Token工厂拿央企钱，值不值先看度电账

一组数据先摆出来。算力集群利用率从行业平均50%拉到90%以上，同等硬件下Token产能提升2到3倍，综合用电成本下降20%，本轮融资数亿元，领投方是中车资本，之前中国移动旗下基金给过亿元级独家，实际控制人刘海峰持股约64.84%。这些数字放在一起，能看出中科类脑这次把算力、电力和模型产出绑成了一套生意。

它现在叫 Token工厂，核心问题变成一度电到底能生产多少有效Token。

短期看，这类公司拿央企和运营商的钱，第一反应应该看谁来买单。AI infra 这行最尴尬的地方在于，模型公司、云厂商、智算中心都在说自己算力便宜，但客户真正跑起来，成本还受GPU之外的因素影响。我自己这一个月用 API 和开源模型，这几天刚在 Docker 里试 AI agent，最直观的感受是一个任务反复调用、上下文堆积、工具失败重试，最后账单更多卡在调度和工程浪费上。如果算电一体化平台真能把利用率从50%提到90%以上，省下来的包括电费，也包括闲置卡折旧、机房冷却、网络调度和运维人力。这个账对央国企、地方智算中心、能源集团很有吸引力。

但短期也要泼点冷水。2到3倍Token产能、20%用电成本下降，这些是厂商发布平台时给的量化指标，具体能不能落到真实业务，要看负载。短对话、长文档、代码 agent、视频理解、多轮工具调用，token 消耗结构完全不同。缓存命中率高不高，上下文压缩有没有做，模型是否支持并行解码，网络延迟和存储吞吐能不能跟上，都会影响最终数字。我平时写测评最怕看到一组漂亮指标就直接下结论，因为跑分好看，不代表天天用顺手。Token工厂如果只拿标准测试集说事，客户进去以后很可能发现省下来的电被复杂 agent 又吃回去了。

长期看，这件事更有意思。过去大家谈AI成本，默认就是买卡、租卡、调模型。中科类脑这种路径，是把能源调度、算力集群和模型服务放在一个系统里看，甚至把度电智能当成指标。这个方向如果成立，AI基础设施会更像电网、交通、制造那种基础设施生意。央企产业资本进场，看中的可能是算力用电调度、数据本地留存，以及模型服务接入能源、交通、制造等产业。中车资本、中国移动、地方产业基金，这些钱凑在一起，信号挺明显，他们要的是可管控、可交付、能进产业侧的底座。

不过长期也有风险。一旦Token产出被做成标准指标，行业很容易从谁能训练模型转向谁掌握便宜电和便宜算力。这对应用方是好事，模型调用成本可能继续下降。但对基础设施方也可能是另一道门槛，Token定义、计量控制和有效智能价值判定都要有透明规则。这里头如果不透明，最后可能变成新黑盒。我这几天试 agent 和沙盒，越来越觉得，权限、日志、计量比能力本身更重要。一个会自己跑任务的系统，如果只给你看结果，不给你看过程，价格再低也不敢随便接。Token工厂如果未来要卖度电智能，得先把账本做清楚，区分有效产出和失败重试，缓存命中、网络浪费也要有口径。没有可审计的账，所谓工厂就容易变成概念包装。

这次融资本身不算稀奇，稀奇的是它把AI infra从算力租赁推进到能源效率和模型产出的交叉地带。短期看，它能帮地方智算中心和产业客户解决利用率、电费、交付压力；长期看，它能不能真做成Token工厂，取决于那组指标能不能在复杂任务里站住。融资额和发布会数字只能当参考，值不值要看一度电最后能不能稳定、可审计地变成有效Token。