产业扎进智算深水区，浪潮数据何以托举 AI 时代？

编者按：

当下 AI 行业的流量与目光，大多集中在通用大模型、各类行业智能体等上层应用，却鲜少有人正视规模化落地背后难以逾越的鸿沟。深耕存算底层十余年的浪潮数据，早已预判产业下半场竞争核心在于基础设施。

日前，浪潮数据正式发布全面战略升维：从传统云计算、分布式存储服务商，升级为专业 AI 基础设施服务商，并推出全自研 AI 数据操作系统，以玄同、万象双架构打通存算全链路，直面千行百业智能化转型的真实痛点，交出一套国产化、可平滑演进的私有化 AI 完整解决方案。

泡沫喧嚣之下

四大行业桎梏阻滞 AI 规模化落地

各类大模型、行业智能体层出不穷，但落地成效与行业热情严重脱节。Gartner 数据显示，未来两年 81% 的企业计划部署智能体，如今仅有 17% 能稳定跑通生产级规模化业务。浪潮数据董事长张东直击行业病灶，点明制约 AI 产业发展的四大核心难题：

异构资产难以兼容，海量算力持续低效空转。政企多年分批采购软硬件，机房内多代设备、国产与海外芯片混杂已成常态。万卡级大型智算集群中，新旧算力混布现象普遍，传统云平台无力统一纳管异构硬件，数据流动和供给受阻，导致大量 GPU 长期陷入 “算力饥饿”。浪潮数据调研显示，未经过底层深度优化的集群，GPU 平均利用率仅 20%-40%，半数算力闲置根源在于数据供给跟不上运算吞吐，数亿硬件投入无法释放价值。

对绝大多数政企而言，智能化升级绝非推倒现有 IT 体系重建，而是在存量资产基础上迭代改造，低成本利旧、平稳过渡，这是客户不可动摇的核心需要。

数据孤岛根深蒂固，拖垮行业模型推理能力。金融票据、医疗病历、工业质检、政务档案分属独立业务系统，文件、对象、向量多模态数据相互割裂，这直接成为垂类大模型准确率的最大短板。不少企业斥资千万搭建大模型平台，60% 至 80% 的项目工期都耗费在数据归集工作上，PB 级数据跨系统迁移动辄耗时数周，行业私有数据难以高效赋能模型训练与检索，导致通用大模型在专业场景问答准确率不足 70%。

浪潮数据 AI 存储产品部总经理刘希猛对此表示：“传统分布式存储只能解决容量问题，面对 AI 海量小 IO、KV 缓存、智能体长对话记忆场景存在天然短板，AI 场景下存储需要承担知识库、推理缓存等全新职能，早已不只是单纯存放文件。” 数据是 AI 发展的核心生产要素，不通畅、不统一的数据底座，再先进的大模型也难以释放价值。

软硬件标准割裂，产业协同成本居高不下。国内现有 30 余家 AI 芯片厂商、超 500款商用大模型，各厂商软硬件标准自成体系。行业普遍采用存储、算力简单拼装的方案，仅依靠浅层 API 完成对接，调度系统无法识别数据冷热分布，数据频繁跨节点迁移，持续抬高 Token 生成成本。软硬件形成一座座技术烟囱，中小政企无力承担多厂商适配、二次开发的高额开销。

算力数据模型三层脱节，AI 投入回报无法量化。算力、数据、模型三者相互割裂，无法形成 “数据沉淀行业知识、算力高效生成 Token、推理成果转化业务收益” 的完整闭环。企业看不清 AI 建设的实际产出，落地信心与投入意愿持续受限。

热潮涌向应用，短板藏于底层。浪潮数据判断，AI 产业下半场，底层基础设施才是决定行业发展上限的核心赛道。

玄同 + 万象双架构软硬协同

打造私有化 AI 全栈国产底座

直面全行业共性痛点，浪潮数据持续深耕底层基础软件，推出完全自研 AI 数据操作系统，采用玄同 InData 数据底座 + 万象 InCloud 算力引擎双架构，补齐统一算力调度核心能力，构建完整存算一体化国产 AI 基础设施底座。

玄同数据底座：打通全域数据，充分释放存量算力价值

玄同架构依托三大底层自研创新，从根源解决 AI 场景数据流转难题：数控分离架构拆分控制流与数据流，消除节点无效转发，单节点带宽可达百 GB/s；无锁协程调度拉高多核并发能力，IOPS 性能提升 4 倍；全闪原生写入优化算法，将 SSD 介质使用寿命提升 50%。经过实测验证，这套架构能把 GPU 利用率从原有 20%-40% 提升至 40%-60%，最大化盘活企业高价算力资产。

作为面向 AI 打造的高性能全闪融合存储架构，玄同核心攻克数据割裂、垂类推理精度不足两大行业痛点。依托全局统一命名空间技术构建全局数据视图，屏蔽底层位置差异，减少因数据拷贝产生的副本；通过多协议融合技术打造多协议共享资源池，一份数据兼容文件、对象、大数据多协议访问，节省70%以上的存储空间；冷热数据统一元数据索引，长期沉睡的冷数据可用率提升至 80%。

依托玄同配套原生 RAG 实时向量化知识库，企业无需投入大量成本重新微调大模型，就能将垂域专业场景推理准确率提升至 90% 以上；原本耗时数天的行业知识库更新，压缩至分钟级完成。

针对当下智能体长上下文业务瓶颈，玄同创新分布式 KV Cache 卸载方案。2万智能体、64K 超长对话场景下，KV 缓存总量最高可达 10PB，完全存入 GPU 显存并不现实。玄同通过外置分布式存储池统一承载缓存，推理阶段无效算力损耗降低 70%，大幅压低单 Token 运营成本。

硬件层面配套 AS13000G7 全闪、混闪机型，充分适配政企不愿推倒重建 IT 体系的现实诉求：存量超融合政企环境最低 3 节点即可搭建 AI 底座；原有私有云客户仅新增一台 GPU 节点，就能依托现有基础设施完成平滑智算升级，最大化保护企业原有 IT 投资。

万象算力引擎：统一纳管全品类异构芯片，构建合规可控智能体运行环境

浪潮数据智能云产品部张明灿分析行业现存平台短板：市面上多数智能云平台脱胎于公有云架构，更适配互联网多租户场景，难以满足政务、金融私有化部署、数据安全合规、多芯片混合部署的复杂需求。万象算力引擎重构底层调度逻辑，实现一云多算、全品类异构算力统一管控。

受政策、供应、生态兼容等原因影响，政企机房普遍并行多款异构厂商算力芯片，各类芯片算子、驱动等互不兼容，极易形成硬件资源孤岛。万象搭载零代码柔性硬件适配框架，将硬件适配层独立为可插拔插件模块，新增芯片仅需快速适配，无需重构整套调度系统；平台统一抽象算力、显存标准化资源，支持跨架构算力等价测算，充分盘活老旧存量芯片，杜绝硬件闲置浪费。

算力调度融合 PD 分离架构、Token 无损预测（投机解码）技术，叠加三级 KV 缓存分层调度，同等硬件规模下 Token 整体吞吐量提升 2-4 倍。针对智能体规模化运维难题，万象首创 Design-Run 双环架构，智能体开发调试环境与线上生产环境完全隔离，测试操作不会干扰正式业务；全链路请求埋点追踪，完整记录每一轮推理 Token 消耗、资源占用、故障节点，完美匹配金融、政务全链路审计、溯源的硬性合规要求。

同时万象搭载全链路可观测体系，快速定位业务各类性能瓶颈，大幅降低政企 AI 整体运维难度。产品提供两条交付路径灵活适配不同客户：新建智算中心、互联网超算中心可选软硬一体机，软硬件深度联合调优，内置专属 KV 缓存卸载能力；存量硬件庞大、IT 体系拆分复杂的央企、地方政企，可选择纯软件部署，全面兼容第三方服务器、存储设备。

IDC权威数据显示，浪潮数据InCloud AIOS 国内云操作系统市场稳居前二，行业增速领跑赛道，累计服务超 2 万家政企单位，覆盖金融、能源、医疗、交通、制造等十余核心行业。

数据是 AI 的基础生产原料，算力是 AI 的核心生产动力，浪潮数据打造的存算一体化底座，正是打通数据到业务价值转化的必经通路。

Data Inspire AI 产业生态计划

中立底座串联全产业链，破除软硬件协同壁垒

发布会同步启动 “Data Inspire AI” 产业生态计划，搭建双向协同产业链格局：上游联动芯片、基础软件厂商，下游携手大模型、行业 ISV 服务商。围绕技术创新、一站式交付、生态协同、人才培育四大方向，落地资源共用、经验共享、服务共营、能力共建、市场共拓五大合作机制。

上游联合国产芯片、安全厂商共建联合实验室，提前完成软硬件适配与深度性能调优；下游携手荣联科技、同方知网等行业服务商，打磨医疗、制造、政务标准化私有化 AI 解决方案。现场两大落地案例直观印证方案实力：荣联科技依托浪潮数据 AI数据操作系统打通生物医药多组学、临床异构数据，自动化调度科研分析工作流，显著缩短药物研发数据分析周期；快手架构师基于互联网超大规模业务场景，验证存算一体化架构在高并发推理场景下的稳定调度能力。

浪潮数据坚守中立底层底座定位，不自主研发通用大模型，不与行业应用厂商形成竞争关系，依托统一底层标准降低全行业集成适配成本。依托联合实验室、算力工厂、行业样板点三大载体，联合上下游伙伴共同开拓金融、医疗、交通、能源、政务等赛道私有化 AI 市场。

结 语

行业舆论争相追逐大模型、智能体应用创新，浪潮数据十余年深耕存算底层的战略升维，为国产 AI 产业发展提供全新视角。本次战略转型绝非追逐短期 AI 风口，而是基于两万余家政企真实落地需求的长期前瞻布局。

玄同数据底座、万象算力引擎是浪潮数据自研AI数据操作系统的两大核心模块，分别攻克数据治理、异构算力调度两大产业难题，叠加“Data Inspire AI” 生态计划，形成技术、产品、生态三位一体完整解决方案，覆盖从区县小型政企到超大型互联网智算中心全场景需求。

浪潮数据通过玄同、万象双架构补齐国产 AI 数据操作系统关键短板，以开放双向协同的生态模式，打通软硬件集成长期存在的行业堵点。放眼长远，智算深水区的竞争才刚刚拉开序幕，能够兼顾存量资产复用、多芯片兼容、行业合规落地的一体化国产底座厂商，将成为托举千行百业智能化转型的核心力量。AI 产业的长期发展价值，终将由一套自主可控、开放可持续迭代的国产 AI 基础设施定义。