硅谷曾有一条著名的铁律——安迪比尔定律（Andy and Bill's Law），也就是说硬件提升的算力，总会被软件消耗殆尽。
硅谷曾有一条著名的铁律——安迪比尔定律（Andy and Bill's Law），也就是说硬件提升的算力，总会被软件消耗殆尽。十年前，被消耗的是云算力，企业疯狂上云用数；而到了今年，这个被全行业争夺的资源，变成了一个新的词汇——Token。在Agent全面渗透办公、制造、金融等场景的今天，Token正成为企业的硬通货。几乎每一家CEO与CIO都在被同一个现实拷问：我们买了那么多GPU、调了那么多模型，为什么这些Token依然显得笨拙，甚至跑不进核心业务？兴奋的是，大模型与Agent的进化能力已超乎想象；焦虑的是，模型只是入场券，数据怎么准备、算力怎么调度、记忆怎么存、成本怎么控，还有企业以前的IT资产怎么办，这些问题一个比一个现实。站在行业观察者视角，《首席信息官》发现：企业需要的不再是一款又一款大模型，而是一套真正能高产出、低成本制造Token的新型基础设施。这，也正是浪潮数据在2026战略新品发布会上，试图给出的答案。这几年，从追逐大模型参数到算计Token产出效率，这背后折射出的，是企业对AI认知的一次深刻去泡沫化。今天，模型正退居幕后，被当成一种可随时替换的基础能力。而真正发生剧变的，是企业底层的业务流程本身。浪潮数据董事长、首席科学家张东将其概括成一句话：未来企业的业务流程，将被重新定义为“Token输入—智能处理—价值输出”的闭环，这其中有三个变化正在发生。- 核心工作流从纯人力转向“人机协同”。智能体不再只是回答问题，而是开始承担信息收集、任务规划、工具调用和自动化跑流程。张东引用Gartner的预测指出，两年内将有81%的组织部署智能体，重复性的脑力劳动将被大幅替代。
- AI能力的底座化与基础设施化。它将变得像数据库、网络、ERP系统一样，被深度嵌进生产、供应链和经营管理的核心流程。
- 数据飞轮效应全面爆发。智能体时代，每一次人机交互、任务执行和工具调用，都会沉淀出全新的上下文、状态、规则和经验。这些数据回流到知识库和模型，会让下一次推理与执行更精准。微软研究院的观察也印证了这一点：用少量高质量数据训练的小模型，在特定场景下的能力可超越通用大模型，差距甚至高达100倍。
“无论是AI辅助火箭发动机设计，将研发周期大幅缩短，还是新药研发里百倍加速的分子筛选……这些案例都在说明同一件事——AI创造价值的方式，已经从帮你完成单个任务变成了重构一整条生产链。”张东说。于是，企业不禁要问，随着业务流程开始围绕数据、Token、模型和智能体高速运转时，过去建设的传统IT基础设施，还撑得住吗？显然，现实很残酷，既有的IT基础设施在面对全新业务流程时，早已显得力不从心。现在，AI产业看起来很热闹，芯片厂商超过30家，商用大模型超过500款，可企业内部的实际情况是，早年攒下的云平台和存储架构反而成了新流程的绊脚石。- 企业过去建设的大量云平台与数据资产不可能推倒重来，但新引进的AI算力与存储，也绝不能再演变成新的信息孤岛；
- 除了训练用语料与行业知识库外，智能体运行过程中持续产生的历史对话、上下文、工作状态、KV Cache等动态记忆数据，直接决定了智能体能否拥有持续工作的能力，但传统存储对此束手无策；
- 此外，芯片规格繁多、软件生态割裂，不同厂商接口互不兼容，企业不得不消耗巨大的人力财力完成底层技术适配。
把这些放在一起看，用传统的IT资产，去硬套AI时代的Token生产流程，确实很别扭，这无异于把喷气式发动机装在马车上。更何况金融、政务这类行业，出于数据安全考虑，基本只接受本地化和私有化部署。因此，为了让私有化部署叠加AI原生业务流程，企业就迫切需要一种全新的“AI基础软件架构”来破局。正是看到了真实的痛点，立足十年积淀，浪潮数据正式完成了面向AI基础设施的全面战略升级。官方说法是，他们锚定“Data Inspire AI 数据激活智能”核心主线，坚持以客户为中心、以AI应用为导向、以系统设计为核心，致力于成为人工智能基础设施领导者，并同步推出了“Data Inspire AI”生态计划，打通从芯片、模型到应用的最后一公里。而实际做法是，浪潮数据在业界首推了自主研发的AI数据操作系统，一举填补了AI“五层蛋糕”里长期缺的那一层软件，也就是夹在能源层、硬件层、大模型层、应用层中间的操作系统层。张东解释说，AI数据操作系统并不是传统意义上的简单升级，而是被打造成AI基础设施的软件调度中枢。它向下统一管理计算、存储、网络等资源，向上支撑模型、数据和智能体运行，把原本分散的数据、算力、模型连接起来，形成统一运行环境。而这套系统还引入了一套全新的价值衡量体系——单位Token的产出效率。他打了个比方，卖轮胎的强调耐磨，卖发动机的强调功率，可用户只关心车跑得快不快。在张东看来，Token就是智能体的基本单元，也是衡量基础设施产出效率最合适的标尺。为了支撑这一全新系统，浪潮数据推出了算力侧的InCloud和数据侧的InData的双架构设计。简单地说，它打破了传统操作系统仅管理CPU与磁盘的局限，将管理对象全面延伸至异构xPU集群、全域多模态数据与智能体上下文记忆，完整覆盖Token的生产、分发与消费三大环节。浪潮数据AI存储产品部总经理刘希猛指出，有效Token调用量增长很快，但算力受电力和技术限制涨不动，两者之间形成"剪刀差"。所以，存储要往AI数据平台走，靠"以存强算"来提升Token的质效。InData AIOS依托“玄同架构”与全新 AS13000G7全闪/高密硬件矩阵，刚好解决了这些问题。它构建了三大Any能力，让跑起来的数据十分惊艳：- 其一，全局数据空间（AnyWhere）：用数据编织技术打通跨域、跨厂商的存储，做到EB级数据免迁移、副本减少70%、冷数据盘活率到80%；
- 其二，玄同架构引擎（AnyTime）：用数控分离和全闪落盘算法，单节点能到百GB/s带宽、百万IOPS，闪存寿命延长50%，顺带把GPU利用率拉高20%；
- 其三，记忆与存储原生RAG（AnyType）：数据落盘就完成向量化，知识就绪从天级压到秒级，幻觉率降80%，而且还做了存储级的共享KV Cache，跨任务复用记忆，把首Token延迟压低90%，省下不少GPU开销。
浪潮数据智能云产品部副总经理张明灿表示，InCloud AIOS的目标是把复杂的硬件底层变成稳定的Token产出和智能体运行环境。- 跨芯池化与极致调度：可无缝兼容不同厂商的AI芯片，做跨架构的等价算力调度，再配合空间碎片归并和时间潮汐错峰，把GPU综合利用率从40%提到85%；
- 模型引擎和Token工厂：用PD分离加KV Cache卸载，Token吞吐提升2到4倍，再叠加小模型投机解码和智能路由，生成速度再快3倍；
- Agent DevOps：专管智能体的规模化运行。很多企业发现，AI在Demo阶段跑得很好，一上高并发就崩，浪潮数据为此做了Design & Run这套设计与运行分离的架构。它在研发期兼容Dify、FastGPT这些开源工具，生产期用安全沙箱隔离加长效记忆管理，可撑住百万级并发的智能体。
但技术终究要为商业服务。那么，InData与InCloud如何有效协同，发挥出业务价值呢？张明灿表示，两个底座通过高速RDMA网络打通，理想状态下能形成一个闭环：高质量数据产Token、Token驱动智能体、智能体再沉淀新数据。- 成本方面：对于投入数十亿建设智算中心的大型客户，GPU利用率翻倍，这相当于直接释放数亿元的隐藏算力价值；而对于月消耗200亿Token以上的企业，私有化部署的性价比全面超越公有云。
- 业务层面：知识库就绪时间从天级缩短到分钟级，配合长效记忆，智能体业务处理准确率从不到70%跃升至90%。
- 架构演进方面：既兼容企业既有服务器与云资产，支持“3节点云+1节点GPU”的慢慢扩容，也提供开箱即用的软硬一体机，让不同规模的企业都能低门槛完成AI基础设施的升级。
2016年，浪潮数据成立。从当年在云计算大潮中的初露锋芒，到今年AI基础设施领域的破局引领，这关键的十年，他们完成了一次深刻跨越，更是一场对未来十年产业大势的坚定押注。十年前，企业希望把数据存起来、管起来；十年后，企业更希望把数据激活，让它们源源不断地转化为驱动业务的智能。正如张东所言，AI正在改变人类创新的方法，创造新的价值范式。那么，当AI数据操作系统补齐了产业前进的最后一块拼图，企业通往AI原生时代的道路，会不会终将从模糊走向清晰呢？
