在 AI 与算力深度融合的产业变革期，企业如何构建面向未来的数据基础设施？科研机构如何实现算力资源的智能调度与高效利用？在上周五举行的AI解决方案交流会中，产业界与学术界专家围绕这两大核心议题，分享了实践成果与技术路径。
智算效率：从 “单一高速” 到 “多元复合”
联想凌拓架构师陈永鹏指出，伴随大模型训练与推理业务的规模化落地，企业对存储系统的需求已从单一 “高速” 诉求，升级为 “高性能、高扩展、国产化适配” 的多元复合需求。针对数据准备、训练、推理全流程挑战，当前行业已形成 “阵列存储 + 服务器存储” 双路线解决方案体系：
·部分通过 NVIDIA 认证的存储系列，可直接为 AI 工作负载提供稳定高性能支撑；
·具备极致扩展能力的存储产品，助力超大规模智算中心构建全链路数据服务体系。
北大模式：构建“超智算一体化”平台
北京大学计算中心樊春主任分享了北大算力平台从电子管计算机时代到现代智算体系的演进历程。为破解软硬件生态碎片化痛点，北大牵头推进人工智能算子标准研发，参与制定多项国际及国家标准，从底层规范统一算力适配接口；同步自主研发的 SCOW 超智算统一平台与 “鹤思” 调度系统，实现算力资源的统一管理、动态分配与高效调度，当前已在全国 70 余家算力中心落地应用。
垂类场景下的大模型落地路径
北京正阳恒卓科技杜辉强调，大模型落地应围绕“降本增效”目标，灵活选用微调、蒸馏与RAG等技术路径。随着AI Agent强化推理与代码生成能力，“coding for everyone”正成为现实。在语音大模型端到端架构逐渐成熟的背景下，公司亦聚焦“人工智能通识教育”，通过软硬结合的实训教室，推动AI技术易用化与全栈化。
他指出，企业推动大模型落地的核心在于 “降本增效，实现ROI最大化” 。在实践中，团队依据场景复杂度与数据条件，灵活选用微调、模型蒸馏与RAG三类技术路径，在金融、政务、教育等多个领域验证了其可行性。
杜辉特别强调，AI Agent的发展正从根本上提升大模型的可靠性与执行能力，尤其在代码生成与任务推理方面，正推动“coding for everyone”走向现实。同时，端到端语音大模型架构的成熟，也为智能客服、交互式终端等产品带来了创新机遇。
在谈到产品战略时，他分享了“以功能为出发点，精准定位市场”的思路：面向G端与大型企业（大B），提供高可靠、强合规的定制化解决方案；为中小企业与消费者（中小B与C端），则打造轻量化、易用性强的标准化产品与服务。此外，公司正积极布局“人工智能通识教育”市场，通过构建“软硬一体”的AI实训教室，提供从授课、实验到全栈开发的全流程体验，致力于让AI技术“好用、易用”，赋能教育升级与人才培育。
HPC 存储：打破性能壁垒，释放算力潜能
随着HPC与AI、大数据、云技术加速融合，传统存储架构正面临前所未有的性能挑战。联想凌拓架构师贾晓凯在技术分享中指出，在异构算力普及、数据量爆发式增长的背景下，构建高效、稳定且具备极致扩展能力的存储系统，已成为推动科研与产业创新的关键基石。
从智算存储的多元升级、科研算力的一体化调度，到垂类大模型的场景落地、HPC 存储的性能突破，2025 年 AI 与算力领域的技术图景已清晰呈现 “融合协同、智能高效、自主可控” 三大趋势。在这场产业革新中，产业界与学界伙伴持续夯实中国算力基础设施，为千行百业的数字化转型与智能化升级构筑坚实技术底座。
