摩尔线程的“三大AI工厂”：一张从“训练”到“生产”的工程路线图

我注意到一个有意思的细节，在WAIC 2026上，摩尔线程提出“三大AI工厂”概念，将AI基础设施分为模型训练、词元生产和智能体三大工厂。这听起来像是一场宏大叙事，但作为工程师，我更关心的是：这背后是否有明确的工程落地路径，还是仅仅为了赶“Agent”这波热点的概念包装。

先说结论：我认为“三大AI工厂”是一个务实且具备前瞻性的工程框架，它试图解决AI从“训练”走向“生产”的核心瓶颈，但成功的关键不在于概念本身，而在于摩尔线程能否在硬件生态和系统集成上完成真正的工程闭环。

从“模型训练”到“词元生产”的转变，是AI产业化的必然

传统AI基础设施建设大多围绕“模型训练”展开，这是HPC（高性能计算）的延续。但张建中提出的“词元生产工厂”和“智能体工厂”切中了要害：当AI进入Agent时代，模型不再是最终产品，而是智能生产流水线上的一个环节。

[!note] 核心逻辑
训练工厂负责“造人”（模型），词元工厂负责“发电”（Token），智能体工厂负责“供电”（Agent部署）。三者构成一个完整的闭环生产系统。

从工程角度看，这种拆分是有意义的。训练任务通常需要高吞吐、大batch size、低精度计算，而推理任务（Token生产）则更关注低延迟、小batch size、高并发。两者对计算架构、内存带宽和网络拓扑的要求完全不同。用一个统一的集群去跑两种任务，效率必然打折扣。

落地化的挑战在于“Token生产工厂”的效率

Token生产工厂是三个工厂中最具创新性也最容易被忽视的环节。在自动驾驶场景中，一个决策模型可能需要每秒

原文链接：摩尔线程为什么提出「三大AI工厂」？｜WAIC 2026 | 雷峰网