在酒仙橋論壇，見證AI生產力元年的開啟。

作者｜王博

1952年，蘇聯援建的電子管廠在北京東郊的酒仙橋破土動工，在這片約2.5平方公里的土地上，北京電子管廠、華北無線電聯合器材廠、北京有線電廠等單位相繼落成。

這些單位有一個共同的特征——代號由“7”開頭，因為當時“7”代表國防電子工業。774、718、738，這些神秘的代號在酒仙橋“串珠成鏈”，形成了新中國最早的電子工業體系。

隨著時代的發展，這些以“7”命名的工廠早已改制或轉型，但酒仙橋的企業并沒有忘記這些“7”和它們背后的時代精神。

所以，第一次看到由“7”組成的酒仙橋論壇標識，我很感動。

酒仙橋論壇標識

以地名為論壇命名往往帶有一個地區的鮮明特征，比如中關村論壇、博鰲亞洲論壇引領著科技和經濟風向，而酒仙橋有什么呢？

我們可以列舉，新中國的第一只真空管、第一個集成電路、第一臺計算機、第一臺電話交換機都誕生于酒仙橋；我們可以說，這里是“新中國電子工業搖籃”。但是，人們在描述酒仙橋時往往會忽略一個詞——“生產力”。

從電子管廠，到AI工廠；從建設新中國電子工業，到建設數字中國；酒仙橋一直在為國家提供“生產力”，過去是“電子生產力”，現在是“AI生產力”。

“AI生產力”是指將人工智能技術應用于實際工作流程、任務執行和決策過程中，從而實現效率、質量、產出和創新能力的顯著提升。

“AI生產力”不是工具或技術的堆砌，而是一種以“智能化、人機協同、持續優化”為特征的新質生產力，需要良好的AI基礎設施和生態網絡的支持，AI才能真正深入到各個行業和領域，成為推動生產力進步的關鍵驅動力。

4月15日到4月20日，首屆酒仙橋論壇在北京數字經濟算力中心舉辦，這里曾是北京廣播器材廠（761廠）的所在地，如今這里是一座AI工廠，部署了超過1000P高性能混元算力，就在酒仙橋論壇的AIDC創新驅動生產力新變革專場上，北京數字經濟算力中心宣布正式投運。

北京數字經濟算力中心

本屆論壇由北電數智主辦，以“開啟AI生產力元年”為主題，設置1場主論壇和10場分論壇，邀請多位科學家、AI產業各界專業人士、領軍企業以及行業智庫等深入開展研討交流，聚焦AI技術演進與產業實踐。

一共6天的論壇聽下來，「甲子光年」的感受是，嘉賓們共同探討了一個時代課題——“AI驅動下的數字中國”。

正如北電數智黨支部書記、董事長荊磊所說：“舉辦酒仙橋論壇，攜手共建務實溝通平臺，共同探索技術創新、應用創新與生態協同發展路徑，具有特殊價值和重要意義。”

1.什么是“AI生產力”

酒仙橋論壇現場

在國內，很少有一場科技產業活動會連續舉辦6天。

在這6天中，與會嘉賓討論的話題包括：新質生產力、智算中心建設與創新、可信數據服務、國產算力AI原生應用、戰略新興產業、AI文化解決方案、新質AI人才生態、AI創新投資等。

這些話題的背后都離不開一個關鍵詞——“AI生產力”。

歷史上任何偉大的發明都不僅僅是技術創新。1879年，愛迪生發明白熾燈并演示其照明系統，并在接下的幾年里創建了電力工業，1889年，成立愛迪生通用電氣公司。電力成為生產力離不開最初白熾燈的發明，更離不開電力基礎設施和輸電網絡的建設，這才有之后基于電力的工商業應用。

要讓AI真正從一項前沿技術轉變為驅動經濟社會發展的強大生產力，僅僅依靠算法模型的突破或芯片算力的提升是遠遠不夠的。這是一項復雜的系統工程，必須依賴完備的基礎設施、健全的生態網絡和豐富的應用場景。其中，基礎設施鑄就承載力，生態網絡提供增值力，應用場景催生驅動力。

去年5月，甲子光年智庫曾給出判斷：AI對五大生產要素同時產生顯著影響。

圖片來源：甲子光年智庫

AI的重要性在于，它對五大生產要素同時產生顯著影響，而這些生產要素的影響是相互關聯的。勞動創造技術，技術需要數據也需要資本。而AI對土地的影響更像是替代作用——數字鏈條拉長，物理鏈條縮短，AI驅動的世界，是信息態資產指揮物質態資產的世界。

首屆酒仙橋論壇以“開啟AI生產力元年”為主題，頗具深意。

在論壇上，我們也看到了很多與“AI生產力”相關的案例。

中科視語是中國科學院自動化研究所項目孵化的企業，面向智慧交通和智慧工業，致力于用前沿大模型技術驅動產業的數智化變革。中科視語聯合創始人張臘在酒仙橋論壇上介紹：“中科視語在2024年以智能體為支撐解決方案的交付大概占據了我們整個公司營收1/3的份額，我們今年需要直面客戶對于大模型應用一線落地轉換的剛性需求，而且它會變得更嚴格，這時候我們應該去迎接或者有必要迎接拐點的出現。”

中科視語營收結構的變化是AI成為生產力最直接的證據。一家公司1/3的營收來自基于新技術（智能體/大模型）的應用交付，這表明技術已從概念驗證進入到規模化變現階段。客戶從觀望到產生剛性需求，也反映了市場對AI應用價值的認可度發生了質的飛躍。這表明在AI的應用和商業化落地層面，部分先行者已經觸及或跨越了質變點。

千尋智能是國內具備AI+機器人全棧能力的具身智能公司，在酒仙橋論壇上，千尋智能戰略生態副總裁、董事、具身智能數據中心總經理孫榮毅透露：“估計再有半年時間我們的機器人會在我們的產投方寧德時代的工廠里面真正干活了。”

那么，整個AI產業鏈是否到了一個“量變引發質變”的拐點？

孫榮毅認為，“量變到質變”的拐點并非一概而論，而是取決于具體的應用場景和智能化水平。他借鑒自動駕駛的分級體系，將具身智能劃分為L0-L4等級。在“下限非常之高，場景相對固定，作業內容相對單一”的工業場景下，達到L2水平（特定場景若干場景復雜任務）即具備了落地的可行性，可以視為“量變到質變的一個拐點”。然而，若要進入商用和家用場景，則需要更高的L3到L4水平，這可能還需要“大概兩到三年時間”。他類比ChatGPT的普及過程，認為正是GPT-3.5的可用性讓其被大眾接受，具身智能也需要達到類似的“可用條件”。

而同樣與具身智能相關的無人機領域還在期待拐點的到來。曜宇航空創始人楊立坦言，低空經濟無人機行業還沒有到拐點。他用數據佐證其觀點：低空經濟無人機截至去年6月份在民航網站上注冊的數量大概180萬架，這與大模型億級的用戶量相去甚遠，“我們連人家零頭都沒有，所以我們連量變都沒有，現在還談不到質變。”

中國的AI產業無疑正經歷一個高速發展的階段，雖然“量變到質變”的判斷在不同細分領域存在差異，但大模型及其驅動的應用正以前所未有的速度觸達用戶并產生商業價值。

那么如何衡量“AI生產力”呢？

2.“AI生產力”從何而來

如果說在工業時代，發電量和耗電量是評估一個地區經濟活動和生產力水平的重要參考指標，那么在生成式AI時代，Token的生產量和消耗量就是評估“AI生產力”水平的重要參考指標。

Token是將連續文本按照一定規則拆分出的最小語義單元，可表現為字符、子詞或整詞，Token貫穿從模型訓練、推理、計費到安全合規的各個環節。

華為公司計算產品首席營銷官李鵬在酒仙橋論壇上介紹，有關機構研究表明，2024年初，中國日均Token消耗量為1000億，今年3月，中國日均Token消耗量已經達到10萬億級，“現在預計可能在今年下半年的時候，大概不到半年時間會再增長100倍，增長速度非常快。”

那么，巨量的Token從何而來？

Token的來源是智算中心（AIDC）。

據統計，截至2024年上半年，國內已經建設和正在建設的智算中心超過250個，2024年上半年智算中心招投標相關事件791起，同比增長高達407.1%；科智咨詢數據顯示，截至2024年11月，我國投產及在建智算中心的總量已經超過了500個。

然而部分地區的智算中心也存在空置的現象，盡管今年初DeepSeek-V3和R1引爆了市場，但智算中心如何產生真正的“AI生產力”，促進高質量發展，依然是行業面臨的問題。

北電數智黨支部書記、董事長荊磊在酒仙橋論壇上就指出：“新一輪人工智能技術代際變化加速演變，產業范式和競爭格局發生深刻變化。我國在算力基建、大模型技術等領域取得突破性進展，進入更高水平產業發展階段的同時，還面臨高端AI芯片受制于人、模型應用場景碎片化供給制約規模化發展以及高價值數據‘供不出、流不動、用不好’等一些難點和堵點問題。需進一步凝聚合力，加快推動技術價值向產業價值轉化，產業價值從單點突破邁向鏈式躍遷。”

北電數智黨支部書記、董事長荊磊

北電數智首席營銷官楊震告訴「甲子光年」，智算中心并不是芯片和服務器的堆疊，其核心挑戰在于是否能夠有效釋放“AI生產力”，而這恰恰取決于應用軟件層的豐富度和與底層硬件、模型的有效協同。

楊震將智算中心比作一臺電腦：“如果將芯片視為硬件，將大模型視為操作系統，那么擁有這兩者并不意味著這臺‘電腦’就具備了實際價值。” 他進一步解釋，就像個人電腦需要安裝辦公、財務等各類應用軟件才能真正發揮作用一樣，智算中心也只有在其運行著針對不同用途、充分適配的各類AI應用時，才能真正產生效益。

他分析，部分智算中心空置的主要原因在于，許多中心在建設初期并未針對具體使用用途對芯片、存儲、網絡等硬件進行有效配置。此外，早期建設的智算中心多專注于支持大模型的訓練，但具備自行進行模型調優和適配預訓練能力的大模型廠商數量有限，且模型訓練周期（如三個月）結束后容易導致設備閑置。不同模型技術路線的差異性也加劇了這一問題，使得通用配置難以最大化利用資源。

北電數智首席營銷官楊震

楊震強調，用傳統數據中心建設服務器的方式來建設智算中心是存在問題的，必須將智算中心視為一個“AI工廠”，而要讓這個“工廠”高效運轉，就必須確保“電腦（智算中心）、操作系統（大模型）以及上面一系列的軟件（AI應用及適配）”都準備就緒并能協同工作。

“今年春節之前的時候，芯片層、模型層都是一個相對離散的狀態。春節之后可能基礎模型層進入收斂，芯片層還沒有進入收斂期。”楊震告訴「甲子光年」。

這種割裂狀態是有效利用智算中心資源、構建“AI工廠”面臨的一個核心挑戰。

3.基于AI工廠，打造AI生態

作為一家AI原生的企業，北電數智在2023年成立之初就提出打造面向未來AI產業的新物種，并將這一新物種定義為——AI工廠。

什么是AI工廠？如果把AI看作商品，AI工廠要出售的不只是常見的算力，而是包含了算力、模型、數據以及行業解決方案在內的全棧能力。因為單獨的算力、模型或者數據服務，往往無法支撐一個完備的AI產業生態集群的發展需求。

英偉達這兩年一直在強調AI工廠的概念。英偉達認為，如同工業革命時期的工廠一樣，AI工廠將大規模生產token——人工智能的基本構成單元，這些token將被重構為音樂、文字、視頻、研究成果、化學物質或蛋白質，驅動各種智能應用。

從英偉達到北電數智，AI工廠正在逐漸成為業內共識。不過，AI工廠本身也在迭代中，結合中國AI產業實際，打造中國特色的新型AI工廠就是北電數智在做的事情，這其中的方法論，就是北電數智所提出的“1個AI底座+2大產業平臺”。

北電數智“1個AI底座+2大產業平臺”

具體來說，“1個AI底座”是聚集了算力、算法、數據等全棧AI能力，以及AI可信數據服務相結合的AI基礎設施；“2大產業平臺”是在AI底座的基礎上所形成的產品與解決方案的綜合服務平臺，一是面向政務、醫療、金融、文化、工業制造等傳統行業的賦能平臺，二是面向低空經濟、具身智能、AI4S（AI for Science）等新興產業的加速平臺。

北電數智首席技術官謝東告訴「甲子光年」，北電數智的“1個AI底座+2大產業平臺”不是一個簡單的技術棧，而是一個可以不斷演進、持續學習、可被廣泛調用的智能中樞。

北電數智首席技術官謝東

在酒仙橋論壇上，謝東進一步解釋：“我們會從工具做到平臺，從單點做到系統，形成技術產業和生態共理的機制。一個AI系統絕對不會是靜止的，算力在不斷地往前，越來越普及，模型能力越來越高，各個行業的數據也會被深度挖掘發揮價值，所以系統本身也需要跟著這樣的不斷往前演進，它應該是有持續學習自演化能力。”

「甲子光年」注意到，在算力層，北電數智可以提供國產的混元芯片方案，目前已經建成了全國最大的國產多芯片異構集群，并納管3000卡規模，覆蓋了30多款國內主流芯片評測，并通過“星火·國產算力AI原生適配認證”，完成十余種國產主流算力芯片推理單卡測評、多卡測評和訓練場景測評，當前包括華為、海光、沐曦、天數智芯、清微智能、壁仞科技、摩爾線程等9家企業的11款芯片已正式獲得認證。

如果說去年異構集群芯片方案還是一種創新，那么今年，面對供應鏈的不確定性，異構集群芯片方案必須要捅破工程優化的技術天花板。

“去年我們一直在解釋我們的多元異構、多元適配，如何能夠讓不同算力集群協同作戰，如何能夠讓算力集群適配支撐更多模型。”楊震告訴「甲子光年」，“今年講這些事會相對容易一些，因為有了DeepSeek的工程化的打樣，大家開始理解，工程化其實確實有用。”

楊震透露了一組數據，北電數智通過大量的統一的通信庫和算子補齊工作，實現了不同芯片之間的協同作戰，整體提高了芯片的性能使用率，通過軟件加速基本能讓國產芯片的性能普遍提升2~3倍，吞吐量提升7~8倍。

北京數字經濟算力中心就是北電數智的AI工廠之一，也是本屆酒仙橋論壇的舉辦地。它打破了傳統的智算中心或數據中心的形態，不再只是一個堆滿服務器的“黑盒子”，而是一個擁有展覽、活動、辦公等空間，具有“798式”前沿藝術設計外觀的多功能AI工廠。

北京數字經濟算力中心外部

北京數字經濟算力中心內部

在算力行業里，一些入局者建設智算中心帶有很強的投機目的，這從資本逐利的角度來說無可厚非，但行業更需要的是一個可以有效撐起人工智能產業發展的底座。

“我們在做的是科技平權，把成本降下去，把難度降下去，把場景聚集起來，把數據聚集起來，提供盡量多的工具讓所有人都能夠在AI時代，找到自己的夢想，發揮自己的作用。這就和我們北京數字經濟算力中心物理結構就形成了渾然一體，形成一個閉環。”楊震說。

之前我還沒有明顯的感受，但是這次，當我坐在北京數字經濟算力中心里，聽著酒仙橋論壇各位嘉賓的分享，看著來自學界、產業界、投資界的參會者在其中交流，“串珠成鏈”在這一刻具象化了。

論壇上，一場名為“DeepSeek浪潮下未來智算中心發展方向”的圓桌對話讓我印象深刻，嘉賓認為：未來智算形態將迎來兩極分化，一端是為用戶提供端到端服務的智算服務商，另一端是僅提供裸金屬服務器等基礎服務的服務商。

面對智算中心的演進終局，浪潮信息北京區副總經理杜懷亮預判，具備更廣闊生態圈優勢的智算服務商將逐漸占據主導市場。在這場技術演進與產業需求的雙向奔赴中，持續迭代的生態運營能力正成為衡量智算中心價值的新標尺。

在論壇上，針對國內算力行業發展也有一些不同的聲音，一些嘉賓也提出了困擾行業發展的“最后一公里”問題，比如數據采集、高質量數據壁壘、跨行業協作等，都是實實在在需要解決的問題。

楊震告訴「甲子光年」：“通過過去一年在AI江湖的探索，我們發現在這個時代，同行并不是冤家，只有同行討論的內容，才有更高的質量，才有觀點互補。同行坐在一起可以討論出非常高質量的路徑、方向，這給了我們更大的信心來做酒仙橋論壇。”

這6天11場分論壇的酒仙橋論壇可以說是一場“AI馬拉松”論壇，但從“AI生產力”來說，這場論壇開啟了一場新的“產業馬拉松”，這背后需要更多的創新與合作。

正如中國國資國企研究院院長、國資委中央企業智庫聯盟創盟副理事長兼秘書長彭建國在論壇所說：“AI技術創新和產業創新同步進行，無論是算力、模型還是數據，很多東西現階段還很不成熟，需要廣泛探索與探討，需要深層碰撞與爭論。”

一連串神秘數字“7”背后的生產力躍遷才剛剛開始。

（封面圖及文中未注明來源配圖來自：北電數智）