在2026世界人工智慧大會（WAIC）上，摩爾線程創始人、董事長兼CEO張建中提出了“三大AI工廠”的概念，分別對應模型訓練工廠、詞元（Token）生產工廠和智慧體生產工廠，旨在覆蓋從基礎模型研發到產業應用、從雲端基礎設施到終端裝置的完整鏈路。

張建中認為，進入Agent時代，AI不再只是一個需要被訓練的模型，而是正在變成一種需要被持續生產、呼叫和部署的智慧能力。三大工廠正是對這一趨勢的回應：模型訓練工廠解決“如何製造更聰明的模型”，詞元生產工廠解決“如何讓更多人低成本使用智慧”，智慧體生產工廠則讓AI進一步具備行動能力，從數字世界走向現實世界。

中國工程院院士、清華大學教授鄭緯民在演講中指出，算力基建的關鍵在於將每一份算力轉化為高質量詞元，三大“AI工廠”是算力基礎設施的必然演進。國家資訊中心大數據發展部副主任魏穎也認為，算力基礎設施是詞元生產的物理底座，作為算力核心的GPU決定了生產效率與成本。

摩爾線程高階副總裁董龍飛強調，三個工廠並非割裂的業務方向，而是代表不同市場，不存在簡單的優先順序關係。但從產業競爭角度看，模型訓練仍然是整個體系的基礎。“產業人工智慧的競爭最重要的就在於這個模型是不是聰明。”董龍飛表示，模型能力依靠預訓練和後訓練獲得，而非推理階段。

在模型訓練工廠方面，摩爾線程展示了萬卡規模MoE-236B基礎模型訓練專案，依託國產萬卡GPU叢集完成從零開始的完整訓練，有效訓練時長佔比超過90%，模型精度和訓練損失曲線與國際主流計算卡高度一致。此外，北京大學EvoPhys團隊的5D世界模型EvoPhys-World也基於摩爾線程MTT S5000誇娥智算叢集完成全棧原生訓練，並在WorldScore“世界生成”維度連續37天排名第一。京東雲總裁曹鵬表示，京東正在基於摩爾線程國產算力進行模型訓練、適配和調優。

詞元生產工廠方面，摩爾線程強調模型快速適配、推理最佳化以及異構算力協同能力。目前其推理套件已適配DeepSeek、MiniMax、GLM、Kimi、Qwen等主流模型，並推出基於MTT S5000的PD分離異構推理方案。趨境科技創始人兼CEO艾智遠表示，該公司每天能夠供應萬億級高品質Token，並與摩爾線程合作，通過國產GPU與國際主流GPU異構協同提高Token生產能力。

智慧體生產工廠方面，摩爾線程認為Token工廠解決的是“會說”，智慧體工廠解決的是“會做”。董龍飛表示，Token生成之後還需要讓AI呼叫工具：在電腦中意味著Agent能夠操作軟體和系統，在機器人領域則意味著智慧體需要理解物理規律。摩爾線程生態副總裁呂其恆指出，大語言模型處理的是符號，而具身智慧需要同時處理視覺、渲染、模擬等任務，這也是世界模型成為關鍵方向的原因。極佳視界合夥人毛繼明表示，物理AGI面臨的重要挑戰之一是提升資料使用效率，該公司已與摩爾線程聯合開展駕駛模型、具身模型等物理AI模型訓練最佳化。

董龍飛強調，三大工廠共享統一的GPU架構和MUSA軟體體系，並非針對不同市場分別開發不同技術。在AI快速變化階段，最大的挑戰是未來模型形態的不確定性，GPU首先需要具備通用性。摩爾線程提出“三大工廠”，是在回答一個更大的問題：當AI從模型時代進入智慧生產時代，下一代基礎設施應該是什麼。