摩爾線程為什麼提出「三大AI工廠」？｜WAIC 2026

在上海舉行的 WAIC 2026 大會期間，摩爾線程正式對外揭曉其「三大 AI 工廠」策略，這項概念隨即成為展場上最受關注的討論焦點之一。作為一家以 GPU 技術起家的中國 AI 晶片公司，摩爾線程選擇在年度 AI 盛會上提出這套嶄新的基礎設施思維，背後反映的是當前 AI 產業面臨的關鍵瓶頸：大規模運算需求急遽攀升，但多數企業仍缺乏足夠的資源與技術能力，從零開始建置完整的 AI 運算環境。 根據摩爾線程的規劃，三大 AI 工廠的核心目標，是將 AI 算力、數據處理與模型訓練三個環節，整合為標準化的基礎設施。這套架構並非單純的硬體堆疊，而是從底層運算資源到上層應用服務的一站式解決方案。摩爾線程希望透過這套佈局，讓不同產業都能更快速地取得高效的 AI 服務，同時大幅降低導入門檻，加速 AI 從實驗室走向生產環境的進程。 具體來說，三大 AI 工廠分別對應算力調度、數據清洗與標註，以及模型訓練與微調。算力工廠負責提供可彈性擴展的 GPU 運算叢集，讓企業無需自行採購與維護昂貴的伺服器，即可按需取得所需的運算力。數據工廠則專注於處理非結構化資料，涵蓋資料清洗、去識別化、標註等前置作業，確保輸入模型的資料品質一致且可靠。訓練工廠則整合了分散式訓練框架與自動化調參工具，讓開發者能快速迭代模型，並支援從輕量級邊緣模型到千億參數大語言模型的不同規模訓練任務。 這套標準化模組的設計邏輯，在於打破過去企業建置 AI 應用時常見的「重複造輪子」困境。過去，每一家想要導入 AI 的公司，往往需要從頭搭建硬體環境、招募數據工程師與機器學習專家，並自行摸索模型訓練的流程。摩爾線程提出的三大 AI 工廠，正是要將這些繁瑣的基礎建設轉化為可即插即用的「水電煤」服務，讓企業能直接調用標準化的資源，將精力集中在業務場景的創新上。 摩爾線程在 WAIC 現場也展示了三大 AI 工廠的初步落地案例。例如，在智慧製造領域，算力工廠可以即時調度 GPU 資源來處理產線上的瑕疵檢測影像，數據工廠則將大量的現場照片自動標註為良品或不良品，訓練工廠再根據這些數據持續更新檢測模型，讓模型在實際運行中不斷自我優化。整個流程從數據採集到模型部署，原本需要數月時間，如今可縮短至數週甚至數日。 另一個典型案例是金融風控。金融機構的數據涉及大量敏感個資，且監管要求嚴格。數據工廠提供合規的資料脫敏與隱私保護處理，確保數據在安全的環境下進行清洗與標註；算力工廠則提供符合金融業高可用要求的隔離運算叢集；訓練工廠則針對信貸評分、反詐欺等場景，提供預訓練模型與遷移學習工具，讓金融機構能在極短時間內產出符合監管標準的專屬模型。 摩爾線程強調，這三大 AI 工廠並非各自獨立，而是透過統一的排程與資源管理平台相互串聯。企業用戶可以透過一個入口，同時管理算力配額、數據處理任務與訓練工作流。這種整合式設計，不僅有助於提升整體運算效率，也為 AI 技術在更多垂直領域的落地鋪平了道路。尤其對於中小型企業而言，過去因為缺乏資金與人才而無法觸及的 AI 能力，現在可以透過租用服務的方式迅速取得。 從產業趨勢來看，摩爾線程提出三大 AI 工廠，正是呼應全球 AI 基礎設施從「硬體為王」走向「服務化」的轉變。過去幾年，各大雲端服務商紛紛推出 GPU 即服務、機器學習平台等產品，但往往需要使用者具備一定的技術背景才能上手。摩爾線程的切入點在於，提供更貼近中國市場需求的在地化解決方案，並將數據處理這一最耗時且最容易被忽略的環節納入標準化服務，形成完整的閉環。 值得注意的是，三大 AI 工廠的推出，也意味著摩爾線程從單純的 GPU 晶片供應商，轉型為 AI 基礎設施平台營運商。這項策略不僅能降低企業導入 AI 的門檻，也為摩爾線程自身創造了新的商業模式：從賣硬體轉為賣服務，透過訂閱或按量計費的方式，持續從運算資源與平台服務中獲利。在 WAIC 2026 的展位上，摩爾線程的技術人員更現場演示了如何透過一個網頁介面，在幾分鐘內完成從數據上傳到模型訓練上線的完整流程，吸引大量參觀者駐足。 展望未來，摩爾線程計劃在 2026 年下半年開始，與多家合作夥伴共同在中國主要城市部署三大 AI 工廠的區域節點，優先服務製造業、金融業與醫療保健業。這些節點將採用摩爾線程自研的 MTT 系列 GPU 作為算力核心，並結合邊緣運算與雲端協同架構，確保數據傳輸的即時性與安全性。隨著更多企業開始嘗試標準化的 AI 基礎設施，三大 AI 工廠能否真正成為產業數位轉型的「水電煤」，還有待市場驗證，但至少從 WAIC 2026 的現場反應來看，這個概念已經成功引起了業界的廣泛討論。