中科类脑构建“算电协同型Token工厂”，以系统级调度能力应对AI算力成本挑战

事件概述

随着大模型进入规模化推理阶段，数据中心的评价标准正从传统的卡数、算力和PUE转向产出端的Token效率。中科类脑成立九年，将积累的异构算力调度技术与电力智能化经验融合，推出“算电协同型Token工厂”体系。该体系旨在解决芯片空转和资源浪费问题，通过系统级调度让同样的芯片和电力产出更多、成本更低且质量稳定的Token。目前，中科类脑已完成B+轮融资，由中车资本领投，标志着资本市场对该系统级能力的认可。

核心信息与架构

• 商业模式定位：中科类脑处于产业链的“Token生产运营层”。不同于传统IDC提供机柜电力或云厂商提供算力实例，该公司直接对Token的生产效率、成本和任务结果负责。客户购买的是符合指标的任务完成服务，而非单纯的硬件资源。
• “1+3”系统架构：
  • 决策大脑：由中国科大团队联合研发，统筹算力、Token和电力三个子系统，实现从监控、预测到调度、运营的闭环。
  • 前台平台（BitaHub彼塔云平台）：统一纳管英伟达、昇腾等不同架构算力，聚合模型API。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。支持企业按日常负载自建算力，高峰缺口由平台弹性补齐。
  • 后台调度逻辑：包含监控（实时监测负载、电价、新能源功率）、预测（预判未来绿电出力及任务需求）和决策（调整子系统运行方式）三步流程。

技术突破与实测数据

• 异构芯片协同：针对英伟达、国产芯片等异构环境，系统为每类芯片配置“包工头”式插件，建立能力画像，解决协作难题。通过将大模型推理的Prefill（预填充）和Decode（解码）阶段拆分，分别交由计算能力强和大显存/高吞吐的芯片处理，并通过KV Cache迁移连接两阶段，减少长上下文重算。
• 柔性负荷调度：识别任务特性，首Token时延敏感的实时任务原地运行；可排队的批处理任务则转移至电价低谷时段异地运行，利用电力信号优化成本。
• 跨域调度测试成果：在全国首个跨上海、芜湖和乌鲁木齐的算电协同智能调度测试中，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%。此次测试验证了系统在异构适配、跨域迁移及SLA约束下的联动能力，并实现了电力成本下降。

行业背景与竞争壁垒

• 市场痛点：国家数据显示，中国日均Token调用量从2024年初的1000亿激增至2026年3月的140万亿，增长超千倍。与此同时，主流模型API累计降价超90%，通用Token利润被迅速压薄。行业竞争焦点正从“有算力”、“模型数量”转向“系统效率”和“场景结果”。
• 核心壁垒：中科类脑认为，单项的异构调度或绿电预测能力易被追赶，真正的壁垒在于将两套技术语言、工程经验和运行数据整合进同一系统，并在真实业务中长期稳定运行的能力。
• 场景化变现：公司采取分层解法，底层通过异构调度和KV迁移提升“度电智能”（有效Token/kWh），中层叠加电力协同压低单位成本，顶层则将通用Token组织成高价值场景结果。目前已形成可规模化的商业闭环，重点深耕科研（如AI4S全流程工作流）和能源领域（央国企市场门槛），通过场景差异化获得定价空间。
• 未来展望：常峰将Token工厂终局比喻为“黑灯工厂”，即无需人工干预，由算力智能体和电力智能体自动完成芯片适配、任务切分及储能控制。长远目标是实现“算-电-芯-模一体化”，让芯片设计阶段即服务于Token生产效率，从而构建难以复制的全链路壁垒。