8位AI Infra高管复盘WAIC：当堆砌「暴力美学」触顶，AI Infra如何求变？

7月的上海，WAIC 2026的热度，或许比蝉鸣来得更盛。几乎每个展台都人头攒动，人群的目光在展板的铅字和展商的面庞间来回切换。无数人来到这里，心里总带着同一个问题：中国的人工智能产业，到底走到哪一步了？雷峰网特别策划WAIC 2026观察报道，我们与8位参展AI Infra公司的决策者聊了聊，试图从展台边的对话里，捕捉今年大家真正在关心什么，以及这个行业正在形成哪些新方向和新共识。01扬帆 | 从拼规模升级为比效率今年产生了这样一种有意思的趋势，不管是来自CEO还是业务负责人，都不约而同地提到同一件事——WAIC 2026，行业关注的重心发生了改变。过去大家更多在聊千卡集群、GPU性能等指标；而现在，话题更多转向了如何稳定、低成本批量产出Token，以及在此基础上，要怎么样利用这些稳定的、低成本的token去支撑Agent和AI应用持续稳定运行。市场数据能清晰地印证这轮转变。2025年全市场Token调用量同比暴涨300倍，头部大模型企业的增长已完全由API和Token调用拉动。以智谱为例，其年化收入已从预期的7亿突破至10亿美金，增长核心全部来自推理侧规模化调用。据Gartner测算，推理目前已经占到企业AI计算支出的65%以上。这不再是一场“谁有更多卡谁就是赢家”的规模竞赛——用产出衡量能力，是推理时代的必然。九章云极市场部负责人陈庶观察到，去年大家还在讨论如何把模型训练出来，今年讨论已经变成了“如何让模型规模化地跑起来”。推理效率、调度能力、成本管控替代了算力规模，成为展台和论坛上最高频的词。这一看法成为了默契的共识，首都在线COO董直烨提到，行业的关注点已经从“算力资源的有无和规模大小”，转向了“算力的落地效率与价值确定性”。并行科技董事长，CCF中国计算机学会副理事长陈健指出，前两年行业算力需求基本上训练、推理五五分，但今年开始，随着AI Coding、小龙虾式自主智能应用批量落地，直接把算力推理需求推到了绝对主导地位。陈健将其概括为行业的一个共识判断——2026是AI大规模商业化元年，推理才是算力消耗的长期主体。02暗涌 | 99%的Token会被Agent消耗如果说Token是AI时代的石油，那Agentic AI就是那个轰鸣的内燃机。Agent正在推动AI从“生成内容”走向“完成内容”，在执行任务的过程中不断调动多个模型、多个工具，这会带来比传统单轮问答成百上千倍的Token消耗量。当AI Coding、智能客服和企业Agent等场景成为业务板块的一部分，单次请求将面临着更复杂的任务，也会更频繁的调用工具——毫无疑问，Agent的消耗速度绝对不是人可以比拟的。PPIO的创始人兼CEO姚欣给出这样的判断，现在人类和Agent的Token消耗量能打个平手，但未来Agent才会是Token的第一用户。“99%的Token都会由Agent消耗，而不是人。”这意味着，Agentic AI会明显提高对Infra的要求。趋境科技创始人兼CEO艾智远有一个判断，未来AI基础设施的竞争不会只停留在单点性能，而是更看重复杂任务中的连续稳定服务能力。博大数据董事长余武旺表示，未来竞争不会只是拼 GPU 数量，而是拼整个系统的协同能力，包括 AI 网络、高速互联、能源保障、资源调度，以及能否快速响应不同业务场景。需求端的变化已经清晰，供给端要如何回应？（关于AI Infra的产业需求变革，欢迎添加作者微信 treelog10 交流）03合流 | AI工厂和Token工厂：双帆共舞Agent让Token消耗呈现指数级增长，行业的回应是“AI工厂”和“Token工厂”。从2022年，英伟达CEO黄仁勋提出AI工厂，到2025年AI工厂被明确为像互联网和电力一样的基础设施。这场关于“造Token”的革命，在2026年已经进入了发展的关键阶段。8位站在行业最前沿的人均认同，AI工厂和Token工厂并非对立关系，二者更像一体两面的共生关系：AI工厂将包含推理和训练两大板块，是整个Token生产体系的完整载体；而Token工厂则更加注重规模化交付，把算力输出为标准的Token产能。董直烨认为，AI工厂的概念更宽泛，覆盖从数据处理、模型训练、微调、推理到应用分装的全流程；Token工厂则是聚焦智能最小单位——Token的全生命周期，本质是把算力转化为标准化的Token产能，更侧重推理侧的效率和确定性。清程极智联合创始人师天麾提出，AI工厂和Token工厂之间的概念异同，更多是一种观察尺度和叙事重点的区别。“AI工厂”这一概念强调的是完整的生产体系；而Token工厂则是把视角聚焦到推理和服务交付环节。“Token 工厂可以理解为 AI 工厂在推理时代、特别是在大规模 Agent 应用场景下的一种具体运营形态。”师天麾说。陈健则对二者关系做出了分层。他认为完整AI工厂分为两大模块，训练工厂和推理工厂，而推理工厂就是行业所说的Token工厂。他还指出二者之间存在的差异，是产业变革的核心。第一是需求体量与长期占比的改变。陈健表示，长期来看，训练算力整体占比会萎缩至10%左右，研发类算力占比5%，剩余85%以上的算力需求将全部归属Token推理工厂。行业算力资源投入重心不可逆的向推理倾斜。第二是集群设计逻辑完全相反。大规模训练任务是典型的超大规模单一计算任务，允许外部互联网络临时波动，但无法接受集群内单点硬件故障；而Token推理是线上持续服务，可容忍单张GPU失效等集群内故障，但无法承受对外服务互联网络的不稳定。“总而言之，AI工厂是完整产业载体，Token工厂是AI工厂当下和未来的价值核心——所有商业化收入、规模化应用增量，将由Token推理承载。”陈健说。（如果对AI工厂和Token工厂有独到的见解和看法，欢迎添加作者微信 treelog10 交流）04深海 | 效率决胜，玩家分层“后Scaling时代”是今年WAIC大会的热点词之一，意思是单纯堆算力、堆参数的方法，边际效益在递减。这个解读是否符合产业真实情况？目前从一些方面看来，答案是肯定的。早期，行业靠放大模型参数、建立千卡、万卡集群实现算力的跃升，但是来到2026年，已有厂商仅靠传统方案10%的训练算力，就做出了顶尖模型；企业也越来越“现实”，同样的资源要能产出更多有效的Token。但后Scaling并不意味着Scaling的终结。师天麾判断，Scaling并没有失效。只不过，靠扩大参数和堆叠算力，已经不能再自动换来等同比例的业务价值。训练和推理规模仍会增长，只是行业必须同时回答成本、能耗、延迟、稳定性和商业回报的问题。共绩科技创始人兼CEO付智，也有类似的判断：后Scaling并非“不再Scaling”，而是进入一种更加精细的系统Scaling、效率Scaling和调度Scaling。陈庶也提出，Scaling并没有结束，但是它的优先级在下降；模型能力的上限仍然在向前推进，但竞争的焦点确实在转移。既然单纯拼规模的时代已经过去，那现在行业要如何满足Agent的需求？市场给出了一个更加现实的答案——“效率为王”。“我们的判断是，AI Infra正从资源竞争转向系统效率竞争。”师天麾说。付智把这种效率竞争划分为三个层面。一是计算效率，通过芯片、网络、推理框架、模型优化和系统架构，让同样的硬件产生更多有效计算。第二是资源效率。通过弹性调度、异构资源整合和跨区域协同，让更多原本闲置或利用率不足的算力进入生产体系。第三是能源效率。算力任务如何与能源条件进行匹配，会越来越影响最终的Token成本。艾智远的观察是，企业会非常现实地计算：同样一批资源，能产出多少有效Token；服务能稳定运行多久；成本能不能支撑长期使用。未来竞争的关键，是提升单位资源产出、提高有效利用率、跨过成本线，并把这套能力复制到更多客户和场景中。姚欣则给出一个锋利的判断：随着赛道进入白热化竞争，绝大多数Token工厂目前都应处于亏损状态。比赛已经进入下半场，不同赛道的玩家在这场变革中各怀优势，也各有短板。陈健对雷峰网表示，他判断当下Token工厂赛道的玩家正在加速分层。其中，具备万卡GPU集群和全栈调度优化能力的算力服务商，优化后集群TPS和单位算力Token吞吐能拉开中小玩家10倍差距。但重资产模式注定了更长的扩张周期。自研大模型厂商自建推理集群，可以深度贴合自有模型架构，但硬件出处不对外开放，无法承接第三方海量Token需求。硬件采购上也有对外服务性价比不足的弱势。至于中小型算力服务商和初创团队，体量小、决策灵活，可承接定制化零散小单，却缺少长期稳定大客户订单、大批量GPU锁货渠道和底层调度与性能的优化能力。“稳定大客户订单、强GPU供给、顶尖性能算力优化能力三者缺一不可。同时，具备的头部玩家会持续收割份额，中小玩家的生存空间正在持续收窄。”陈健说。AI产业的发展进入深水区，百川归海，构建起新的行业共识。故事更迭背后，是技术浪潮的自然延续，Token产出取代GPU卡数成为新的标尺，效率接替规模成为新的命题。AI Infra企业纷纷在地图上圈出了新的目的地——让AI真正成为可度量、可交付、可依赖的生产力。百舸扬帆，向深海驶去。05掌舵者说关于竞争和优势，8位决策者还给出了不同的判断和解读。算力基础设施与规模化交付并行科技董事长，CCF中国计算机学会副理事长 陈健站在2026 WAIC现场，我感受到最直观的行业变化只有一句话概括：推理落地了。整个会场厂商、客户交流的核心不再是“能搭多大训练集群”，而是“如何稳定、低成本批量产出Token”，Token工厂、推理服务、低时延调度成为全场高频词。本次WAIC并行科技集中释放全栈算力服务落地成果，核心想向行业传