编者按：他们创办的公司或已是独角兽，或刚启动种子轮，或已家喻户晓，或长期身居幕后，或正起于微末，但他们都是中国新经济的微观脉搏，是这轮产业和技术升级的微观主导者和实践者，不同行业成千成万的他们的身影汇聚，投射变革的洪流。

由财联社和《科创板日报》联合发起的 " 连线创始人 /CEO" 栏目，主要关注创新创业型企业，以企业创始人 /CEO 的访谈为一手信源，让成长中的创业公司走入公众和市场视野，并发掘最新技术和产业趋势。

《科创板日报》9 月 16 日讯（记者 陈俊清） AI 产业的算力消耗结构迎来拐点。IDC 数据显示，2026 年第二季度全球 AI 算力需求中推理占比已反超训练，行业发展的核心逻辑正从 " 炼模型 " 全面转向 " 用模型 "。与此同时，算力闲置与算力短缺的结构性矛盾、异构芯片的调度难题、智能交付成本不可控等行业痛点愈发凸显，产业都在寻找新一代智算基础设施的破局方向。

在 2026 中国算力大会举办期间，九章云极 DataCanvas 联合创始人兼 COO 尚明栋在论坛上发表观点称，AI 产业正从 " 炼模型 " 走进 " 交付智能 " 的新阶段，供给规模与使用效率之间的落差，正成为行业发展的核心掣肘。其判断，算力正在从一项昂贵的硬件资源，加速演变为一种可计量、可交易的生产力要素。

会议期间，九章云极 DataCanvas 联合创始人兼 COO 尚明栋接受了《科创板日报》专访，拆解了公司以 " 普惠算力的全球倡导者与实践者 " 为定位的产业实践，详解了 "AI 工厂 " 战略、DCU（一度算力）统一计量标准底层逻辑。

▍ AI 工厂战略 DCU 统一度量衡

" 普惠算力 " 已是当前 AI 算力行业的通用提法，但在尚明栋看来，普惠算力本质是让更多人真正用得起、用得上智能，核心落到两个维度，一是成本足够低，二是门槛足够低。与行业多数玩家从销售端通过降价、补贴实现 " 普惠 " 不同，九章云极的普惠能力扎根于生产端，通过工程化能力压低智能的边际生产成本。

尚明栋将其总结为三大生产端抓手：其一，以 DCU（一度算力，312 TFLOPS × 1 小时）实现按量计量、按量计费，" 即开即用、即关即停、不使用不收费 "，通过异构调度与算电协同，将单集群 GPU 有效利用率提升至行业较高水平；其二，以算电协同让 " 任务跟着绿电走 "，波谷算力成本可显著下降；其三，通过 AI 工厂的工程重构持续压低智能的边际生产成本。

"AI 工厂 "（训练工厂 + Token 工厂）是九章云极的顶层战略。尚明栋认为，产业已从 " 炼模型 " 进入 " 用模型 " 阶段。

IDC 数据显示，2026 年第二季度，推理占比已反超训练达到 58%。当算力消费的主战场从 " 造智能 " 转向 " 交付智能 "，行业的胜负手就从 " 谁的模型强 " 变为 " 谁能把智能稳定、便宜、规模化地交付 "。

尚明栋判断，在这一阶段，行业面临几个核心痛点：算力利用率低、闲置浪费；智能交付碎片化、成本不可预期；缺乏统一计量标准。九章云极 AI 工厂由此而生：训练工厂负责生产，把数据和算法 " 冶炼 " 为专业模型；Token 工厂负责流通，把模型 " 精馏 " 为可计量、可审计的专业 Token。二者相互反哺：训练产出模型，使用产生数据与反馈，再回流优化模型，形成 " 模型越好—推理越高效—成本越低—使用越多 " 的正向飞轮。

此外，为统一计量标准，九章云极行业首创的全球统一度量标准 " 一度算力（DCU）"，将异构芯片的算力折算为可对比、可结算的统一单位，该单位入选工信部 2025 年度新型信息基础设施典型案例，成为九章云极推动行业标准化的核心抓手。

尚明栋透露，目前 DCU 计量体系已在公司自营及纳管的智算中心全面投入使用，并支撑起按量计费的商业化运营。但标准的行业推广并非易事，核心阻力来自两方面：一是利益结构，统一折算意味着所有芯片厂商要用同一把尺子丈量自身能力，而话语权最强的厂商往往最不倾向统一口径，标准之争本质上是产业话语权之争；二是技术公允性，异构折算需要兼顾芯片型号、任务负载、调度算法乃至机房环境等多重变量，工程实现难度极高。

算力不同于水电，其实际性能高度依赖芯片型号、任务负载、调度算法甚至机房环境。保证不同芯片、不同业务场景下，DCU 计量的公允性、一致性和可复现性是一大难题。尚明栋认为，关键在于把 DCU 严格定义为 " 算力投入的度量 "，而非 " 某款芯片性能的标尺 "，并将计量与性能营销彻底分开。

具体有三层保障：

一是口径统一。DCU 基于理论峰值算力与时间的乘积，只度量 " 投入了多少算力资源 "，不承诺任何芯片的实际运行速度；产出侧独立以 Token 计量，投入与产出不混淆。二是分场景校准。不同芯片在训练、推理负载下的表现差异客观存在，我们按负载类型建立基准测试与换算系数，避免一刀切折算。三是全链路可审计。每一次用量都有调度记录与结算日志，可追溯、可复现。

" 我们的策略是让标准先‘用起来’再‘立起来’，成为可信赖的第三方事实标准，再逐步推动为行业共识。" 尚明栋表示。

▍算力竞争向 " 单位 Token 的交付成本与效率 " 转移

九章云极自研的九章智算操作系统 Alaya NeW OS，是公司算力体系的核心底层架构，也是国内首个通过信通院算力调度、模型训练、模型推理、数据处理四大领域全能力域评测的 AI 系统。

在尚明栋看来，这款操作系统的核心壁垒不在于 " 管理机器 "，而在于对 AI 工作负载的统一调度能力，这也是其与通用云操作系统的本质区别。据了解，该系统已实现将英伟达与国产芯片纳入同一资源池，采用统一的调度语义，从架构层面消除 " 芯片等数据 " 的瓶颈，实现异构资源的池化调度。

" 训练端对英伟达的依赖预计还会持续一段时间，但推理端的替代正在加速。我们坚持把工程做成‘芯片无关层’，不赌单一芯片，客户选择什么芯片，我们都能让它高效运行。" 尚明栋表示。

尚明栋判断，未来三年，训练算力仍会增长，但占比趋势性下降；推理及 Agent 的多轮、长程交互将贡献绝大多数增量，成为算力消耗的绝对主体；当智能从输出内容走向执行动作，推理还将延伸至云—边—端毫秒级闭环，把需求推向新量级。算力竞争的重心，将落在 " 单位 Token 的交付成本与效率 " 上。

谈及九章云极 Token 服务的核心竞争力，尚明栋将其总结为三层护城河：

一是工程化能力，这是我们的立身之本。 降本不靠货架让利，而靠工厂里的硬功夫：推理侧以 PD 分离、KV 缓存、推测解码持续提升同等硬件下的 Token 产出效率，运营侧以算力池化、削峰填谷、算电协同压低单位成本。这套贯穿 " 芯片调度—推理引擎—能源运营 " 的全链路工程积累，难以复制整条生产链的效率曲线。

二是中立生态位。 我们不做面向公众的大模型，这让 Token 工厂有可能成为产业的公共基础设施，而非某一生态的附属。

三是专业 Token 的差异化分层。 我们聚焦专业 Token ——注入行业知识、能进入行业核心流程的 Token，配合多模型组合路由，让不同任务自动匹配最优模型与成本；不参与消费级价格战。DCU 与 Token 双计量全程可审计，为 Token 进入企业采购提供信任前提。

据了解，目前，九章云极 Token 工厂产能正处于规模化放量阶段，且保持高速增长。客户覆盖大模型厂商、行业企业、AI 应用开发者与科研机构等多元主体，并持续向具身智能等新兴领域拓展。尚明栋表示，未来公司将继续深化行业纵深与开发者生态，推动各类客群规模化落地。

▍算力总量并非过剩 而是结构性错配

当前国内智算云市场参与者众多，运营商、公有云巨头、第三方算力厂商同台竞技，行业同质化竞争的讨论不绝于耳。但尚明栋认为，同质化的讨论大多仍停留在上一代云范式的框架内，事实上，" 大云 " 与 " 新云 " 分属完全不同的赛道。

他解释道，传统大云为互联网时代而生，必须兼顾庞大传统生态的兼容性；而 AI 新云为 AI 计算而生，围绕 " 让每一度电、每一颗芯片的性能最大化 " 构建体系，因为 AI 应用约九成成本集中于计算环节。新云通常将绝大多数芯片资源投入计算、采用更高带宽组网、以排队运行替代发散负载所需的传统虚拟化，并从芯片到软件全链路协同优化，这些架构差异决定了性能差距的必然性。

"传统云转型常常陷入两难，在原生态上叠加计算能力，如同百货公司增设专柜，体验繁琐且性能损耗大；另立计算专属云，又会丧失既有生态优势。而新云自始即为‘算力 + 技能’生态而生，不存在这些历史包袱。" 尚明栋说。

基于这一判断，九章云极的差异化竞争策略清晰：不参与旧范式的存量竞争，而是卡位 AI 新云的定义权与基础设施入口。公司以异构算力统一调度、DCU/Token 计量体系与算电协同为底座，构建中立、普惠、绿色的 AI 原生基础设施，推动 Token 成为可计量、可流通、可审计的智能计价单元，重新定义 AI 时代的算力服务标准。

针对行业内 " 算力过剩、GPU 闲置 " 与 " 大模型厂商缺算力 " 并存的矛盾现象，尚明栋表示，其本质是结构性错配，而非总量过剩。大量算力闲置的根源是资源 " 不好用 " —— 调度能力不足、生态适配欠缺、计费模式粗放，导致使用门槛与成本过高，最终市场选择让资源闲置。第三方数据显示行业 GPU 平均利用率长期仅三四成，印证了问题不在总量，而在将算力组织为可用服务的能力。

" 过剩的是硬件资源，短缺的是将资源转化为智能服务的新云能力。" 尚明栋表示，错配广泛存在于 " 能用与好用 "" 训练与推理 "" 资源与运营 " 乃至 " 算力与电力 " 之间。

在他看来，破解之道在于底层基础设施的工程化能力：架构层面以算存传一体化消除执行间隙，可将 GPU 利用率提升 50% 以上；运营层面以算力池化、削峰填谷与动态定价使算力 " 随任务与绿电流动 "；计量与交易层面以 DCU 实现异构算力的可比较、可交易，以 Token 工厂将算力转化为就近交付的标准产能。" 算力市场真正稀缺的，是将算力转化为可信赖服务的‘电网’能力。"

从国际视野来看，面对 AWS、Azure、GCP 等深耕多年的国际云巨头，尚明栋认为双方的竞争并非存量市场的零和博弈。

他表示，国际云巨头的优势集中于全球化网络、成熟 PaaS 生态与品牌，其护城河建立在上一代公有云范式之上；而新云所代表的是代际切换，竞争标的是下一代 AI 基础设施的定义权。中国智算方案的核心竞争力体现在四点：面向 AI 重构的架构设计，而非旧架构上的增量修补；软硬协同与工程迭代速度；大规模交付能力与绿色算力实践；以及国产异构芯片适配与稳定能源供给的组合能力，在各国重视算力自主的背景下形成差异化优势。