在酒仙桥论坛，见证AI生产力元年的开启。
作者｜王博
1952年，苏联援建的电子管厂在北京东郊的酒仙桥破土动工，在这片约2.5平方公里的土地上，北京电子管厂、华北无线电联合器材厂、北京有线电厂等单位相继落成。
这些单位有一个共同的特征——代号由“7”开头，因为当时“7”代表国防电子工业。774、718、738，这些神秘的代号在酒仙桥“串珠成链”，形成了新中国最早的电子工业体系。
随着时代的发展，这些以“7”命名的工厂早已改制或转型，但酒仙桥的企业并没有忘记这些“7”和它们背后的时代精神。
所以，第一次看到由“7”组成的酒仙桥论坛标识，我很感动。
酒仙桥论坛标识
以地名为论坛命名往往带有一个地区的鲜明特征，比如中关村论坛、博鳌亚洲论坛引领着科技和经济风向，而酒仙桥有什么呢？
我们可以列举，新中国的第一只真空管、第一个集成电路、第一台计算机、第一台电话交换机都诞生于酒仙桥；我们可以说，这里是“新中国电子工业摇篮”。但是，人们在描述酒仙桥时往往会忽略一个词——“生产力”。
从电子管厂，到AI工厂；从建设新中国电子工业，到建设数字中国；酒仙桥一直在为国家提供“生产力”，过去是“电子生产力”，现在是“AI生产力”。
“AI生产力”是指将人工智能技术应用于实际工作流程、任务执行和决策过程中，从而实现效率、质量、产出和创新能力的显著提升。
“AI生产力”不是工具或技术的堆砌，而是一种以“智能化、人机协同、持续优化”为特征的新质生产力，需要良好的AI基础设施和生态网络的支持，AI才能真正深入到各个行业和领域，成为推动生产力进步的关键驱动力。
4月15日到4月20日，首届酒仙桥论坛在北京数字经济算力中心举办，这里曾是北京广播器材厂（761厂）的所在地，如今这里是一座AI工厂，部署了超过1000P高性能混元算力，就在酒仙桥论坛的AIDC创新驱动生产力新变革专场上，北京数字经济算力中心宣布正式投运。
北京数字经济算力中心
本届论坛由北电数智主办，以“开启AI生产力元年”为主题，设置1场主论坛和10场分论坛，邀请多位科学家、AI产业各界专业人士、领军企业以及行业智库等深入开展研讨交流，聚焦AI技术演进与产业实践。
一共6天的论坛听下来，「甲子光年」的感受是，嘉宾们共同探讨了一个时代课题——“AI驱动下的数字中国”。
正如北电数智党支部书记、董事长荆磊所说：“举办酒仙桥论坛，携手共建务实沟通平台，共同探索技术创新、应用创新与生态协同发展路径，具有特殊价值和重要意义。”
1.什么是“AI生产力”
酒仙桥论坛现场
在国内，很少有一场科技产业活动会连续举办6天。
在这6天中，与会嘉宾讨论的话题包括：新质生产力、智算中心建设与创新、可信数据服务、国产算力AI原生应用、战略新兴产业、AI文化解决方案、新质AI人才生态、AI创新投资等。
这些话题的背后都离不开一个关键词——“AI生产力”。
历史上任何伟大的发明都不仅仅是技术创新。1879年，爱迪生发明白炽灯并演示其照明系统，并在接下的几年里创建了电力工业，1889年，成立爱迪生通用电气公司。电力成为生产力离不开最初白炽灯的发明，更离不开电力基础设施和输电网络的建设，这才有之后基于电力的工商业应用。
要让AI真正从一项前沿技术转变为驱动经济社会发展的强大生产力，仅仅依靠算法模型的突破或芯片算力的提升是远远不够的。这是一项复杂的系统工程，必须依赖完备的基础设施、健全的生态网络和丰富的应用场景。其中，基础设施铸就承载力，生态网络提供增值力，应用场景催生驱动力。
去年5月，甲子光年智库曾给出判断：AI对五大生产要素同时产生显著影响。
图片来源：甲子光年智库
AI的重要性在于，它对五大生产要素同时产生显著影响，而这些生产要素的影响是相互关联的。劳动创造技术，技术需要数据也需要资本。而AI对土地的影响更像是替代作用——数字链条拉长，物理链条缩短，AI驱动的世界，是信息态资产指挥物质态资产的世界。
首届酒仙桥论坛以“开启AI生产力元年”为主题，颇具深意。
在论坛上，我们也看到了很多与“AI生产力”相关的案例。
中科视语是中国科学院自动化研究所项目孵化的企业，面向智慧交通和智慧工业，致力于用前沿大模型技术驱动产业的数智化变革。中科视语联合创始人张腊在酒仙桥论坛上介绍：“中科视语在2024年以智能体为支撑解决方案的交付大概占据了我们整个公司营收1/3的份额，我们今年需要直面客户对于大模型应用一线落地转换的刚性需求，而且它会变得更严格，这时候我们应该去迎接或者有必要迎接拐点的出现。”
中科视语营收结构的变化是AI成为生产力最直接的证据。一家公司1/3的营收来自基于新技术（智能体/大模型）的应用交付，这表明技术已从概念验证进入到规模化变现阶段。客户从观望到产生刚性需求，也反映了市场对AI应用价值的认可度发生了质的飞跃。这表明在AI的应用和商业化落地层面，部分先行者已经触及或跨越了质变点。
千寻智能是国内具备AI+机器人全栈能力的具身智能公司，在酒仙桥论坛上，千寻智能战略生态副总裁、董事、具身智能数据中心总经理孙荣毅透露：“估计再有半年时间我们的机器人会在我们的产投方宁德时代的工厂里面真正干活了。”
那么，整个AI产业链是否到了一个“量变引发质变”的拐点？
孙荣毅认为，“量变到质变”的拐点并非一概而论，而是取决于具体的应用场景和智能化水平。他借鉴自动驾驶的分级体系，将具身智能划分为L0-L4等级。在“下限非常之高，场景相对固定，作业内容相对单一”的工业场景下，达到L2水平（特定场景若干场景复杂任务）即具备了落地的可行性，可以视为“量变到质变的一个拐点”。然而，若要进入商用和家用场景，则需要更高的L3到L4水平，这可能还需要“大概两到三年时间”。他类比ChatGPT的普及过程，认为正是GPT-3.5的可用性让其被大众接受，具身智能也需要达到类似的“可用条件”。
而同样与具身智能相关的无人机领域还在期待拐点的到来。曜宇航空创始人杨立坦言，低空经济无人机行业还没有到拐点。他用数据佐证其观点：低空经济无人机截至去年6月份在民航网站上注册的数量大概180万架，这与大模型亿级的用户量相去甚远，“我们连人家零头都没有，所以我们连量变都没有，现在还谈不到质变。”
中国的AI产业无疑正经历一个高速发展的阶段，虽然“量变到质变”的判断在不同细分领域存在差异，但大模型及其驱动的应用正以前所未有的速度触达用户并产生商业价值。
那么如何衡量“AI生产力”呢？
2.“AI生产力”从何而来
如果说在工业时代，发电量和耗电量是评估一个地区经济活动和生产力水平的重要参考指标，那么在生成式AI时代，Token的生产量和消耗量就是评估“AI生产力”水平的重要参考指标。
Token是将连续文本按照一定规则拆分出的最小语义单元，可表现为字符、子词或整词，Token贯穿从模型训练、推理、计费到安全合规的各个环节。
华为公司计算产品首席营销官李鹏在酒仙桥论坛上介绍，有关机构研究表明，2024年初，中国日均Token消耗量为1000亿，今年3月，中国日均Token消耗量已经达到10万亿级，“现在预计可能在今年下半年的时候，大概不到半年时间会再增长100倍，增长速度非常快。”
那么，巨量的Token从何而来？
Token的来源是智算中心（AIDC）。
据统计，截至2024年上半年，国内已经建设和正在建设的智算中心超过250个，2024年上半年智算中心招投标相关事件791起，同比增长高达407.1%；科智咨询数据显示，截至2024年11月，我国投产及在建智算中心的总量已经超过了500个。
然而部分地区的智算中心也存在空置的现象，尽管今年初DeepSeek-V3和R1引爆了市场，但智算中心如何产生真正的“AI生产力”，促进高质量发展，依然是行业面临的问题。
北电数智党支部书记、董事长荆磊在酒仙桥论坛上就指出：“新一轮人工智能技术代际变化加速演变，产业范式和竞争格局发生深刻变化。我国在算力基建、大模型技术等领域取得突破性进展，进入更高水平产业发展阶段的同时，还面临高端AI芯片受制于人、模型应用场景碎片化供给制约规模化发展以及高价值数据‘供不出、流不动、用不好’等一些难点和堵点问题。需进一步凝聚合力，加快推动技术价值向产业价值转化，产业价值从单点突破迈向链式跃迁。”
北电数智党支部书记、董事长荆磊
北电数智首席营销官杨震告诉「甲子光年」，智算中心并不是芯片和服务器的堆叠，其核心挑战在于是否能够有效释放“AI生产力”，而这恰恰取决于应用软件层的丰富度和与底层硬件、模型的有效协同。
杨震将智算中心比作一台电脑：“如果将芯片视为硬件，将大模型视为操作系统，那么拥有这两者并不意味着这台‘电脑’就具备了实际价值。” 他进一步解释，就像个人电脑需要安装办公、财务等各类应用软件才能真正发挥作用一样，智算中心也只有在其运行着针对不同用途、充分适配的各类AI应用时，才能真正产生效益。
他分析，部分智算中心空置的主要原因在于，许多中心在建设初期并未针对具体使用用途对芯片、存储、网络等硬件进行有效配置。此外，早期建设的智算中心多专注于支持大模型的训练，但具备自行进行模型调优和适配预训练能力的大模型厂商数量有限，且模型训练周期（如三个月）结束后容易导致设备闲置。不同模型技术路线的差异性也加剧了这一问题，使得通用配置难以最大化利用资源。
北电数智首席营销官杨震
杨震强调，用传统数据中心建设服务器的方式来建设智算中心是存在问题的，必须将智算中心视为一个“AI工厂”，而要让这个“工厂”高效运转，就必须确保“电脑（智算中心）、操作系统（大模型）以及上面一系列的软件（AI应用及适配）”都准备就绪并能协同工作。
“今年春节之前的时候，芯片层、模型层都是一个相对离散的状态。春节之后可能基础模型层进入收敛，芯片层还没有进入收敛期。”杨震告诉「甲子光年」。
这种割裂状态是有效利用智算中心资源、构建“AI工厂”面临的一个核心挑战。
3.基于AI工厂，打造AI生态
作为一家AI原生的企业，北电数智在2023年成立之初就提出打造面向未来AI产业的新物种，并将这一新物种定义为——AI工厂。
什么是AI工厂？如果把AI看作商品，AI工厂要出售的不只是常见的算力，而是包含了算力、模型、数据以及行业解决方案在内的全栈能力。因为单独的算力、模型或者数据服务，往往无法支撑一个完备的AI产业生态集群的发展需求。
英伟达这两年一直在强调AI工厂的概念。英伟达认为，如同工业革命时期的工厂一样，AI工厂将大规模生产token——人工智能的基本构成单元，这些token将被重构为音乐、文字、视频、研究成果、化学物质或蛋白质，驱动各种智能应用。
从英伟达到北电数智，AI工厂正在逐渐成为业内共识。不过，AI工厂本身也在迭代中，结合中国AI产业实际，打造中国特色的新型AI工厂就是北电数智在做的事情，这其中的方法论，就是北电数智所提出的“1个AI底座+2大产业平台”。
北电数智“1个AI底座+2大产业平台”
具体来说，“1个AI底座”是聚集了算力、算法、数据等全栈AI能力，以及AI可信数据服务相结合的AI基础设施；“2大产业平台”是在AI底座的基础上所形成的产品与解决方案的综合服务平台，一是面向政务、医疗、金融、文化、工业制造等传统行业的赋能平台，二是面向低空经济、具身智能、AI4S（AI for Science）等新兴产业的加速平台。
北电数智首席技术官谢东告诉「甲子光年」，北电数智的“1个AI底座+2大产业平台”不是一个简单的技术栈，而是一个可以不断演进、持续学习、可被广泛调用的智能中枢。
北电数智首席技术官谢东
在酒仙桥论坛上，谢东进一步解释：“我们会从工具做到平台，从单点做到系统，形成技术产业和生态共理的机制。一个AI系统绝对不会是静止的，算力在不断地往前，越来越普及，模型能力越来越高，各个行业的数据也会被深度挖掘发挥价值，所以系统本身也需要跟着这样的不断往前演进，它应该是有持续学习自演化能力。”
「甲子光年」注意到，在算力层，北电数智可以提供国产的混元芯片方案，目前已经建成了全国最大的国产多芯片异构集群，并纳管3000卡规模，覆盖了30多款国内主流芯片评测，并通过“星火·国产算力AI原生适配认证”，完成十余种国产主流算力芯片推理单卡测评、多卡测评和训练场景测评，当前包括华为、海光、沐曦、天数智芯、清微智能、壁仞科技、摩尔线程等9家企业的11款芯片已正式获得认证。
如果说去年异构集群芯片方案还是一种创新，那么今年，面对供应链的不确定性，异构集群芯片方案必须要捅破工程优化的技术天花板。
“去年我们一直在解释我们的多元异构、多元适配，如何能够让不同算力集群协同作战，如何能够让算力集群适配支撑更多模型。”杨震告诉「甲子光年」，“今年讲这些事会相对容易一些，因为有了DeepSeek的工程化的打样，大家开始理解，工程化其实确实有用。”
杨震透露了一组数据，北电数智通过大量的统一的通信库和算子补齐工作，实现了不同芯片之间的协同作战，整体提高了芯片的性能使用率，通过软件加速基本能让国产芯片的性能普遍提升2~3倍，吞吐量提升7~8倍。
北京数字经济算力中心就是北电数智的AI工厂之一，也是本届酒仙桥论坛的举办地。它打破了传统的智算中心或数据中心的形态，不再只是一个堆满服务器的“黑盒子”，而是一个拥有展览、活动、办公等空间，具有“798式”前沿艺术设计外观的多功能AI工厂。
北京数字经济算力中心外部
北京数字经济算力中心内部
在算力行业里，一些入局者建设智算中心带有很强的投机目的，这从资本逐利的角度来说无可厚非，但行业更需要的是一个可以有效撑起人工智能产业发展的底座。
“我们在做的是科技平权，把成本降下去，把难度降下去，把场景聚集起来，把数据聚集起来，提供尽量多的工具让所有人都能够在AI时代，找到自己的梦想，发挥自己的作用。这就和我们北京数字经济算力中心物理结构就形成了浑然一体，形成一个闭环。”杨震说。
之前我还没有明显的感受，但是这次，当我坐在北京数字经济算力中心里，听着酒仙桥论坛各位嘉宾的分享，看着来自学界、产业界、投资界的参会者在其中交流，“串珠成链”在这一刻具象化了。
论坛上，一场名为“DeepSeek浪潮下未来智算中心发展方向”的圆桌对话让我印象深刻，嘉宾认为：未来智算形态将迎来两极分化，一端是为用户提供端到端服务的智算服务商，另一端是仅提供裸金属服务器等基础服务的服务商。
面对智算中心的演进终局，浪潮信息北京区副总经理杜怀亮预判，具备更广阔生态圈优势的智算服务商将逐渐占据主导市场。在这场技术演进与产业需求的双向奔赴中，持续迭代的生态运营能力正成为衡量智算中心价值的新标尺。
在论坛上，针对国内算力行业发展也有一些不同的声音，一些嘉宾也提出了困扰行业发展的“最后一公里”问题，比如数据采集、高质量数据壁垒、跨行业协作等，都是实实在在需要解决的问题。
杨震告诉「甲子光年」：“通过过去一年在AI江湖的探索，我们发现在这个时代，同行并不是冤家，只有同行讨论的内容，才有更高的质量，才有观点互补。同行坐在一起可以讨论出非常高质量的路径、方向，这给了我们更大的信心来做酒仙桥论坛。”
这6天11场分论坛的酒仙桥论坛可以说是一场“AI马拉松”论坛，但从“AI生产力”来说，这场论坛开启了一场新的“产业马拉松”，这背后需要更多的创新与合作。
正如中国国资国企研究院院长、国资委中央企业智库联盟创盟副理事长兼秘书长彭建国在论坛所说：“AI技术创新和产业创新同步进行，无论是算力、模型还是数据，很多东西现阶段还很不成熟，需要广泛探索与探讨，需要深层碰撞与争论。”
一连串神秘数字“7”背后的生产力跃迁才刚刚开始。
（封面图及文中未注明来源配图来自：北电数智）
（文：甲子光年）