穿越AI的“恐惧与希望”：浪潮人工智能模型工厂不玩虚的

恐惧与希望的平衡，才是创新的原动力——这是2025年诺贝尔经济学奖得主菲利普・阿吉翁的重要观点。他为了破解“创新如何驱动长期增长”的谜题，深入研究从工业革命到AI时代的经济发展逻辑，终于找到了一把金钥匙。

当生成式AI的狂澜席卷而来，恐惧与希望总是交织在一起：在顶层设计维度，战略博弈已近白热化，打破既有格局的历史性机遇和纷至沓来的挑战并存；在产业链维度，既有核心技术“卡脖子”的焦虑，又不乏系统性突围的探索；在行业用户维度，一方面担心跟不上技术演进的脚步，另一方面又期望自己的投入能迅速得到回报。从生产力提升的视角来看，新一轮的AI变革亟需穿越“恐惧与希望”，以更具突破性的底层架构与运行模式实现质的飞跃。

打造“AI工厂”也许是不错的解题思路。一是可以“祛魅”，将看不见、摸不着的AI技术转化为流水线上的产品，让更多的行业用户享受到人工智能普惠的红利；二是能够“破咒”，打破“多数企业AI投入都无法得到回报”的魔咒，满足算力服务分散化、小型化、定制化的需求，以现代工厂的标准化流程达成均质的预期目标。

然而，这条路并不平坦。虽然围绕“AI工厂”催生出不少实践路径，但真正意义上的实体化工厂颇为鲜见。更为重要的是，与国际芯片巨头主导的“AI工厂”不同，国内企业尤需从场景化应用入手，针对大模型开发和智能体落地需求构建具备规模效应的新型“AI工厂”，进而增加“弯道超车”的可能性。

正是在这样的背景下，浪潮人工智能模型工厂应运而生，其通过“九大单元”沉淀工艺、工序和工具，将模型开发从“手工作坊”转变为“现代工业”模式。据了解，在已建成的通用算力中心、人工智能模型工厂基础上，浪潮云将在今年底建成人工智能智能体工厂和训练场，打通AI驱动经济持续增长的“最后一公里”。

夯实工厂模式的演进逻辑：以集约路径化解应用痛点

这是一座“真”的工厂。它坐落在工业园区云集的济南经十东路，看上去像一个蕴藏宝物的“魔盒”，内里却是标准的“工厂范”——数据车间、模型车间、评测中心、集成车间等环节井然有序地运行，从流水线上源源不断地产出软件、硬件和具身智能。

倘若不是眼见为实，人们真会以为这是魔幻现实主义小说，让人仿佛在数百年间来回穿越，看到纺织工厂、汽车工厂等经典画面。在历次工业革命的进程中，工厂模式都发挥了举足轻重的作用，一座实体化的人工智能模型工厂无疑将在AI浪潮中再显神威。

源自市场需求的痛点是催生人工智能模型工厂的核心动力。由于AI场景复杂且分散，难以规模化、低成本落地，而客户对模型定制化、数据安全性又提出了前所未有的高要求，擅长以集约路径化解难题的工厂模式自然被寄予厚望。

浪潮集团执行总裁、总工程师，浪潮云董事长肖雪认为，人工智能模型工厂可以实现多个层面的集约目标：第一是算力集约，以服务的方式降低企业获取算力的成本和门槛；第二是算法集约，依托多样化的模型能力满足特定的交付要求；第三是安全集约，借助技术手段和政策规范守住大模型训练中的数据安全底线。

对行业客户而言，人工智能模型工厂集约模式带来的益处非常可观，AI应用做到高效、安全量产，生产交付周期从90人天缩短至20人天，平均效率提升75%左右。此外，基于从“数据-模型-评测-智能体开发”到“基础设施端到端”的一体化产品服务体系，浪潮云还能支撑客户达成定制化场景指标，准确率可达90%以上，为AI应用落地扫除了障碍。

跨越“两座大山”：AI工厂如何完成实质性蜕变？

不容回避的是，工厂模式要在AI时代焕发新的活力，还需要跨越标准和数据“两座大山”。每一步都充满挑战，而越过山丘以后，会发现更美的风景。

打造基于严格工序与丰富工具的标准化运作流程，是人工智能模型工厂安身立命的根基。作为“现代工业”的基石，工厂模式与传统“手工作坊”的根本差异就在于此。笔者在现场了解到，浪潮人工智能模型工厂已积累75道工序及180套工具，实现数据、算力、算法全面布局。

数据车间

其中，数据车间由11道工序和60套工具组成，为模型训练准备高质量数据；模型车间包含8道工序和10套工具，基于高质量数据对模型做调优训练；再经过评测中心（7道工序和14套工具）、集成车间（6道工序和24套工具）环节，将已测试通过的模型集成到设备、场景中，完成工厂交付的“临门一脚”；而客户服务、产品工程、安全、设备管理及调度服务中心则从不同维度为工厂的顺利运行保驾护航。

模型车间

确保训推数据的高质量与安全性，是人工智能模型工厂赢得客户信赖的必要条件。据肖雪透露，数据车间构建以质量为核心，流程驱动、人机结合的精细化运营体系，持续迭代产出高质量数据集。以报表精简整合的基层一表通大模型为例：在数据审查阶段，使用安全检测类工具对入库的逾万条数据进行审查，去除不合规语料，保障数据安全合规；再通过数据特征分析及增广、数据清洗、数据标注、数据质检、数据销毁等11道紧密衔接的工序，将质量与安全控制内嵌到每一个环节。

评测中心

显而易见，数据的高质量与安全性是一枚硬币的两面，二者不可偏废。即使同一行业的不同客户选择与浪潮人工智能模型工厂进行合作，也不必担心数据和商业等层面的安全问题。在技术和架构层面，工厂执行严格的租户隔离策略，每个客户的订单都会建立一个独立的工序管道，且在数据车间对客户原始数据依照业务需求进行最小化授权，保障训练过程中敏感信息不泄露，订单完成后会将原始数据按敏感等级进行物理或逻辑销毁；在管理与流程层面，工厂还构建完善的安全风控体系，订单执行过程中所有数据产生的日志记录，客户可随时查看，真正做到透明生产。

集成车间

探索AI工厂的中国道路：深耕应用场景×构筑产业生态

站在更开阔的视角，浪潮人工智能模型工厂不仅在AI加速渗透的进程中解决了行业客户的难题，而且探索出一条适合中国市场的AI工厂发展道路——深耕垂直的应用场景，构筑共荣的产业生态。

事实上，正是依靠丰富的场景和强大的应用能力，中国的消费互联网产业在全球市场取得了领先地位，这对国内人工智能产业的路径选择颇具启示意义。肖雪表示，浪潮人工智能模型工厂用“模型制造模型”并批量产出智能体，就是为了满足细化垂直领域和广泛应用场景的需求，这条道路一定会越走越宽。

在AI工厂进化方向日益明晰的趋势下，为什么浪潮云能扮演领头羊的角色？笔者认为，在硬件、软件、云计算服务等领域的全方位布局，在政务及各个行业的长期资源积累，以及从小型机、PC时代秉承的创新基因，共同铸就了浪潮的护城河，而浪潮人工智能模型工厂则是诞生于河床上的一朵新浪花。自2025年1月模型工厂正式运行以来，已训练和输出300多个垂直领域模型，在区域、行业、企业等细分市场均取得突破性进展。

尤值一提的是，浪潮人工智能模型工厂并非单兵作战，其致力于构筑大模型生态体系，通过产业集群聚合各类合作伙伴，扩展资源池服务客户的能力；与此同时，依托分布式智能云及云舟联盟，基于“生态伙伴共建、前店后厂共营、智能体共创、人工智能训练师共育”理念，驱动国内AI产业迈向更高境界。

面向未来十年，人工智能模型工厂可能仅是AI生产力释放的起点，更具颠覆性的创新还在路上。只玩真的，不玩虚的，下一波浪潮的主角依然是“浪潮”。

作者关健，《IT创事记》合伙人、主笔：曾任《电脑商报》常务副社长兼执行总编、《中国计算机报》助理总编，媒体从业时间超过10年。

关健长期关注科技产业动态及趋势，与逾百位高科技公司领导者进行过对话，亦在众多科技会议与论坛中担任嘉宾主持。

—— 越看越精彩 ——

【IT创事记】聚焦于企业级科技生态、策略及商业知识。你可以在各主流媒体平台看到IT创事记的同名文字专栏和【IT创事记·短视频】专栏。如果你有相应的内容希望分享，记得在公众号留言告诉我们。