这篇文章由陈骏达编辑和李水青撰写。
据智东西报道，在4月15日举行的酒仙桥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以及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多位专家分享了他们对当前AI发展阶段的看法。
郑纬民指出，随着智能体时代的到来，token成为了衡量智能化水平的关键单位。他认为，AI产业的竞争焦点已从比拼算力集群规模转变为每瓦能量生成的token数量，这种转变预示着行业正在经历从MaaS（模型即服务）到TaaS（token即服务）的重大变革。
李海洲则分析了中国国内AI行业的现状。他认为中美两国在前沿大模型性能上的差距已经缩小到了历史最低点，并且中国的开源模型在全球范围内处于领先地位，形成了由科技巨头和创新企业共同驱动的完整产业链条。
在论坛开幕式期间，多家参会单位发布了一系列重要消息。其中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》，该报告从产业发展、科技创新、民生服务以及治理环境四大维度评估了城市的AI发展状况。
北电数智在论坛上推出了新一代AI生产系统“星火·AI云2.0”，这一系统集数据处理、计算能力、模型构建和应用于一体，旨在解决AI技术落地过程中遇到的部署复杂性高、成本大以及难以复制等问题。
开幕式见证了“AI中国行”计划启动和人工智能创新街区产业共建联盟成立的重要时刻。后者将助力北京打造成为全球首屈一指的人工智能城市。
郑纬民在主旨演讲中指出，从MaaS到TaaS的转变标志着token已经成为智能时代的新型资源。他回顾了自己与酒仙桥的独特联系，并表示如今这里已成为AI领域思想碰撞的重要场所。
过去两年间，整个行业都在追求大模型的发展并提供服务，但到了今年，这一趋势正在转向更注重token的服务模式。token不仅仅是衡量语言单元的指标，更是反映智能服务成本和使用强度的关键因素。
为什么token突然变得如此重要？根本原因在于AI的应用方式发生了本质变化。2023年时生成式AI相对简单，回答问题消耗的token量有限。
到了2024年，交互变得更加复杂，大模型公司难以盈利的局面日益明显。因此，建议通过平台化解决方案促进场景落地，并非依赖单一项目制来推动技术应用。
对于AI是否是最后一次技术革命的问题，他认为在未来十年白领工作可能被AI取代，但长远来看，新岗位将自然涌现出来，如同马车夫转型为汽车修理工一样，这是技术进步的必然结果。
杨震根据实践经验提出了三条建议：城市应先确定优势产业，并据此构建适合的人工智能基础设施；运营比建设更为重要，通过解决共性痛点孵化标杆项目是关键一步；探索按产业价值分配利润的新商业模式也是必不可少的一部分。
高宇宁强调了未来发展的差异化道路。他认为随着技术的成熟和普及，场景需求将成为稀缺资源，因此各城市需要根据自身特点走出不同的AI发展路径。
总结而言，论坛传递了一个重要的信息：中国AI产业正在告别“一窝蜂做大模型”的阶段，进入更加理性、务实且注重应用场景的新时期。未来行业的竞争核心将更多地集中在系统化工程能力和生态协同上。
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。