服贸会专题活动“2026中国AIGC创新应用交流会”于9月10日在北京举办，主题为“智启未来 应用无界——从模型创新到场景落地”，北京九章云极DataCanvas AI首席科学家缪旭出席并演讲。

　　以下为演讲实录：

　　各位专家、各位来宾，下午好。我是九章云极的缪旭。今天很高兴和大家分享九章云极在普惠算力方面的一些实践与思考。

　　在座各位都是AI的专家和用户，训练和应用做过很多，可能都有体会：算力并不是那么容易用——开发过程中，GPU往往已经在计费，成本压力不小。九章云极过去两年帮助大量客户解决过这类问题：可调度管理的智能算力从不足1，000P增长到约30，000P。这段经历让我们越来越清晰地认识到一件事：算力从“建好”到“用好”，中间需要大量打磨，而普惠算力的新范式，核心在于AI工厂。

　　算力“用不好”，卡在四道坎。

　　随着智能体应用的爆发，算力需求在今年初出现了明显跃升，芯片价格成倍上涨，算力规模从千P级快速迈向数万P级，日均Token调用量也实现了千倍级增长。但与此同时，据行业测算，行业GPU平均利用率仍不足30%——大量GPU时间处于空转状态。若能把闲置算力充分利用起来，产业整体产出将显著提升。

　　问题集中在四个方面：一是获取门槛高，高端算力芯片价格高、产能受限，受全球供应链与产能因素影响，获取难度持续加大；二是使用复杂度高，开发、实验、部署、调优、运维等不同场景对算力使用范式的要求差异很大，成本核算也因此存在很大不确定性——用什么样的芯片、什么样的算力资源、多大的内存与通信配置，在不同场景下的成本差异显著，最终导致效能转化困难；三是成本压力大，传统算力租赁多以整卡、整机、长约计费，缺乏弹性；四是效能转化难，即便拿到算力，也常常缺乏配套工具与场景支撑。

　　普惠算力的本质，是算力服务的标准化与可计量。

　　要让算力真正“用好”、真正普惠，关键在于把算力使用服务化、标准化，并针对不同场景提供柔性的算力供给方式与自动调优能力，让不同用户、不同场景都能获得最优的使用效率。因此，我们将普惠算力定义为算力资产的服务化过程。

　　其中尤为重要的，是建立统一的计量标准。无论是FLOPS还是Token，都带有较强的硬件特性，很难直接定义使用效率；如果有一个标准化的计量单位，整个算力产业就有了更清晰的规范。这也是九章云极一直倡导的方向——算力需要一把统一的尺子。就像AI时代的流量一样，算力需要可计量、可调度、可结算，用户才能清楚地感知成本、最优地使用算力。

　　不同用户群体，需要不同的普惠算力模式。

　　从架构上看，普惠算力面向的主体差异很大：中小企业数字化转型需求旺盛；高校科研场景的突发性极强——论文临近截稿时使用量骤增、GPU紧张，截稿之后又迅速闲置；个人开发者与小微团队则对成本更敏感，往往愿意用更长的运行时间、更少的卡数，来完成概念验证（POC）。场景不同，算力架构与供给方式也应随之调整。

　　在此基础上，普惠算力需要具备四项核心要素：一是可用性，任何场景下都能便捷获取算力；二是可负担性，既能控制成本，又能在需要时快速扩展到上百张、上千张卡的弹性能力；三是易用性，通过完善的工具、API乃至智能体接入，降低平台搭建与调用门槛；四是安全性，数据安全是企业敢用算力的前提，只有在多租户环境中做好数据隔离与隐私保护，算力才能真正进入企业核心业务。

　　技术体系上，普惠算力可分为四个层次。

　　第一层是基建层，包括机房建设、绿色能源支撑、算网融合与算电协同，以及资源池化与虚拟化——机房温控与状态稳定，是上层算力稳定运行的基础，这是常被忽视却至关重要的一环。第二层是资源调度层，承担计量、运维、任务分配等职能，并将任务拆解为最小工作单元，同时划分安全边界。第三层是服务供给层，提供模型训练与管理、推理服务、智能体开发、MCP服务、沙箱等能力——智能体自主运行的时间越来越长，沙箱状态的持久化尤为关键，一旦中断需要重来，代价很高；若能将状态持续保存，就能实现更快的上下文重启。这一层能力，团队实力强可以自建，但快速迭代与持续调试的成本很高。九章云极希望把这一层纳入普惠智算的供给范围，帮助企业更快搭建AI技术栈、降低总成本。第四层是应用层，涉及模型训练、数据来源、效果评测、可持续的后训练，以及行业专家知识的注入——这一层变化最快，也最依赖下层服务供给能否快速适配。

　　AI工厂：训练工厂与Token工厂的双引擎联动。

　　这是九章云极近期提出的AI工厂方案，由训练工厂与Token工厂两个引擎构成。二者看似分工独立，实则需要紧密联动：专业模型的微调、后训练与强化学习完成之后，能否快速进入Token工厂对外输出，是实践中非常关键的一环。如果两个工厂彼此割裂，就会产生大量运维障碍；连为一体，则可以获得一体化的部署方案，并在调度上获得显著收益——训练任务可以放在负载较低的时段，推理则可以在智能体需求高峰时集中输出，GPU资源随之在训练与推理之间灵活分配，从而有效提升整体效率、降低成本。

　　基于AI工厂，九章云极推出了九章智算云（Alaya NeW Cloud）的整体框架。同时，我们正在倡导“一度算力（DCU）”的标准化计量：只有当不同厂商、不同型号的芯片——包括各类国产芯片与海外芯片——能够便捷换算，用户能够清晰感知成本并最优地使用算力时，普惠算力才具备规模化的基础。我们期待与业界专家共同推动这一标准的建立。

　　实践验证：科研场景的效率提升。

　　依托AI工厂，我们与多所高校开展了合作研究。以上海交通大学的一个世界模型项目为例，经过优化后，其运行时间从46分钟降至24分钟，效率提升约40%；在北京大学的科研场景中，GPU利用率从40%出头提升至90%，使用效率大幅改善。这些案例说明，从“租卡”到“用智能”，算力正在成为一项服务。而从普惠算力走向产业普惠，还有很长的路要走。

　　面向产业普惠，九章云极启动生态共创。

　　为了让普惠算力真正落到产业里，九章云极正在推进生态战略：与生物医药、智能制造等领域的专家和伙伴联合开展专业模型共创，开放算力资源与基础服务能力，支持行业落地。期待与各位深入交流、共同推进。我的分享就到这里，谢谢大家。