依托规划 10 万 P 算力集群的训练工厂、目标单日十万亿专业 Token 流转的 Token 工厂两大单元，九章云极以 AI 工厂完整体系赋能新一代智算云；公司计划三年内孵化 1000 个高价值专业模型，并依托全栈工程路径推进千倍级综合降本目标，携手生态伙伴构建可持续增长的智能产业飞轮，持续释放普惠智能生产力。

文｜张帆

编辑｜康德

2026年，如何继续创造智能？九章云极重新给出了答案。

6月17日，九章云极发布AI（人工智能）工厂战略，提出构建10万P算力集群“训练工厂”，以及10万亿Token（词元）/日的“Token工厂”的战略目标，形成双工厂核心引擎。接下来，九章云极将启动商业飞轮，汇集"1000+专业模型"，目标实现"Token降本1000倍"。

随着人工智能从小模型进化到大模型时代，九章云极也由云平台AI软件服务商发展成智算云厂商。2022年底ChatGPT问世，九章云极创始人、董事长兼CEO方磊意识到，AI不再是大厂云里的小组件，独立发展智算云的时机已成熟，由此，九章云极等到了自己的“云”。

这并不是幸运踩中风口的偶然事件，大模型东风来临之前，方磊与团队已深耕AI算力领域十余年。无论何时，在践行“创造智能”这件事上，九章云极始终表现出稳定的一致性：坚持AI技术服务场景需求，行业客户为先，注重定制化服务，建设长周期壁垒，利他共赢。

沉淀：深扎产业铸就AI训练先发优势

时针拨回2013年，iPhone 5 首次支持4G LTE，移动互联网手机市场迎来繁荣期。同一时间点，方磊从西雅图微软研究院回到中关村。在距离母校清华不远的地方，他没有投身显而易见的资本狂潮，而是站在了一个深而远的起点上——创造智能。

彼时，投资圈对人工智能的理解还停留在机器学习的理论阶段。方磊很快意识到，要做一个智能的创造者，先得做一个布道者。“（当时）投资人想象的上限是大屏BI，图表可视化，至于AI做模型预测，做营销，都觉得是假的。”方磊讲述到。这位毕业于弗吉尼亚理工大学的博士，从不吝啬于描绘人工智能模型的图景，学术和实践积累给他足够的信念，去用时间下一场赌注。

九章云极的创立，是一场主动的“不期而遇”。它藏身于金融、通信、制造业以及生物制药等多个领域，深度理解行业需求，不断进化。这些行业有三个共同点，业务复杂行业准入壁垒非常高，对AI人工智能有真实的需求，需要非标的“定制化”服务。

以银行业而言，在小模型时代，多数银行仅具有利用AI平台方案，做特定场景专项输出的AI能力，如营销层面的信贷客户识别应用等。九章要做的是Model Operation（模型运营)，即将数据管理，敏捷迭代，测试，AI模型管理集于一体，打造低门槛的自动建模平台。对于客户来说，九章的价值在于有效降低了“技术债”，提升内部技术专家和业务人员的智能化效率，加快多场景模型的生成落地。

这一时期，九章云极并非仅凭一套自研AutoML（自动化机器学习）技术立足银行业。它不走捷径，以时间为成本持续生长，从营销、风控、审计合规、运营、运维等多个业务逻辑出发，去理解银行业的运行逻辑，需求与痛点，并最终反哺模型训练，进行调优。

在一个个具体项目中，诸如客户分群模型，异常交易识别，贷款逾期预警，理财产品私售模型，反洗钱模型等等，九章云极收获的不是某段代码或者产品，而是真实项目的经验教训，一套基于业务需求不断优化AI模型的“Know-How”总结。

“这是一个漫长的周期和过程。”方磊表示，正是这个漫长的周期，让九章和这些客户建立了深度信任关系。”10年间，九章云极的客户从无到有，涵盖了中国上百家银行，三大运营商和三桶油。

2022年底，ChatGPT揭开了AI大模型时代的序幕，方磊意识到，九章云极作为大厂云PaaS（平台即服务）软件的使命结束了，作为独立智算云的新阶段已经到来。九章云极等来了自己的“云”也等来了自己的时代。

“很多事情积累了也没有结果，积累后还有结果算运气。”谈及过去，方磊的总结很简短，带着理工科博士的谦虚克制。他说，“大模型成为生产智能的主角，我们有机会制作单独的云，这样Business（生意）就变得足够大，从技术和商业上都得到了展现”。

而谈及未来，方磊的洞察很笃定，流露出一位科技企业家的雄心与精明。“大模型训练的技术底层逻辑和小模型是一脉相承的——都是用数据训练模型。”方磊坦言，从小模型时代一路走来，九章云极在模型训练，模型加速到模型推理方面的积累是非常充分的。

时间留给九章云极的，是定制化路线在高壁垒产业的渗透沉淀，更是一套被反复验证的方法论——如何高效“调教”模型以适应场景需求。在AI大模型产业化落地的当下，这无疑是九章云极牢固的先发优势。

普惠：智算云平台的核心竞争力

方磊想要的并不是算力的所有权，而是控制权，后者是谈论训练效率的前提。这一观点在九章云极Alaya New智算操作系统中得到印证。该系统的底层为算力管理内核，包含超级智算集群，多元异构资源纳管等AI基础设施资源管理，而大模型AI资产与训练推理等人工智能服务都建立在此之上。

“如果没有算力，即使说得再好也没用”。方磊表示，先有算力规模，再来谈智算效率。他给出一个重要的参数MFU（模型算力利用率），用于衡量裸硬件有多少计算能力真正转化为模型中实际可用到的能力。如果把算力硬件看做原矿石，九章做的就是“采矿”与“选矿”，确保客户对“矿石”的利用率更大化，资金回报更大化。他说，行业内算力硬件普遍存在利用率偏低的问题，九章云极依托全栈调度技术，将集群模型算力利用率（MFU）大幅提升，实现资源高效利用。

Alaya NeW智算操作系统是国内首批在算力调度、模型训练、模型推理、数据处理四大领域通过认证的全栈AI系统。从建设机房到云服务搭建，九章实现了对所有系统的自主控制。这不单是规避了“随时断电”的风险，给客户绝对的安全感，更是在长远维度上构筑一道“降本”护城河。

“创造智能主要是提高上限和降低成本。”方磊表示，自主可控的重要体现就是成本控制，价格低本身就是一种实力。“产品便宜也并非‘免费的午餐’，也需要付出巨大劳动，我们至少有这个竞争力。成本侧的把控力越突出，为客户创造智能上限的可能性就越大。”

九章云极将Alaya NeW智算操作系统嵌入智算云平台之中，构建起以提升算力资源效率为目标的智能调度层，是AI算力基础设施中枢。在这个基础上，智算云平台的发展触角持续深化，在国家算力一体化战略背景下，参与全国智算中心建设运营，打造普惠的智算方案。

如今，九章云极正推进 AIDC 规模化布局，国内布局覆盖宁夏、青海、安徽、广州、湖北等区域，印尼、沙特、西班牙等海外节点也在稳步规划落地。方磊口中的“降本”实力逐渐发展为“普惠”的算力应用方案，输出全球。

“普惠”的思维始终贯穿九章云极的商业模式。九章云极提出算力服务单位“度”（DCU），定义“1度算力=312TFLOPS”,并推出对应的算力包产品。九章云极希望，算力可以像水电等其他基础设施资源一样，成为“买到即用到”的标准化普惠AI资源。

“算力集群要按照计算量进行计算，如果更多人使用它，每个人的成本都会下降，这是普惠算力的出发点。”方磊表示，DCU提出来的初衷是希望算力可以量纲化和标准化，改善算力集群的使用率。

当然，1度算力的核心客户并非个人，更主要的还是有训练任务的行业公司，诸如机器人公司、智能医疗公司等。“客户可以看到自己的曲线，如果用不满，费用上会有一倍至二倍的节约。”方磊说。1度算力解决的，一是打破“算力”垄断，二是降低训练成本。据悉，九章云极的算力包产品可显著降低企业算力成本，加速 AI 应用的落地。

雄心：算力运营商的AI工厂战略

在AI大模型的世界里，九章云极将自身定位为“算力运营商”。方磊的落点始终明确，即提供智能算力关键基础设施的智算云平台，而非算力贸易商，更不是算力资源“大矿主”。方磊对算力运营商的解释直截了当，可以直接为客户出账单，可以涨价，甚至可以减价或者补贴。

在这个维度下去讨论九章云极短期战略中的“训练工厂”+“Token 工厂”，不难发现，两者绝非具象的算力能源基地，而是彼此独立的新物种。它们嵌入在智算云中，解决的是大模型客户在训练与推理过程中，各自不同的痛点与需求。

谁在“训练工厂”接受冶炼？简单来说，训练工厂的核心任务，是通过强化学习等技术，将专业知识“烧制”到通用底座中，将其升级为专业模型。当然，这种训练并不总是预先进行的，也包括中、后的训练。

面对专业模型竞争力正在被通用模型稀释的质疑，方磊认为，尽管通用模型能力在不断提升，但数据边界也是清晰的现实，独家的数据信息会持续提升专业模型的价值。

“我们的合作意向中，蚂蚁阿福来自医疗领域，银河通用也有自己的机器人模型，另外视频生产本身也是一种专业模型。”方磊表示，通用大模型未来是属于巨头的竞争，专业模型市场规模相对小，但也会更贵，毛利更高。

未来，九章云极的算力集群要扩大至10万P，以支撑大范围的模型并行训练。按照方磊的设计，巨大的资产规模归属于资产公司，不会累及九章云极的资产负债。“更多是探索新的经营关系，确保掌握资金与控制权”他解释道。

有观点认为，一旦公有云巨头集中在智算云市场发力，九章云极的胜算可能并不明朗，此时发力智算云基础设施建设存在风险。对此，方磊给出了非常明确的回答，“在关键基础设施上的坚定投入，是构建长期竞争力的必经之路。”

有时候“不做”胜于“全做”。方磊精准地点出九章智算云与大厂公有云的区别：九章云极专注算力运营，不自研模型，这使得我们能够以完全中立的立场服务客户。与同时拥有模型、应用和云业务的大型平台不同，我们与客户不存在业务竞争关系。这种独立性，正是许多企业客户选择我们的重要原因。

事实上，九章云极对于训练工厂的持续投入，核心是对自身强化学习“冶炼”技术的充分自信。与之对应，九章云极计划汇聚1000+生态模型，将“训练工厂”冶炼出的优秀专业模型，纳入到生态体系之中。

与“训练工厂”不同，“Token 工厂”为模型推理场景而设计，Token的应用者不再是专业模型企业，而是专业模型的用户。在这座“工厂”，九章云极的客户与其生态伙伴的客户，重合在一起。

方磊解释道，受限于小模型时代的惯性，很多人认为推理对于算力的需求更简单，其实不然。在他看来，大模型时代的推理是复杂的，更需要借助智算云来进行，对于Token的需求是非常明确的。鉴于此，九章云极将计划建设日产10万亿Token的“Token工厂”。

“推理分两步，一步计算，一步存储，存储的关键是带宽。”方磊表示，需要内存的地方不需要再浪费算力，后台通过技术调配，最终将高效低成本的智算方案投放给用户，实现Token降本。这也是九章在短期战略中提到的另一个“1000”，即Token成本跨越式降低1000倍。

从“1000个专业模型”到“Token 降本1000倍”，方磊和他的生态伙伴一起，触发了商业飞轮的按钮。当专业模型从“训练工厂”出厂之后，无需再锁定九章云极的推理算力，而是与之合作，在Token工厂进行推理，最终和九章云极进行Token收益分成。方磊表示，我们通过创新的合作模式与生态伙伴共享成长收益。我们对伙伴的模型能力和市场需求充满信心，这种深度绑定让双方能够共同抓住产业机遇。

“我与很多客户讨论过这个事情，比如你用九章算力进行推理时，Token工厂不需要花钱，我只需要帮助你查看模型并进行结算。”方磊清楚，留存在Token工厂里的数据沉淀，才是九章云极与客户之间最紧密的联结。

在大模型时代，九章云极自然延续了“深耕产业”的思路，为客户打造专业模型，在资金层面深度支持生态伙伴，并通过Token分成与生态伙伴深度绑定。同时，公司也在加大算力集群的前瞻性布局，构建长期竞争壁垒。在‘创造智能’这件事上，方磊始终擅长以长周期视角构建优势。