以AI数据操作系统锚定“AI基础设施领导者”，浪潮数据的十年跃迁

来源｜《财经》新媒体

文｜刘芬

眼下，AI作为第四次工业革命的动力引擎正在重塑一切。生产要素变为数据，生产关系围绕AI原生重构，企业的业务闭环日趋向“Token输入—智能处理—价值输出”进化。传统云计算和分布式存储架构仅服务于传统IT，面对大模型训练、微调、推理及智能体等混合负载，已力不从心。行业现状是算力、存力、数据割裂，工具碎片化，缺乏一套能统一调度的底层操作系统，这已成为国产AI基础设施的突出短板。

与此同时，企业落地AI普遍遭遇四重瓶颈：算力存力资产无法复用、多源数据孤岛严重、芯片/模型/应用产业链割裂、AI场景难以深入。公有云方案又受制于数据安全、时延波动和长期Token调用成本高企。市场迫切呼唤一套私有化、全栈、可演进的一体化底座。

浪潮数据敏锐洞察到这一时代拐点。日前，浪潮数据董事长、首席科学家张东展示了AI新起点下一个全新的浪潮数据：新战略、新产品、新技术——引领AI基础设施服务的时代跃迁。

回顾十年历程，浪潮数据诞生于云计算和大数据蓬勃发展的时代。通过深耕私有云、分布式存储领域，公司打造出浪潮云海、浪潮存储两大核心产品线，面向政企客户提供算力+存储一体化全栈底座，服务超2万家客户，支撑起各行各业的云数基础设施建设。

IDC 数据显示，浪潮云海InCloud AIOS 2025H2云系统软件（CSS）位居中国市场前二，增速位列行业第一，同比增速高达16.1%。此外，浪潮数据多次在SPEC Cloud基准测试中刷新世界纪录，并多次打破SPECvirt世界纪录。在存储方向，根据IDC数据，浪潮智能分布式融合存储系统位居中国市场前列，全闪存储国内前三、文件存储出货量国内前二。同时，浪潮数据多次参与MLCommons组织的MLPerf Storage基准测评，在UNet3D等多个模型中取得多项单节点性能第一的成绩。

支撑浪潮数据头部地位的底层是：洞察用户的本质需求，用技术创新驱动差异化，构建起技术、客户、生态供应链三层壁垒，吃透企业私有化部署、数据合规、混合负载运维真实场景。

十年深耕私有云与分布式存储的积累，让浪潮数据对政企真实场景有着深刻理解。如今，公司果断锚定“AI基础设施领导者”的全新定位，从单一云存储厂商全面升级为覆盖数据、算力、模型、智能体的全栈AI基础设施服务商，并正式发布自研AI数据操作系统。同时推出“Data Inspire AI”生态计划，力求打通从芯片到应用的全产业链协同。

这是浪潮数据在2026年给出的答案，一个关于如何寻求正确方法应对变革、实现跃迁的新故事。

一、AI基础设施需求转向，可演进底座价值凸显

数据从静态资产进化为动态生产要素，是AI时代核心的经济变革。

在AI五层架构中，基础设施层处于承上启下的枢纽位置，向下调度芯片与能源，向上支撑模型与应用。当AI深入千行百业，企业对基础设施的需求正发生四个根本性转变。

首先，客户不再只关心存储容量、算力卡数，建设目标从“搭建算力 / 存储硬件”，转向 “搭建持续增值的数据飞轮”，要求底座打通“原始语料训练 — 行业数据微调 — 交互记忆推理 — 新数据回流优化”完整闭环，把静态数据资产变成持续迭代 AI 能力的动态生产要素。

其二，金融、制造、政务、医疗等高价值行业数据合规底线收紧，部署路线从公有云优先，转向私有化本地部署为刚性刚需。同时测算显示，月均200 亿 Token 以上规模企业，自建私有化底座长期 TCO 远低于公有云按量计费，且本地推理时延稳定可控、断网环境可连续运行，私有化从备选方案变成必选项。

此外，早期企业AI 建设一味堆 GPU 算力，如今存力已成为新瓶颈，企业能力重心从单一算力优先，转为存算一体协同调度。客户要求底座统一纳管异构芯片、多模态存储，实现算力基座、数据引擎深度协同。

放眼未来，业界人士认为，80%+组织将部署智能体，应用导向从支撑大模型问答，升级为规模化智能体全流程运行。而客户基础设施必须原生支撑智能体编排、沙箱隔离、技能调度、长记忆管理，能够嵌入生产、研发、办公全业务流程，依靠模型引擎、智能体运行环境实现业务自主处理，真正完成人机协同模式转型。

这其中，企业在AI基础设施建设上投入巨大，技术路线的快速迭代更使得这些资产面临迅速贬值的风险。此外，AI 技术从通用计算持续迈向智能计算，大量异构算力需要融合池化，算力之间实现互联互通，同时要管好数据完整生命周期，保障历史软硬件与业务资产可持续复用，规避重复建设。

需求端的这些变化，倒逼基础设施的供给形态必须做出回应。如何确保基础设施持续演进、保护既有投资、避免重复建设，是企业长期AI战略部署的重要命题。浪潮数据给出的答案是——可演进AI基础设施。其核心是充分复用现有基础设施资产与数据整合基础，支撑智能应用持续创新，让存量IT资产长出AI能力。

张东直言，可演进的路径是上云、用数、赋智——物理集中→数据整合→应用创新，一条渐进、连续、可持续的道路。与推倒重来相比，根本区别在于前者尊重资产与数据的延续性，后者割裂了这种延续性。

在张东看来，每一个时代都有全新的IT基础设施出现，每次基础设施升级都需要新的操作系统来管理。小型机时代的Unix，通用服务器时代的Linux，云计算时代的云操作系统。AI基础设施，自然需要AI时代的操作系统。AI数据操作系统，正是浪潮数据可演进AI基础设施理念的核心落地形态。它不是一个终点，而是一个持续演进的核心载体。

这一战略的逻辑是：AI数据操作系统的全时全域动态演化架构内含可演进基因。从同构到异构、从通算到智算、从中心到边缘、从小规模到大规模，系统设计之初即为持续演化预留了空间。它是“Data Inspire AI”计划的核心引擎，未来将随AI产业演进而不断生长出新能力。

二、AI操作系统架构创新，存算协同效率提升

“创新是赋予资源以新的创造财富能力的行为。”——彼得·德鲁克

在技术实现上，浪潮数据通过软件定义、软硬协同的方式，统一编排调度算力、存力和运力，进行了一次操作系统范式升级，以补齐AI五层产业架构关键夹层。

张东认为，AI数据操作系统是软件定义AI基础设施的关键基础软件，它的本质是从管理计算资源升级为管理智能生产力，让算力、数据和智能体高效协同，为AI应用提供统一运行环境。相较传统操作系统，AI数据操作系统的任务调度，从进程调度演进为面向智能体与传统应用的多任务混合调度；设备管理演进为异构计算、存储、网络的融合池化管理；数据管理从内存管理演进为上下文、知识等记忆管理。

为实现上述能力，浪潮数据推出了两大系统级架构创新。

一是数据底座“玄同”架构。该架构采用数控分离设计，以消除集群东西向数据转发损耗，大幅缩短IO访问路径，从而满足B200算力平台百GB级超高带宽吞吐需求。自研的无锁协程调度框架将多核资源利用率提升至80%，可稳定输出百万级IOPS、亚毫秒级访问时延，以匹配KV Cache高速读写及海量智能体并发推理的低延迟要求。配合原生全闪智能布局算法，可有效削减写放大，使闪存介质使用寿命提升50%，支撑大规模AI业务长期稳定运行。

二是算力引擎“万象”架构。该架构通过全时全域动态演化设计，面向多芯多模场景提供高效推理引擎，实现Token无损生成加速。

而想在有限算力条件下提升Token处理效率方面，也必须依靠技术支撑。浪潮数据内部采用了PD分离架构与分级KVCache卸载技术。该方案将Prefill预填充与Decoder解码任务解耦调度，并配合三级缓存机制，盘活显存、内存与远端存储资源，使大模型整体吞吐量提升2至4倍。在此基础上叠加投机解码技术，即先用轻量化草稿模型快速生成候选Token，再由主大模型并行校验，进一步缩短解码耗时，推理速度再提升2至3倍。

据了解，整套方案的关键优势在于保证AI输出内容零失真，从而实现同等算力下Token处理效率的大幅跃升，缓解算力增长与Token需求增长之间的压力。

谈及客户部署AI数据操作系统后的量化效益，浪潮数据AI存储产品线负责人刘希猛指出，通过多协议融合与全局共享，可免除不同区域间的数据拷贝，当AI应用实现全域数据可视可见时，整体存储空间可节省约70%。

在GPU利用率上，以某大客户20亿元GPU采购为例，若利用率从20%提升至60%，相当于直接创造4亿元价值增量，而存储投入成本不足1亿元，投入产出比达1:4。此外，在推理准确率方面，通用大模型在专业领域的推理准确率通常仅为70%，但通过存储原生RAG知识库后，准确率可提升至90%以上。同时，专业知识更新的周期可从按天或按周缩短至分钟级，无需频繁进行模型微调。

某医院客户原来由各科室独立建设AI碎片化应用，资源利用率仅30%。通过部署AI数据操作系统，统一整合至信息中心，构建共享算力平台，实现按需分配、集约建设，单台AI算力利用率提升至60%。

值得注意的是，浪潮数据方面表示，该操作系统的部署并非推倒重建，而是在现有传统虚拟化平台基础上进行模块升级和功能横向扩展，将多种AI算力设备异构整合，实现通用算力与智算的统一管理，并支持AI功能无缝升级。整个过程不依赖额外硬件，如同开通应用的高级功能一样简单。

三、异构算力如何统一调度，“一云多芯”给出路径

异构不是障碍，而是生态；统一不是终点，而是起点。

在异构算力日益普及的背景下，浪潮数据提出了“一云多芯”的统一调度理念。浪潮数据相关负责人表示，多类芯片技术栈彼此割裂、互不兼容，生态壁垒导致资源浪费严重。打通异构算力、实现多芯多模的统一管理调度，是解决这一问题的核心。

为此，浪潮数据自研了一套零代码柔性自适应扩展框架，从硬件统一纳管、建立模型-GPU-推理引擎映射体系、算力智能调度、芯片细粒度资源切分等四个层面构建兼容能力。

张东进一步阐述了“一云多芯”的提出背景与技术演进逻辑。他指出，这一理念与中国产业环境密不可分。当前中国市场汇聚了全球所有芯片架构类型，加之国产芯片崛起，不同厂商采用多种不同指令集，来源各异，给用户侧的兼容适配带来巨大挑战。

在此背景下，浪潮数据为“一云多芯”设定了三个阶段目标。第一阶段是实现所有芯片可在同一朵云上统一管理、可见可部署，目前这一目标基本达成。

第二阶段是实现跨芯片间的平滑切换。这意味着应用在不同架构下需表现一致，性能上也要有可参照的等价标准。浪潮数据为此开发了算力等价计算工具，帮助用户评估不同平台上的性能表现，并提供了前端负载均衡能力。但张东也坦承，应用厂商在迁移过程中仍面临功能完整性和性价比对等问题，需要上游生态共同推进，也期待政策和标准层面的引导。

第三阶段则是更为长远的愿景，实现应用在不同芯片集群间的动态迁移。张东表示，随着GPU时代到来，中国各厂商纷纷自建技术路线，统一生态的难度较CPU时代更大。但浪潮数据认为，整机厂商和系统软件厂商有责任持续推动这一进程，无论难度多大，都需要通过技术攻关、上游协同和政策倡导多方合力。

四、生态计划启动，四大趋势引领未来

可演进、可持续不是对过去的妥协，而是对未来的投资。

整体来看，浪潮数据的定位是做国内领先的AI基础设施供应商，底层承接各类芯片，做好软硬适配、算力统一调度，补齐国产算力基础设施短板；向上承载通用与行业大模型研发、安全管控能力，筑牢 AI 自主可控底层根基；牵头共建国产 AI 技术规范与安全体系，打通从算力到模型和应用的全链路；面向生态伙伴开放底座能力与标准，赋能金融、政务、医疗，教育等领域开发商搭建行业应用。

为应对各行业差异化需求，浪潮数据同步启动了“Data Inspire AI”生态计划，以AI数据操作系统为桥梁，着力构建生态协同、技术创新、一站交付、联合保障四大能力。该计划秉承分层解耦、多芯多模的设计理念，横向平台支持业界广泛的芯片类型，满足多行业需求；同时，通过开放底座能力和标准，支持合作伙伴开发面向垂直场景的应用和智能体。

在业内看来，未来3至5年，AI基础设施将呈现四大技术趋势——

-全链路贯通融合管理。多芯多模异构融合深化，跨架构混合推理、跨架构无感迁移、跨架构弹性伸缩成为标配，支撑渐进式国产化替代。

-Agent从Demo走向规模化生产。开发出Agent是研发问题，Agent能规模化落地是IT生产系统问题。

-存算一体化与全闪融合深化。Token性价比成为核心命题，PD分离、Token无损预测执行、层级自适应精度量化等技术持续演进，在有限算力下追求Token产出最大化。

-AI基础设施可持续发展。成本更优、生态友好、分层解耦，保护已有投资、从通算到智算演化、多芯融合池化、数据全生命周期管理成为可持续发展的必修课。

基于此，浪潮数据下一阶段战略愿景为“AI基础设施领导者”并以产品引领、技术创新、生态塑造三大方向为重要支柱。

产品引领方面，以AI数据操作系统为核心，持续构建“算力引擎+数据底座+模芯云用协同”的统一基础设施；技术创新方面，研发高效可控智能计算架构（多芯多模高效推理引擎、全局运营运维优化模型），以及“玄同”+“万象”两大系统级架构创新；生态塑造方面，深化“Data Inspire AI”生态计划，与伙伴共建开放智能生态，实现最优拥有成本，推动AI基础设施可持续发展。

据了解，未来该公司将持续聚焦AI存储、算力调度两方向。

AI存储方向，浪潮数据近年正进行全面架构重构，重点面向AI场景。相较传统存储注重带宽和大的数据规模，新架构更强调低时延、非结构化数据处理及记忆数据特征优化，将引入更低延迟的网络技术，以更快供给数据。

算力调度方向，从面向CPU的调度演进为面向GPU的调度，同时着力解决传统应用、智能体应用与大模型应用在混合环境中的资源融合管理，推动多集群统一调度与“一云多芯”能力，打破当前资源割裂的现状。

AI基础设施的建设并非一蹴而就，是一场持续数年的长跑。浪潮数据的优势在于对政企真实场景的深厚积累，挑战则来自异构算力生态的复杂性与行业标准尚未统一的不确定性。未来，随着“Data Inspire AI”生态计划的逐步落地和技术的持续迭代，浪潮数据在成为人工智能基础设施的领导者的路上，与时间赛跑，给市场答案。