"Token 每两周翻一倍 "，AI infra 正在被重写 "。

" 这种增长速度，在人类历史上都很少见。"

这是无问芯穹 CEO 夏立雪对当下 AI 行业最直观的感受。

" 养虾 " 成潮流后，AI 产业进入到一个更有意思的变化：需求侧反向重塑 AI 基础设施。

随之而来的是，Token 调用量暴涨、算力供需错配、系统架构承压，这些原本属于底层的问题，正成为行业发展的关键变量。

3 月 27 日，在 2026 中关村论坛年会—— AI 开源前沿论坛上，由月之暗面创始人杨植麟领衔主持，智谱华章 CEO 张鹏，无问芯穹联合创始人兼 CEO 夏立雪，小米 MiMo 大模型负责人罗福莉，香港大学助理教授 & 博士生导师、Nanobot 团队负责人黄超同台，围绕当下智能体浪潮、AI Infra 的演进方向等议题展开深度对话。

作为基础设施层的代表，夏立雪从 Token 供给与产业可持续发展的视角，分享了对这一轮 AI 变革的观察与思考。

Token 爆发：像极了 3G 时代的流量

在夏立雪看来，Token 不再只是一个计费单位，而正在成为类似 " 电力 "" 流量 " 的基础生产要素。

他将这一阶段类比为 3G 时代初期。当年移动互联网刚刚普及时，用户很快发现每月 100MB 流量远远不够用，需求迅速释放，最终催生出整个移动互联网生态。

" 现在 Token 的状态是一样的。" 他说，" 我们甚至在开玩笑，未来手机可能会有两张卡，一张是流量卡，一张是 Token 卡。"

但与流量不同的是，Token 的增长背后，不只是 " 用得更多 "，而是使用方式发生了根本变化。

随着 Agent 的出现，AI 开始从 " 回答问题 " 走向 " 执行任务 "。一个复杂任务可能包含多轮推理、多次工具调用、多个子任务协同，这些都会显著提升 Token 消耗。

与此同时，并发能力也在发生变化：

" 一个 Agent 可以一秒钟起 1000 个任务，没有人类工程师能做到。"

围绕 Token ，新的产业分工也在逐渐清晰。夏立雪将 AI 产业的核心拆分为三个要素：模型的智能性、从资源到 Token 的转化效率、资源规模。

三者共同决定整个系统的产出能力。

" 模型厂商解决的是智能性的问题，而我们更关注的是生产效率——怎么把能源、算力转化为更多、更高质量的 Token 。"

在这个框架下，无问芯穹将自身定位为 " Token 工厂 "：通过软硬件协同、资源整合与调度优化，把分散的算力资源转化为可用的 Token 供给，并尽可能提升单位资源的产出效率。

基础设施重构：从 " 服务人类工程师 " 到 " 服务 AI"

如果说 Token 的爆发是表象，那么更深层的变化在于：现有基础设施的设计前提，正在被打破。

" 过去我们服务的是 CTO，是开发者，但未来的客户，其实是 AI，是 Agent。" 夏立雪说道。

人类工程师的工作节奏是串行的，而 Agent 具备高度并发能力；人类的响应速度是分钟级，而 AI 的反馈是秒级甚至毫秒级。这意味着，原本围绕 " 人 " 的行为模式构建的系统，在面对 AI 时会迅速成为瓶颈。

夏立雪对雷峰网表示，基础设施要适应 AI 超出人类的能力。

比如 Agent 可以瞬间发起上千个并发任务，这种规模和响应速度，是人类工程师不具备的。所以底层系统必须支持更高并发、更快调度，比如毫秒级弹性、分布式任务协同。

如果基础设施还是按照 " 人 " 的节奏设计，就会成为瓶颈。

其次，基础设施本身必须具备自我进化能力。

夏立雪提到， AI 的需求变化非常快，今天和明天可能完全不一样。所以 Infra 不能是静态系统，而是要能够持续迭代。我们现在也在基础设施里引入 AI 能力，让 AI 参与运维、调度、优化，甚至像一个 "CEO" 一样去协调多个 Agent 之间的协作。

从这个角度看，未来的基础设施不是简单支撑 AI，而是和 AI 深度融合的—— " 你中有我，我中有你 "。

这一判断，也解释了无问芯穹当前的技术路径：通过打通不同芯片架构、整合分散算力资源，并在系统层引入 AI 能力，实现资源调度与系统优化的持续进化。

" 我们希望做到的是，把容器、调度这些能力做到毫秒级弹性，去适应 AI 的行为方式。" 夏立雪认为。

供需错配与 Token 经济学：一场尚未完成的体系构建

尽管需求在快速增长，但当前行业面临的依旧是供需之间的结构性错配。

一方面，高端算力资源供不应求；另一方面，大量 " 可用但未被充分利用 " 的资源处于闲置状态。

" 大家都在用最优质的资源，但其实有很多资源是可以被用起来的。"

在夏立雪看来，这种现象并不意外。任何新兴产业在早期，都会集中使用最优资源完成突破，但随着规模扩大，必然走向分层与分化。

" 一个成熟的产业，不可能只有最顶级的产品和最顶级的资源。"

这也意味着，低端算力、非主流芯片、延迟较高的集群，并非 " 无效供给 "，而是尚未被正确匹配的资源。

无问芯穹的一个重要方向，就是通过调度与系统优化，让这些资源找到适合的应用场景，比如离线任务、低实时性需求等，从而缓解整体供需压力。

与此同时， Token 价格的变化，也成为市场的重要信号。

面对各家云厂商的提价现象，夏立雪的判断是：" 提价本质上说明，这件事情在用户侧产生了价值。"

在他看来，当前行业的一个关键问题，并不是 " 有没有价值 "，而是 ROI 是否跑通。

一方面，AI 已经可以替代部分人类劳动，例如助理型工作；另一方面，这些能力往往依赖高成本模型与算力，使得投入与产出未完全匹配。

" 模型厂商解决的是这个岗位存不存在，而我们要解决的是，这件事情能不能以更高效率完成，让它的成本和价值匹配。"

从更长周期来看，他认为 Token 经济体系仍在形成之中。

与移动互联网时代不同，AI 的服务对象不仅是人，也包括 AI 本身，这意味着未来可能出现全新的价值交换方式。

夏立雪也表示，AI 行业的健康发展必须打通完整的经济链路：将中国的能源转化为算力，把算力转化为 Token，最终落地转化为 GDP。

通过软硬件生态的底层打通，我们要打造属于中国的特色 Token 经济学，这不仅是盘活国内算力，更是要复刻 "Made in China" 的奇迹，推进 "AI-Made in China" 。

当中国庞大的能源与成本优势，通过高效率的 Token 工厂转化为优质、稳定的服务并输出到全球时，中国也将成为新时代的 " 世界 Token 工厂 "，为 AI 时代的全球分工贡献不可替代的中国方案。