【环球网科技综合报道】9月12日，PEC 2026 AI创新者大会暨第三届提示工程峰会召开。与会专家和行业代表就模型和Token相关话题展开讨论。
2027，我们需要怎样的模型？
中国信息通信研究院人工智能研究所所长魏凯、面壁智能多模态首席科学家&清华大学人工智能学院助理教授姚远、清智资本创始合伙人张煜、清华大学人工智能学院助理教授&元环智能创始人兼首席科学家刘子鸣就《2027，我们需要怎样的模型？》展开对话，从人工智能的发展趋势、大模型落地探讨了未来创新机遇与挑战。
魏凯称，人工智能发展速度很快，尤其是模型进步日新月异，模型能力的进化速度远远超出了技术在行业扩散的速度，现有Benchmark分数只是模型能力非常稀疏的采样，无法穷举所有用户场景，加上用户的数据治理、知识库和使用环境没有准备好，造成模型能力与实际应用体感的落差，企业要深耕自身数据的储备与治理，推动流程变革，加快建设AI原生组织。
姚远则表示，智能一定是云端和端侧并存的方式，云端模型更多追求智能上限，端侧智能关注智能密度，要在功耗、内存、速度等严苛限制下跑出好的效果。随着模型能力增强和端侧芯片算力提升，越来越多智能会在端侧运行，带来数据保护、低延迟和更低Token消耗，物理智能最大的区别是数据稀缺，数据正确性还要与硬件绑定验证，因此要从模型结构、高效训练和高质量数据等方面持续提升智能密度。
张煜认为，模型发展的速度远远超过应用推广的速度，创业方向会从追求模型能力，慢慢转移到追求解决问题，创业公司一开始做产品和服务，就要考虑怎样适配模型的快速迭代，不要绑定一个模型，要为不同模型预留接口，紧紧跟上新模型，模型不一定做得比别人快，但用模型的速度也能形成竞争力。越小、越年轻的公司，往往驾驭新事物的能力越强，创业者还要快速迭代技能和知识、重视商业化，并保持想象力和创造力。
刘子鸣称，通用模型能够处理自然语言、代码、数学等符号世界，但它的边界正在显现，物理世界和世界模型不是现有Transformer范式能够全部包含的，只要知识能用自然语言、公式或代码说出来，模型就能够学会，真正困难的是那些无法言说的边界条件和经验，未来最重要的两个方向是世界模型和Auto Research，但AI背后的科学还处在亚里士多德时代，需要人与AI合作，用巧劲缩短长期科研进程。
Token工厂：真功力与真问题
Token工厂已是各家竞相布局的赛道，推理服务正在从算力租赁分化出独立产品形态，然而，Token工厂的边界应由算力规格定义，还是由输出质量、延迟与单位成本定义？卖Token与卖算力在责任归属和定价逻辑上如何区分？推理服务正在从卖算力走向卖产出，这个变化又意味着什么？
面对这些问题，在AIGCLink发起人&零氪云联创&中机协数智融合专委会执行会长&MCP中国开发者联盟发起人占冰强主持的《Token工厂：真功力与真问题》主题对话中，平凯星辰副总裁刘松、趋境科技首席引擎架构师谢威宇、亚康启源CMO周立宾、首都在线解决方案总监王超几位嘉宾在现场进行了深入研讨。
刘松认为，Token工厂相当于国家电网，Agent相当于家用电器，当前最大的Token消耗主要在Coding和视频生成，未来两三年最大的变化会是生产力智能体，尤其企业级多智能体会带来巨量消耗，也对Token质量提出更高要求。Token进入企业后，数据要覆盖上下文、记忆、知识工程以及多模态数据，FDE的本质是把Token的脑力转化成场景价值，最终形成数据库、上下文、Skill、工作流和多智能体协作的完整体系。
谢威宇认为，生产Token的就应该是工厂，工厂的原料是算力和电力，技术优化和平台调度能让相同算力、电力生产更多Token，效率直接决定产量和营收，未来Token工厂规模会继续扩大，大规模国产化推理是必然趋势。
周立宾认为，去年、前年智算中心建设以训练为主，现在Token工厂已经走到推理侧，推理是商业模式闭环的一部分，训练阶段可以不计成本追求技术领先和规模，到了推理阶段就要回到第一性原理，最终产生的价值怎样反馈到成本上。行业要提高服务器负载率和Token产出能力，对抗不断上升的算力成本，客户也会从头部大模型和互联网企业向各行业下沉，我们既是模型公司的服务商，也会成为它的客户和技术延伸，帮助Token进入终端用户的FDE场景。
王超认为，客户需求已经从买资源逐步过渡到买服务，基础设施也从训练走向更加落地的推理，通过KV缓存、提示词加速和推理优化，让单位GPU产生更多Token。未来还要依托全球网络推动Token资源流动和模型出海，同时建立面向场景服务的SLA。
最后，大会还发布了三项成果：《2026全球Token产业全景图谱》、《2026全球人工智能展望报告》，以及“FDE加速计划及能力图谱调研启动”。（青云）