成立九年，中科类脑把积累装进Token工厂
同样一批芯片、同样一度电，最终能生成多少 满足质量、时延和稳定性要求的Token（词元）。
计算、存储、网络、模型部署和任务调度，只要有一个环节卡住，昂贵的芯片仍可能低效空转。
中科类脑 瞄准的，正是这段从 资源到智能产出 的转化过程，让同样的芯片、同样的电， 产出更多、成本更低、质量更稳定的Token。
它将自己的体系称为 “算电协同型Token工厂” ，把异构芯片、模型、用户任务和电力放进同一套系统调度，用更少的资源产出更多有效Token。
算力之上，交付Token
算力是生产设备，电力只是原料，用户提交的提示词和任务进入Token生产线，模型负责完成智能转换。
传统IDC交付机柜、电力、网络和空间，云厂商提供算力实例与模型接口；中科类脑向上再走一层，即 Token生产运营层 ，试图对Token的生产效率、成本和任务结果负责。
效能决定每颗芯片、每度电能 生产多少Token ；场景化则决定这些Token能够 产生多大 价值 。
在常峰的规划里，效能和场景同样重要，集中研发资源解决效能问题，组织业务资源解决高价值场景问题，再把产生的高质量token结合业务场景， 实现应用价值的最大化 ，目前已经在AI4S及能源领域形成了可规模化的商业闭环。
它统一纳管英伟达、昇腾等不同架构的算力，聚合模型API和Token服务，并连接企业私有算力池与公共资源池。
以平均30张、峰值100张芯片的需求为例，企业按日常负载自建，高峰缺口由平台补齐70张芯片，相当于获得了一条 可以弹性扩缩的Token生产线 。
据中科类脑介绍，截至目前平台已接入逾3000个算力节点，总规模超过5000P，累计服务超8万企业及科研用户。
后台则是公司与中国科大团队联合研发的决策大脑，负责 电 算Token一体化系统 从监控、预测到调度、运营的闭环运转 。
它提供的是一套跨域生产组织能力：在满足安全、时延和稳定性的前提下，把分散的算力与模型资源组合成可以 持续高质量交付的Token 。
先把异构算力跑起来，再叠加电力优化
中科类脑最核心的技术落在 AI系统软件层 ：把 算力资源、芯片、模型、电价和任务 纳入同一套决策系统，基于电力条件对算力、模型和任务进行 柔性调度 。
这套系统被概括为 “1+3”架构 ：一个决策大脑连接算力、Token和电力三个子系统，先匹配算力、模型与任务，再把电力信号加入全局优化。
第一步是 监控 ，实时监测Token需求、集群负载、新能源的发电功率、电价以及每份算力的Token产出效率；
第二步是 预测 ，判断未来15分钟、1小时甚至更长时间内绿电出力、电价和任务需求的变化；
对 首Token时延敏感 的实时任务留在原地；可排队、可断续的批处理任务，则可以转移到电价低谷时段异地运行。
因此，中科类脑为每种芯片配置了一个 “包工头”式插件 ，调度层只负责分发任务，插件负责指挥同类芯片；
解决不同芯片“能否协同”之后，系统还要进一步拆解推理流水线，解决“怎样协同效率更高”。
在大模型推理中，系统还可以把Prefill和Decode拆开，并通过KV Cache迁移把两个阶段连接起来。
两阶段之间的KV Cache必须高效迁移，否则长上下文需要重算，时延和吞吐都会受影响。
高端芯片不必包办整条推理链，新旧芯片、国产芯片和海外芯片都能在同一座Token工厂中各司其职。
对长上下文任务，KV Cache相当于模型已读内容的“工作记忆”。让它随任务跨节点迁移，可以减少重算。
另外，训练作业跨集群调度还要同步检查点、优化器状态和数据进度，并控制任务中断时间。
整个跨三地调度的控制响应保持在 200秒以内 ，跨域迁移成功率 达到100% ，能耗预测精度 达到98% 。
这次测试验证的不只是搬运：而是把异构适配、跨域迁移、长上下文KV跨节点协同、绿电预测和 SLA 约束放进同一条生产链联动，电力信号让任务按电网压力和绿电供给调整运行地点。
9月17日，皖疆人工智能科技产业园在乌鲁木齐正式开园。园区按照“三中心一平台”布局规划建设，首个突破千P的融合算力中心已经建成投运。
“算力、电力单看，我们可能都在第一梯队。但真正的壁垒不是单项能力，而是 叠加之后的系统级能力 。”
他进一步表示，异构调度和推理优化等算侧能力，也可以追赶， 绿电出力预测 等电侧能力，竞争对手可以补上；
真正困难的部分，是把两套技术语言、两批工程经验和两类运行数据装进同一个系统，并让它在真实业务中长期稳定运行。
针对这套核心壁垒，中科类脑进一步升级系统调度与运营能力，在刚刚结束的世界制造大会上，正式推出算电词元一体化平台。
平台是面向AI基础设施（Token工厂）推出的操作系统，延续“1+3”核心架构，以博弈智能决策大脑为中枢，打通算力、Token、电力三大子系统， 构建“电-算-Token”全链路闭环 。
未来数据中心建成后无需人工干预，算力智能体负责芯片适配、任务切分和KVCache协同搬运；电力智能体负责电价预测、绿电出力预测，控制储能充放电，再由一个控制中枢统筹整座工厂。
Token越便宜，系统级能力越值钱
国家数据局披露，我国日均Token调用量从2024年初的1000亿增至2026年3月的140万亿，两年增长超过千倍。
据统计，部分主流模型API累计降价超过90%。量在暴涨，通用Token的利润却被迅速压薄。
第一层是算力与Token优化，通过异构调度与推理加速技术，提升每度电产出的有效Token数量；
第二层是算电协同增益，在算力优化的基础上叠加电力协同，进一步压低单位Token成本；
度电智能由此成为顶层结果指标，底层硬核仍由异构调度、KV迁移和任务编排引擎提供。
与此同时，公司成立9年，已经在电力智能化领域 深耕七年多 ，变电站智能巡检覆盖十余省市、上百座站点，沉淀出新能源预测、储能和微网控制能力。
这一路径决定了它的技术定位：AI集群调度内核是可独立交付的底座，电力域是建立在底座之上的 跨域增量 。
同样数量的Token，用于普通对话与专业任务，客户愿意支付的价格可能完全不同。
如在 科研场景 ，科研智能体可以串起读论文、实验设计、验证和论文生成，把通用Token组织成完整的科研工作流；
在 能源场景 ，公司深耕多年的央国企市场存在天然的业务门槛，行业数据和业务理解本身就把大部分竞争者挡在门外。
前者提升Token的价值高点，后者形成难以复制的供给壁垒，让场景化Token获得区别于通用的定价空间。
行业竞争已经走过“有算力”“模型数量”“API价格”，正在第四级“系统效率”开战，第五级“场景结果”刚刚开始。
在AI Infra方面，中科类脑的技术坐标首先是 异构调度与KV迁移 ，电力域再把优化边界向外延伸。
Kimi K3等超大MoE模型推动PD分离、KVCache分层和超节点普及；
中科类脑把异构芯片、模型和任务 装进同一套跨域融合体系 ，核算吞吐、时延、迁移稳定性和任务质量；
资本持续押注这个方向。中移基金2025年独家投资B轮，中车资本2026年领投数亿元B+轮，银杏谷、水木、启迪等跟投。
这些信号仍需规模化收入和长期运营验证，这恰恰说明竞争坐标正靠近中科类脑提前投入的位置。
Token需求越大、价格越低，能够 同时调度芯片、模型、电和任务 的生产控制层就越稀缺。
对话它石智航丁文超：2025最火具身智能，2个自动驾驶第一人带队，1.2亿美元天使融资震动江湖 2025-03-26
WebArena作者Shuyan Zhou入职Meta超级智能实验室 2026-09-22
图形学宗师童欣加盟Meshy，要做“AI for Fun”的头号玩家 2026-09-08
Manus重生第17天，估值居然就翻倍了 2026-09-18
热门文章
从“会回答”到“会办事”，vivo如何解AI手机这道题？
刚刚，唐杰发布智谱RSI首个成果
刚刚，Claude Code大重构！内部3万Agent管理技术免费开放
央企做了个通用Agent，直接杀进IDC实测前三！
AGI最难一战，竟在医院！中国AI登上Science，医生不怕失业还催着上线
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1