成立九年，中科類腦把積累裝進Token工廠

E（電能利用效率）。大模型進入規模化推理階段後，這套標準開始轉向產出端。同樣一批芯片、同樣一度電，最終能生成多少滿足質量、時延和穩定性要求的Token（詞元）。芯片通電，只代表生產開始。計算、存儲、網絡、模型部署和任務調度，只要有一個環節卡住，昂貴的芯片仍可能低效空轉。中科類腦瞄準的，正是這段從資源到智能產出的轉化過程，讓同樣的芯片、同樣的電，產出更多、成本更低、質量更穩定的Token。它將自己的體系稱為“算電協同型Token工廠”，把異構芯片、模型、用戶任務和電力放進同一套系統調度，用更少的資源產出更多有效Token。

對外，這套能力落在BitaHub彼塔雲平臺； 對內，由一個決策大腦統籌，電力、算力、Token三個子系統共同驅動。算力之上，交付Token 中科類腦合夥人、副總經理常峰，給我們算了一筆價值賬，來解釋“Token工廠”。一度工業用電的採購價通常只有幾毛錢，轉化成算力後，價值可能達到幾十元； 進一步形成Token後，部分模型每百萬Token的價格可以超過百元。這裡的關鍵並非簡單漲價。算力是生產設備，電力只是原料，用戶提交的提示詞和任務進入Token生產線，模型負責完成智能轉換。調度系統決定任務在什麼時間、什麼地點、使用哪類芯片和哪個模型運行。客戶最終購買的是能夠完成任務、符合指標的Token服務。

這也確定了中科類腦在產業鏈中的位置。傳統IDC交付機櫃、電力、網絡和空間，雲廠商提供算力實例與模型接口；中科類腦向上再走一層，即Token生產運營層，試圖對Token的生產效率、成本和任務結果負責。△圖片由AI生成 常峰將這套商業邏輯概括為兩件事：效能和場景化。效能決定每顆芯片、每度電能生產多少Token；場景化則決定這些Token能夠產生多大價值。在常峰的規劃裡，效能和場景同樣重要，集中研發資源解決效能問題，組織業務資源解決高價值場景問題，再把產生的高質量token結合業務場景，實現應用價值的最大化，目前已經在AI4S及能源領域形成了可規模化的商業閉環。BitaHub承擔前臺角色。

它統一納管英偉達、昇騰等不同架構的算力，聚合模型API和Token服務，並連接企業私有算力池與公共資源池。以平均30張、峰值100張芯片的需求為例，企業按日常負載自建，高峰缺口由平臺補齊70張芯片，相當於獲得了一條可以彈性擴縮的Token生產線。據中科類腦介紹，截至目前平臺已接入逾3000個算力節點，總規模超過5000P，累計服務超8萬企業及科研用戶。後臺則是公司與中國科大團隊聯合研發的決策大腦，負責電算Token一體化系統從監控、預測到調度、運營的閉環運轉。因此，中科類腦的核心產品並非某一座機房、某一款芯片或某一個模型。

它提供的是一套跨域生產組織能力：在滿足安全、時延和穩定性的前提下，把分散的算力與模型資源組合成可以持續高質量交付的Token。產業鏈上並不缺資源供給者，稀缺的是把多種資源轉化為穩定高質量產出的運營者。先把異構算力跑起來，再疊加電力優化 中科類腦最核心的技術落在AI系統軟件層：把算力資源、芯片、模型、電價和任務納入同一套決策系統，基於電力條件對算力、模型和任務進行柔性調度。這套系統被概括為“1+3”架構：一個決策大腦連接算力、Token和電力三個子系統，先匹配算力、模型與任務，再把電力信號加入全局優化。首先，它是一套預測與決策模型。中科類腦CTO、研究院院長丁海松將這套系統的工作節奏拆成三步。

第一步是監控，實時監測Token需求、集群負載、新能源的發電功率、電價以及每份算力的Token產出效率； 第二步是預測，判斷未來15分鐘、1小時甚至更長時間內綠電出力、電價和任務需求的變化； 第三步才是決策，調整三個子系統的運行方式。所有決策都以用戶體驗、結果質量和系統穩定性為邊界。同時，它也是能真正執行調度的工程系統。調度的核心，是從算力任務中找出“柔性負荷”。對首Token時延敏感的實時任務留在原地；可排隊、可斷續的批處理任務，則可以轉移到電價低谷時段異地運行。任務可以選擇地點，芯片也要重新分工。常峰將異構芯片調度比作管理一群說著不同語言的員工。

每類芯片的計算能力、顯存大小、互聯帶寬和軟件棧各不相同，直接放在一起很難協作。因此，中科類腦為每種芯片配置了一個“包工頭”式插件，調度層只負責分發任務，插件負責指揮同類芯片； 同時插件給每張芯片建立能力畫像，記錄它擅長什麼任務、和誰組合效率更高。△圖片由AI生成 解決不同芯片“能否協同”之後，系統還要進一步拆解推理流水線，解決“怎樣協同效率更高”。在大模型推理中，系統還可以把Prefill和Decode拆開，並通過KV Cache遷移把兩個階段連接起來。Prefill階段計算密集，交給計算能力更強的芯片； Decode更依賴顯存和帶寬，交給大顯存、高吞吐芯片。

兩階段之間的KV Cache必須高效遷移，否則長上下文需要重算，時延和吞吐都會受影響。高端芯片不必包辦整條推理鏈，新舊芯片、國產芯片和海外芯片都能在同一座Token工廠中各司其職。對長上下文任務，KV Cache相當於模型已讀內容的“工作記憶”。讓它隨任務跨節點遷移，可以減少重算。另外，訓練作業跨集群調度還要同步檢查點、優化器狀態和數據進度，並控制任務中斷時間。這套系統真正接受檢驗，是在一次跨上海、蕪湖和烏魯木齊的調度測試中。整個跨三地調度的控制響應保持在200秒以內，跨域遷移成功率達到100%，能耗預測精度達到98%。

這次測試驗證的不只是搬運：而是把異構適配、跨域遷移、長上下文KV跨節點協同、綠電預測和SLA約束放進同一條生產鏈聯動，電力信號讓任務按電網壓力和綠電供給調整運行地點。測試體現了系統跨經營主體的調度能力，還額外帶來了電力成本的下降。這也是全國首個跨三地算電協同智能調度測試。現在，這套調度能力有了常態化運營的實體載體。9月17日，皖疆人工智能科技產業園在烏魯木齊正式開園。園區按照“三中心一平臺”佈局規劃建設，首個突破千P的融合算力中心已經建成投運。對中科類腦來說，比區域佈局更根本的問題，是壁壘在哪裡。丁海松的回答很直接：核心壁壘是對算電Token一體化的運營能力和理解。

“算力、電力單看，我們可能都在第一梯隊。但真正的壁壘不是單項能力，而是疊加之後的系統級能力。” 他進一步表示，異構調度和推理優化等算側能力，也可以追趕，綠電出力預測等電側能力，競爭對手可以補上； 真正困難的部分，是把兩套技術語言、兩批工程經驗和兩類運行數據裝進同一個系統，並讓它在真實業務中長期穩定運行。針對這套核心壁壘，中科類腦進一步升級系統調度與運營能力，在剛剛結束的世界製造大會上，正式推出算電詞元一體化平臺。平臺是面向AI基礎設施（Token工廠）推出的操作系統，延續“1+3”核心架構，以博弈智能決策大腦為中樞，打通算力、Token、電力三大子系統，構建“電-算-Token”全鏈路閉環。

對於Token工廠終局，常峰將其比喻為一座“黑燈工廠”： 未來數據中心建成後無需人工干預，算力智能體負責芯片適配、任務切分和KVCache協同搬運；電力智能體負責電價預測、綠電出力預測，控制儲能充放電，再由一個控制中樞統籌整座工廠。更遠一步，則是算電芯模一體化。系統按模型運行效率反推芯片設計，讓芯片從設計階段就服務於Token生產。從算到Token、再回到芯片的全鏈路一旦打通，才是難以複製的壁壘。Token越便宜，系統級能力越值錢 Token越賣越便宜，這家公司靠什麼賺錢？國家數據局披露，我國日均Token調用量從2024年初的1000億增至2026年3月的140萬億，兩年增長超過千倍。

據統計，部分主流模型API累計降價超過90%。量在暴漲，通用Token的利潤卻被迅速壓薄。以度電智能（有效Token/kWh）作為統一優化目標，中科類腦的解法分三層。第一層是算力與Token優化，通過異構調度與推理加速技術，提升每度電產出的有效Token數量； 第二層是算電協同增益，在算力優化的基礎上疊加電力協同，進一步壓低單位Token成本； 第三層則是把通用Token組織成場景結果，按價值計價。度電智能由此成為頂層結果指標，底層硬核仍由異構調度、KV遷移和任務編排引擎提供。Token工廠是新鮮詞，中科類腦的積累不是。

算力調度始於2019年BitaHub上線，持續做異構算力納管與調度； 與此同時，公司成立9年，已經在電力智能化領域深耕七年多，變電站智能巡檢覆蓋十餘省市、上百座站點，沉澱出新能源預測、儲能和微網控制能力。2024年，兩條技術線匯入算電協同。這一路徑決定了它的技術定位：AI集群調度內核是可獨立交付的底座，電力域是建立在底座之上的跨域增量。在場景價值端，常峰判斷，Token會因模型能力和任務價值不同拉開價格差距。同樣數量的Token，用於普通對話與專業任務，客戶願意支付的價格可能完全不同。

如在科研場景，科研智能體可以串起讀論文、實驗設計、驗證和論文生成，把通用Token組織成完整的科研工作流； 在能源場景，公司深耕多年的央國企市場存在天然的業務門檻，行業數據和業務理解本身就把大部分競爭者擋在門外。前者提升Token的價值高點，後者形成難以複製的供給壁壘，讓場景化Token獲得區別於通用的定價空間。這些積累與優勢在競爭中意味著什麼？行業競爭已經走過“有算力”“模型數量”“API價格”，正在第四級“系統效率”開戰，第五級“場景結果”剛剛開始。在AI Infra方面，中科類腦的技術座標首先是異構調度與KV遷移，電力域再把優化邊界向外延伸。

系統級的競爭，具體落在五個方向上： 價格戰將轉向每瓦Token產出； Kimi K3等超大MoE模型推動PD分離、KVCache分層和超節點普及； 多類芯片長期異構； 輕量任務轉向端側； 算電協同進入國家新基建。中科類腦把異構芯片、模型和任務裝進同一套跨域融合體系，核算吞吐、時延、遷移穩定性和任務質量； 度電智能則衡量疊加電力協同後的最終產出。資本持續押注這個方向。中移基金2025年獨家投資B輪，中車資本2026年領投數億元B+輪，銀杏谷、水木、啟迪等跟投。這些信號仍需規模化收入和長期運營驗證，這恰恰說明競爭座標正靠近中科類腦提前投入的位置。

Token需求越大、價格越低，能夠同時調度芯片、模型、電和任務的生產控制層就越稀缺。模型決定智能上限，Token生產效率決定智能可否規模化。中科類腦要守住的，是能源通向智能產出的關鍵鏈路。一鍵三連「點贊」「轉發」「小心心」歡迎在評論區留下你的想法！— 完 — 🌟 點亮星標 🌟 科技前沿進展每日見 版權所有，未經授權不得以任何形式轉載及使用，違者必究。