏是串行的，而Agent具備高度并發(fā)能力；人類的響應速度是分鐘級，而AI的反饋是秒級甚至毫秒級。這意味著，原本圍繞“人”的行為模式構(gòu)建的系統(tǒng)，在面對AI時會迅速成為瓶頸。

夏立雪對雷峰網(wǎng)(公眾號：雷峰網(wǎng))表示，基礎設施要適應 AI 超出人類的能力。

比如 Agent 可以瞬間發(fā)起上千個并發(fā)任務，這種規(guī)模和響應速度，是人類工程師不具備的。所以底層系統(tǒng)必須支持更高并發(fā)、更快調(diào)度，比如毫秒級彈性、分布式任務協(xié)同。

如果基礎設施還是按照“人”的節(jié)奏設計，就會成為瓶頸。

其次，基礎設施本身必須具備自我進化能力。

夏立雪提到， AI 的需求變化非?？?，今天和明天可能完全不一樣。所以Infra不能是靜態(tài)系統(tǒng)，而是要能夠持續(xù)迭代。我們現(xiàn)在也在基礎設施里引入 AI 能力，讓AI參與運維、調(diào)度、優(yōu)化，甚至像一個“CEO”一樣去協(xié)調(diào)多個Agent之間的協(xié)作。

從這個角度看，未來的基礎設施不是簡單支撐AI，而是和AI深度融合的——“你中有我，我中有你”。

這一判斷，也解釋了無問芯穹當前的技術(shù)路徑：通過打通不同芯片架構(gòu)、整合分散算力資源，并在系統(tǒng)層引入AI能力，實現(xiàn)資源調(diào)度與系統(tǒng)優(yōu)化的持續(xù)進化。

“我們希望做到的是，把容器、調(diào)度這些能力做到毫秒級彈性，去適應AI的行為方式?！毕牧⒀┱J為。

供需錯配與 Token 經(jīng)濟學：一場尚未完成的體系構(gòu)建

盡管需求在快速增長，但當前行業(yè)面臨的依舊是供需之間的結(jié)構(gòu)性錯配。

一方面，高端算力資源供不應求；另一方面，大量“可用但未被充分利用”的資源處于閑置狀態(tài)。

“大家都在用最優(yōu)質(zhì)的資源，但其實有很多資源是可以被用起來的?！?/p>

在夏立雪看來，這種現(xiàn)象并不意外。任何新興產(chǎn)業(yè)在早期，都會集中使用最優(yōu)資源完成突破，但隨著規(guī)模擴大，必然走向分層與分化。

“一個成熟的產(chǎn)業(yè)，不可能只有最頂級的產(chǎn)品和最頂級的資源?！?/p>

這也意味著，低端算力、非主流芯片、延遲較高的集群，并非“無效供給”，而是尚未被正確匹配的資源。

無問芯穹的一個重要方向，就是通過調(diào)度與系統(tǒng)優(yōu)化，讓這些資源找到適合的應用場景，比如離線任務、低實時性需求等，從而緩解整體供需壓力。

與此同時， Token 價格的變化，也成為市場的重要信號。

面對各家云廠商的提價現(xiàn)象，夏立雪的判斷是：“提價本質(zhì)上說明，這件事情在用戶側(cè)產(chǎn)生了價值?！?/p>

在他看來，當前行業(yè)的一個關鍵問題，并不是“有沒有價值”，而是ROI是否跑通。

一方面，AI已經(jīng)可以替代部分人類勞動，例如助理型工作；另一方面，這些能力往往依賴高成本模型與算力，使得投入與產(chǎn)出未完全匹配。

“模型廠商解決的是這個崗位存不存在，而我們要解決的是，這件事情能不能以更高效率完成，讓它的成本和價值匹配?！?/p>

從更長周期來看，他認為Token經(jīng)濟體系仍在形成之中。

與移動互聯(lián)網(wǎng)時代不同，AI的服務對象不僅是人，也包括AI本身，這意味著未來可能出現(xiàn)全新的價值交換方式。

夏立雪也表示，AI行業(yè)的健康發(fā)展必須打通完整的經(jīng)濟鏈路：將中國的能源轉(zhuǎn)化為算力，把算力轉(zhuǎn)化為Token，最終落地轉(zhuǎn)化為GDP。

通過軟硬件生態(tài)的底層打通，我們要打造屬于中國的特色Token經(jīng)濟學，這不僅是盤活國內(nèi)算力，更是要復刻“Made in China”的奇跡，推進“AI-Made in China” 。

當中國龐大的能源與成本優(yōu)勢，通過高效率的Token工廠轉(zhuǎn)化為優(yōu)質(zhì)、穩(wěn)定的服務并輸出到全球時，中國也將成為新時代的“世界 Token 工廠”，為AI時代的全球分工貢獻不可替代的中國方案。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。