新京报贝壳财经讯（记者罗亦丹）2026世界人工智能大会期间，摩尔线程创始人、董事长兼首席执行官张建中表示，AI智能体时代Token（词元）的消耗量呈现暴涨态势，根本原因在于当前大规模消耗AI算力的已经不是人类，而是人类拥有的智能体。他提出，传统的工业生产工厂有不同的种类，如果把AI产业转换成对应的“AI工厂”，现阶段可以暂时分为三类。

“第一类工厂叫作模型训练工厂，专门训练不同的模型；第二类叫词元生产工厂，生成各种不同模型的Token服务；第三类可能很多人没有注意，Agent（智能体）生产工厂。如果没有一个好的工厂训练Agent的思维方式和思维方法，就很难判断该Agent的智能水平能否达到人类提出的任务要求。”张建中说。

张建中拆解了摩尔线程在这三类“工厂”里的战略布局，如针对模型训练，他表示在模型开始训练之前，为了提前了解时间和训练结果，必须提供一套仿真工具，“摩尔线程有一套MT-HTA仿真系统，包括 SimuMax 和 SimuInfer，帮你在训练和推理前就能评估，大概需要花多长时间能够完成训练任务。”而针对基础模型训练完或预训练结束后的强化学习阶段，摩尔线程把行业当中常用的两种强化学习的框架VeRL和Slime完整适配在了MUSA平台基础之上。

“我经常听到国内的模型公司担心，用国产的训练平台会不会耽误时间，会不会影响追赶世界先进水平，其实大家大可放心，我们有更好的硬件平台和先进的软件技术，同时有大量的实验结果支持，大家可以真正放心去投入到国产模型在国产芯片上去训练。还有一个好处，摩尔线程随时可以为用户提供本地化服务，这肯定比国外公司做得更好。”

此外，对于词元生产，摩尔线程实现了对DeepSeek、MiniMax、GLM、Kimi、Qwen等主流大模型的“发布即适配”。推出基于旗舰级AI训推一体智算卡MTT S5000的PD分离异构推理方案，将高算力需求的Prefill计算池（MTT S5000）与高带宽的Decode生成池（国际主流GPU）异构分离、分池部署，大幅提升性价比。

针对智能体生产，摩尔线程自研了全域数字智能体“小麦”以及集成了各类底层引擎的全栈具身智能仿真平台MT Lambda，“你希望机器人完成的动作，在平台上仿真训练后，就可以把它接到真机上体验，可以做到Sim-to-Real（从虚拟到现实），几乎是一模一样。”

编辑 杨娟娟

校对 杨利