智东西4月15日报道，今天，在中国计算机学会指导、北电数智主办举办的酒仙桥AI产业高峰论坛上，中国计算机学会前理事长、中国工程院院士郑纬民，新加坡工程院院士兼香港中文大学（深圳）人工智能学院院长李海洲等知名学者，分享了他们对当下AI发展阶段的最新研判。
郑纬民判断，随着Agent时代到来，token成为智能时代承载智能的计量单位，AI产业竞争核心已从“比拼算力集群规模”转向“比拼每瓦token生产效率”，行业发展范式正从MaaS（模型即服务）向TaaS（token即服务）跃迁。
李海洲则分析了国内AI产业的发展现状，他认为当前中美前沿大模型的性能差距已收窄至历史最低水平，中国更在开源模型领域全球领跑，中国已形成科技巨头、创新AI企业协同发展的完整产业生态。
开幕式期间，多家参会单位还进行了多项发布。清华大学国情研究院、上海证券报、瞭望智库及北电数智研究院联合发布了《中国城市人工智能指数报告》，从产业发展、科技创新、民生服务、治理环境四大维度评价城市AI发展状况。
北电数智在会上发布了新一代AI生产系统“星火·AI云2.0”，这一系统将“数据-算力-模型-应用”进行了一体化封装，形成面向业务场景的标准化能力，有望解决AI落地过程中部署复杂、成本高、难以复制的痛点。
开幕式见证了“AI中国行”计划的启动和人工智能创新街区产业共建联盟的成立，后者将助力北京打造“全球人工智能第一城”。
一、郑纬民：从MaaS到TaaS，token成智能时代新“电力”
在主旨演讲中，郑纬民回顾了他与“酒仙桥”这一地点的渊源，他曾在酒仙桥738厂生活过近5年，住在厂里的家属宿舍。他说道：“曾经的酒仙桥是中国电子工业的一个光辉的地方，也是我们梦想的地方，现在酒仙桥又成为AI领域前沿思想交汇的地方。”
郑纬民观察到，过去两年，行业一窝蜂地做大模型并对外提供服务，但到了今年，模型服务正在被重新定义为token服务。token就像是智能时代的“电”，它从一个单纯的语义计量单位，演变成了衡量算力消耗和计费的核心单位。比起过去的字节，token更能反映智能服务的真实成本和使用强度。
为什么token突然变得这么重要？根本原因在于AI的使用方式发生了质变。2023年的时候，生成式AI还比较简单，你问一句，它答一句，消耗的token很有限。
到了2024年，交互变得更复杂，一次请求里包含大量词。而现在进入智能体时代，给AI一个任务，它会自动帮你完成一整串工作，token的消耗量急剧膨胀。有数据显示，中国日均token消耗量从两年前的千亿级增长到今天的百万亿级，两年翻了上千倍。
但现有的基础设施主要是为大模型训练设计的，无法满足这种连续、低成本、大规模生产token的需求，中间过程浪费了太多token，真正输出的却不够。
要把token真正做成像水电一样稳定供给的服务，底层必须做好三件事。第一是全系统异构协同，不能把所有负载都压在昂贵的GPU上。
第二是存算协同，以存换算。推理过程中的很多中间结果是重复的，比如不同用户问相近的问题，没必要每次都重新算。趋境科技与清华共同开源的KTransformers技术，就可以将同样一批卡性能提高了80%甚至一倍，Kimi、Qwen、GLM等大模型都在使用相关技术。
第三是面向异构的智能调度。业务场景、模型结构、芯片架构千差万别，用户只关心成本、延时和稳定性，系统需要把这些需求精准翻译成资源分配决策。
选哪个大模型、用哪家服务商的部署、分配什么类型的卡、怎么设置缓存和队列。过去靠人工试，效率很低，现在需要发挥AI的作用，来实现调度。
因此，从模型服务走向token服务，是智能体时代基础设施的必然要求。过去提供模型、给个接口就行，现在必须能够低成本、连续不断地供给token。只有做到像水电一样稳定调度和供给，算力之上、token为王的普惠智能时代才能真正到来。
二、李海洲：中美大模型差距缩至最小，中国开源领跑全球
李海洲则在演讲中回顾历史，并分析了中国AI的发展现状。AI自1950年代概念提出之初，科学家便预言其能够实现语音识别与机器翻译。这些目标至今部分达成，但远未完成。值得注意的是，目前广泛应用的AI系统，如刷脸门禁，仅实现了“像人一样行动”，远未达到“像人一样思考”。
业界常常倾向于将AI定义为第四次工业革命，李海洲认为需要保持审慎。历史意义上的工业革命，是以某项技术进入每一个家庭、办公室和工厂为标志的。电与计算机已无处不在，但AI尚未达到这一程度。
今天的技术探索，或许五十年后会被视为第四次工业革命的起点，但究竟哪项技术成为象征，是ChatGPT、DeepSeek还是其他，目前无法定论。
从中国经济角度看，前三次工业革命获益有限，而作为产业大国，这一次有望从AI的普及中获得巨大红利。
AI的核心技术路径，始终围绕大模型展开。人类五千年文明智慧大多以文字记载，而大模型通过自监督学习，能在数日内读完相当于一个人四十万年才能处理的信息量。语言是知识的载体，大模型正是通过掌握这一载体而成为AI的核心。当前，中国在大模型质量上落后美国约几个月到一年，但在开源大模型领域处于领先地位。千问与DeepSeek的开源模型下载量，已远超全球其他开源模型的总和。
投资热点集中于基础设施、基础模型与应用三大层面。基础设施方面，中国发电量是美国的两倍，为算力中心提供了关键的能源支撑。以GPT-5为例，其单次训练耗电量相当于三峡大坝年发电量的一半，能源供给已成为重要瓶颈，而中国在此具有独特优势。
2025年，基础设施领域全球收入超过1000亿美元，其中90%被英伟达一家企业获取。基础模型训练普遍亏损，因其投入巨大且离最终用户较远，全球真正的原生基础模型不足20个。应用层产值仍低，但潜力最大，且大部分收入被大量中小企业瓜分。AI要进入千行百业，无法由单一公司完成，正如造车者未必如运输者般获利丰厚。
人才格局正在发生深刻变化。2019年，中国学习AI的人才占全球三分之一，毕业后仅约10%留在中国工作。到2025年，这一比例已升至全球一半，最终有37%的人才选择在中国发展。尽管从业总数仍低于美国，但增长速度惊人。
商业模式亦在转型，从传统的供应商、多渠道、模块生产者，演进为直接连接产业与用户的生态系统。以出行服务为例，一个智能体即可完成从调度到履约的全流程端到端服务。
三、中国城市AI发展呈三大梯度格局
随着AI加速向经济社会各领域渗透，我国城市AI发展已由头部主导迈向梯度扩散与结构跃迁并行的新阶段，亟需针对城市禀赋差异，以科学统一的评价体系定向导航。
在此背景下，清华大学国情研究院、上海证券报、瞭望智库及北电数智研究院联合研制并发布了《中国城市人工智能指数报告》。
这一报告将国内城市按照AI产业发展情况，划分为引领型、活力型、潜力型三级梯度格局，呈现“头部引领、区域活跃、潜力蓄积” 的整体特征。
引领型的城市包括北京、上海、深圳、杭州、广州、南京、成都、武汉、重庆和苏州等城市，这些城市在产业发展、科技创新、民生服务与治理环境等多维度，都形成了较强的协同优势，是全国AI发展的策源地。
活力型城市包括先、长沙、合肥、天津、济南、郑州、厦门、青岛、兰州和长春等城市，这些城市具备较强的发展基础和局部优势，承接头部城市的辐射带动。
潜力型城市的数量更多，典型的包括福州、南通、呼和浩特、海口、宁波和佛山等等，这些05仍然在积累能力，但是已在不同维度出现突破。
清华大学公共管理学院副院长、服务经济与数字治理研究院副院长高宇宁说道：“报告的目标不仅在于刻画城市间的发展差异，更在于帮助每个城市找准自身定位、识别优劣势，走出适配本地禀赋的差异化AI发展之路，推动人工智能从技术供给走向场景落地与民生普惠。”
四、北电数智：发布星火·AI云2.0，提出“一底座、两突围”产城新范式
AI在全国各大城市的落地，离不开像北电数智这样的企业，为AI提供计算基座。北电数智首席技术官谢东在演讲中说道：“AI不是虚拟经济，而是关乎国计民生的实体产业。其核心竞争力，不只取决于顶尖的科研能力，更取决于将技术转化为广泛生产力的工业化能力。”
作为AI计算基座的核心载体，北电数智在本次论坛上全新推出“星火·AI云2.0”。区别于聚焦IaaS/PaaS层资源服务的通用公有云、聚焦大模型训练场景的传统智算云，星火·AI云2.0将“数算模用”全栈能力融为一体，打造支撑客户业务全流程AI转型的工业化生产系统。
星火·AI云2.0以双操作系统为架构：前进·AIOS作为AI时代的云原生操作系统，统筹解决AI生产的算力供给、调度、治理、运维等核心需求；新天·AgentOS作为专为智能体全生命周期管理打造的原生操作系统，全面支撑智能体的开发、运行与执行的全链路闭环。
在本次论坛上，北电数智还提出“一底座、两突围”的产城发展新范式，通过因地制宜的在地数智运营，助力地方政府破解算力投资消纳痛点、消解传统产业转型顾虑，加快培育和发展新质生产力。
一底座，指的是基于“星火·AI底座”，整合“数算模用”全栈产品，构建城市级AI共性能力底座，为区域发展提供统一的智能支撑。
两突围，指的是面向传统产业“促增长”，推动AI赋能文旅、消费、工业等领域实现产业升级，拉动城市经济动能；赋能公共服务“保民生”，推动AI技术与医疗、政务、教育等公共事业深度融合，提升城市民生福祉。
目前，北电数智已推动“一底座、两突围”的产城发展新范式在北京朝阳、珠海、佛山、安庆、马鞍山等多个区域落地见效，已赋能北京朝阳CBD转型数据商务区DBD、珠海“云上智城”整体运营等标杆项目，形成可复制、可推广的AI与产城融合的城市转型新路径。
五、学者共议城市AI差异化路径：每一层都有机会，场景需求将成稀缺资源
在论坛的尾声，中国科学技术大学讲席教授叶强，国家特聘专家、《人工智能简史》作者张晓东，北电数智首席科学家、国家级领军人才窦德景，清华大学公共管理学院副院长、服务经济与数字治理研究院副院长高宇宁和北电数智CMO杨震，就“中国城市人工智能发展差异化路径”展开了深入探讨。
在圆桌讨论中，张晓东首先分享了对token经济的观察。他提到，当前AI的五层结构，也就是能源、芯片、基础设施、模型和应用，类似于互联网时代的七层模型，每一层都孕育着机会。
他回忆20年前，杭州因阿里的诞生而崛起，同时催生互联网、电商、平台经济在杭州的发展。在token经济时代，城市依然拥有许多类似的机会。
叶强则聚焦AI对就业的影响。他认为技术进步带来的岗位替代并非首次，关键在于提高劳动生产率和兼顾公平。他提出，只要个人有就业意愿，总能找到适合自己的岗位，而教育和社会保障体系则是提升就业能力和兜底的关键。面对谷歌前高管关于2027年大规模失业的预测，他回应称就业与失业始终是动态过程，技术进步历史上总能创造新岗位，只要社会做好再教育和保障，无需过度恐慌。
窦德景从产业应用角度分析了算力、场景和人才三大挑战。他认为，推理任务对时效性要求高，必须在城市中心布局算力。同时，当前许多大模型公司难以盈利，他建议通过平台化解决方案推动场景落地，而非依赖项目制。在人才方面，二线城市需打造灵活机制吸引AI人才。
对于“AI是否是最后一次技术革命”的提问，他认为十年内白领工作可能被AI替代，但长远看，新岗位会自然涌现，如同马车夫转型为汽车修理工，这是技术进化的自然过程。
杨震结合一线实践提出三点建议：城市应先找准优势产业，再构建适配的AI底座，运营比建设更重要，需通过共性痛点孵化标杆应用；探索按产业价值分润的商业模式。他还强调城市间应形成系统分工，算力强的提供算力，场景多的消耗token，科研强的专注AI for Science，实现产业集群协同。
高宇宁认为城市AI发展必须纳入区域分工体系，未来稀缺的不是技术而是场景需求。他建议各城市走差异化道路，形成百花齐放的AI春天。
结语：token经济大爆发，系统化工程能力与生态成关键
从token成为智能时代的“新电力”，到中美大模型差距缩至历史最小，再到城市AI发展走向差异化分工，这场论坛传递出了一个信号：中国AI产业正告别“一窝蜂做大模型”的粗放阶段，迈入更加理性、务实、场景驱动的新周期。
未来，行业竞争的核心或许不再是单一技术指标，而是系统化的工程能力与生态协同。
热门跟贴