WAIC 2026复盘：AI Infra从拼规模到拼效率，Token工厂与Agent成核心命题

行业共识：从拼规模到拼效率

WAIC 2026上，8位AI Infra公司高管均指出行业关注点已从千卡集群、GPU性能转向如何稳定、低成本批量产出Token，并支撑Agent和AI应用持续运行。市场数据印证这一转变：2025年全市场Token调用量同比增长300倍，头部大模型企业增长由API和Token调用拉动。据Gartner测算，推理已占企业AI计算支出的65%以上。

• 九章云极市场部负责人陈庶：去年讨论如何训练模型，今年转向如何让模型规模化跑起来。
• 首都在线COO董直烨：关注点从“算力资源有无和规模大小”转向“算力落地效率与价值确定性”。
• 并行科技董事长陈健：2026年是AI大规模商业化元年，推理才是算力消耗长期主体。

Agent驱动Token消耗指数级增长

Agent正在推动AI从“生成内容”走向“完成内容”，单次任务可调动多个模型和工具，Token消耗量远超传统单轮问答。PPIO创始人兼CEO姚欣判断：未来99%的Token将由Agent消耗。

• 趋境科技创始人兼CEO艾智远：未来AI基础设施竞争不单是单点性能，而是复杂任务中的连续稳定服务能力。
• 博大数据董事长余武旺：未来竞争拼的是整个系统协同能力，包括网络、互联、能源、调度及快速响应能力。

AI工厂与Token工厂：一体两面

AI工厂涵盖数据处理、训练、微调、推理到应用交付全流程；Token工厂聚焦推理侧，将算力转化为标准化Token产能。二者非对立，而是共生关系。

• 董直烨：AI工厂更宽泛，Token工厂更侧重推理效率和确定性。
• 清程极智联合创始人师天麾：Token工厂可理解为AI工厂在推理时代、尤其大规模Agent场景下的具体运营形态。
• 陈健：AI工厂分训练工厂和推理工厂，推理工厂即Token工厂。长期看，推理算力需求将占85%以上；集群设计逻辑也截然不同：训练容忍网络波动但不能容忍单点故障，Token推理容忍单点故障但无法接受网络不稳定。Token工厂是AI工厂当下的价值核心。

后Scaling时代：效率为王

单纯堆算力边际效益递减，行业进入“后Scaling”阶段。但Scaling并未结束，而是转向更精细的系统、效率、调度Scaling。

• 付智（共绩科技创始人兼CEO）：效率竞争分三层：计算效率（芯片/网络/框架优化）、资源效率（弹性调度/异构整合）、能源效率（匹配能源条件降低Token成本）。
• 艾智远：企业现实考量单位资源产出、有效利用率、成本是否能支撑长期使用。
• 姚欣：绝大多数Token工厂目前处于亏损状态，需完成从能源到应用的全栈优化才能实现可观毛利率。

玩家加速分层

陈健判断，Token工厂赛道玩家正在加速分层：

1. 具备万卡GPU集群和全栈调度优化能力的算力服务商：优化后集群TPS和单位算力Token吞吐可拉开中小玩家10倍差距，但重资产模式扩张周期长。
2. 自研大模型厂商自建推理集群：深度贴合自有模型架构，但硬件不对外开放，无法承接第三方需求。
3. 中小算力服务商和初创团队：灵活但缺稳定大客户订单、缺GPU锁货渠道、缺底层优化能力，Token效率与头部有10倍级差距。

稳定大客户订单、强GPU供给、顶尖性能优化能力三者缺一不可。具备优势的头部玩家将持续收割份额，中小玩家生存空间持续收窄。

竞争关键：全链路效率与确定性

多位高管认为，AI Infra竞争已从资源竞争转向系统效率竞争，核心是让单位算力、单位能耗、单位成本产出更多有用Token，并稳定交付。对于Agent场景，还需关注长期任务成功率、单位任务成本和服务稳定性。

• 师天麾：模型、推理引擎、评测、路由与应用负载之间能否协同优化，决定基础设施最终真实产出。
• 董直烨：竞争关键三方面：算力转化效率（集群调度与推理引擎优化）、网络传输效率（低延迟与稳定性）、运营调度效率（动态匹配算力与模型）。
• 姚欣：不能只盯着Token生产数量，更要关注Token的智能含量和毛利率，需从底层能源到上层应用全栈优化。