上证报中国证券网讯（记者窦世平）2026世界人工智能大会（WAIC）期间，并行科技董事长陈健接受上海证券报记者专访时表示，今年AI产业最重要的变化，是部分应用场景已经从“需要算力”走向“商业闭环”。在他看来，AI Coding等应用正在证明，用户愿意为明确产出的AI能力付费，算力市场也因此从训练主导转向推理主导。
陈健认为，这一变化会反向改变算力基础设施的需求结构。过去算力市场更多由大模型训练驱动，训练通常需要高端卡，而当AI应用进入持续使用阶段，推理需求会大幅增长，并对吞吐、延迟、成本和性能优化提出更高要求。
AI Coding价值已明显高于算力支出
“去年是需要算力，今年是真挣到钱了。”陈健表示，AI Coding产生的价值已经明显高于算力支出，用户支付的费用可以覆盖相关算力成本，这与过去大模型主要处于训练和投入阶段不同。
在陈健看来，AI Coding是当前最容易形成商业闭环的应用之一。其原因在于，软件开发原本是高成本活动，一旦AI能够显著降低开发成本，新增需求会被释放出来。
“以前你会想开发个软件吗？不会。以后你想做什么，也可以自己开发一个。”他说，过去很多软件需求因为开发成本高而不会被启动；未来，随着AI Coding降低软件生成成本，一些临时性、定制化、短周期的软件需求也可能被激活。
陈健判断，AI Coding不仅改变软件开发方式，也会改变软件产业的价值分布。系统级软件可能面临更大挑战，但行业应用软件未必变差，甚至可能因为生成成本下降而进入更柔性的定制化阶段。以前只有较多客户的共性需求才值得开发，未来单个客户的个性化需求也可能被满足。
他还认为，行业应用的核心不只在软件工程师手中，还在具体行业从业者的Know-how之中。当行业人员、产品经理与AI Coding结合时，软件开发的组织方式可能发生变化。
Token工厂不是简单的智算中心
AI应用进入商业闭环后，陈健更关注“Token工厂”的形成。他认为，最终用户并不关心底层算力如何调度，而是希望用Token完成具体任务。Token由算力、模型和优化共同产生，这条链路已经变得清晰。
在他看来，Token工厂不同于传统智算中心。智算中心主要是IDC加算力，而Token工厂还需要叠加模型、运营平台和性能优化能力。“以前算力中心输出的是算力，用户怎么用、用得好不好参差不齐；到Token就标准化了。”
陈健将产业链拆成两段：一段是最终用户向模型公司购买API或Token；另一段是模型公司为了提升Token吞吐量和性价比，在上游寻找算力企业和Token工厂进行优化、调度和生产。
这种变化也意味着，Token会按任务价值分层。陈健表示，低成本Token可能主要用于简单对话，高价格Token则更多对应复杂任务和AI Coding等场景。用户愿意持续付费的需求，才是真正能够支撑产业闭环的需求。
对于Token工厂的竞争要素，陈健总结为三点：订单、算力和性能优化能力。他表示，“订单主要来自大模型企业和最终大用户；算力是生产资料；性能优化则直接影响单位算力产出的Token数量。如果优化能力不足，即使拥有算力，也未必能获得足够好的经济性。”
算网建设要从用户需求出发
围绕近年被频繁讨论的“算网”，陈健表示，并行科技从2015年开始做算力服务时，本质上就在做面向用户需求的算网。他认为，用户的需求非常简单，即需要算力时能够获得满意、性价比高的算力；如果不直接使用算力，也可以获得可用的Token。
据陈健介绍，并行科技早期服务高性能计算用户，公司逐步连接更多超算中心和智算中心，形成跨区域算力服务能力。目前，并行科技注册用户超过20万，背后连接了十几个国家级超算中心和200多个智算中心，其中接近50个智算中心已有业务消纳。
他认为，人工智能训练和推理不是云计算的简单延伸，而更接近超级计算机上的新增应用。其底层技术栈涉及并行计算、性能优化和大规模任务调度，这也是并行科技长期积累的方向。
国产算力方面，陈健认为，国产算力在推理侧已具备使用基础，未来两三年，随着硬件迭代和性能优化推进，国产算力在推理市场的实际使用量有望继续提升。
对于并行科技自身，陈健表示，公司当前重点是按需算力供给和Token工厂所需的算力支撑。由于高端算力供给紧张，公司正在通过合作共建算力中心等方式扩充供给能力。据他介绍，并行科技已与郑州、武汉光谷、深圳光明区等地政府或合作伙伴推进算力合作项目。
陈健认为，Token工厂未来能否跑通，不只取决于是否有IDC和算力，更取决于订单、规模和持续性能优化能力。对并行科技而言，公司仍会围绕用户真实需求推进业务，而不是单纯围绕算力中心建设本身。
保宇配资提示：文章来自网络，不代表本站观点。
