在AI技術快速迭代的浪潮中，曾經以GPU研發為核心競爭力的行業格局正經歷深刻變革。2024年初，壁仞科技聯合創始人徐凌杰宣布離開GPU賽道，轉而創立魔形智能，將目光投向"AI Token Factory"這一新興領域。這一決策在當時引發諸多猜測，但隨著2026年OpenClaw、Seedance等應用的普及，"Token經濟學"迅速成為行業焦點，驗證了其前瞻性判斷。
徐凌杰的轉型并非偶然。這位曾在英偉達、AMD、三星北美研究院擔任要職，并主導阿里云智能事業群業務的技術專家，在2024年1月離職信中寫下"AGI is calling，江湖再見"的宣言。彼時壁仞科技正迎來產品量產與上市輔導的關鍵期，其選擇在此時離開引發外界關注。面對質疑，徐凌杰在上海漕河涇開發區的辦公室中解釋道："40歲是人生黃金期，當看到Token技術浪潮即將到來，必須抓住精力最充沛的這幾年。"
推動其決策的兩個關鍵事件發生在2024年：英偉達在GTC大會上發布的GB200 NVL72超節點系統，集成了36個Grace CPU與72個Blackwell GPU，重量達3000磅；同年5月開源模型DeepSeek V2通過MoE架構創新，將推理成本降低至行業水平的4%。這兩項突破分別代表了算力供給的極致化與模型效率的革命性提升，使Token的工業化生產成為可能。徐凌杰回憶道："當看到超節點與開源模型的組合時，我們意識到這就是市場需要的解決方案。"
行業數據印證了這種轉型的必要性。2026年3月，中國Token日均調用量突破140萬億次，較前一年增長300%。東吳證券研報指出，算力租賃廠商正從裸算力出租向模型服務或Token分成模式轉型，但面臨硬件獲取、運營效率與資金周轉三大挑戰。魔形智能的解決方案在于其跨領域團隊配置：徐凌杰的硬件背景與聯合創始人金琛（前Graphcore中國工程副總裁）的模型優化經驗形成互補，這種組合在AI Infra領域具有稀缺性。
在技術實現路徑上，魔形智能采取"超節點+軟硬協同"策略。徐凌杰以服務器穩定性為例說明其優勢："meta訓練Llama 3時，1.6萬塊H100集群每3小時中斷一次，而自研服務器可降低故障率90%。"這種設計使模型訓練效率顯著提升。對于衡量標準，他提出"電力-Token轉化率"概念："未來評估Token工廠的核心指標是單位電力產生的Token數量，這類似數據中心評估中的每瓦性能指標。"
面對"電力出海"的熱門概念，徐凌杰保持審慎態度。他指出當前Token成本中電力占比不足10%，算力成本才是核心："中國算力供給尚未自給自足，談電力出口為時尚早。未來隨著國產芯片水平提升，這種模式可能成立，但當前首要任務是優化現有成本結構。"這種務實態度體現在其商業策略中——通過與算力中心合作獲取硬件資源，而非自建數據中心，以降低初期投入風險。
在競爭格局方面，徐凌杰認為AI Infra市場仍處于早期階段。他以芯片行業類比："2020年芯片公司認為市場已飽和，但2021年仍涌現大量優質企業。AI Infra的市場規模將超過芯片領域，當前資本投入遠未達到飽和點。"這種判斷支撐著魔形智能的擴張策略，其近期完成的新一輪融資將用于超節點技術研發與全球市場布局。
