摘要：AI 的革命性突破已从技术探索走向规模化产业应用，成为驱动业务增长的核心引擎。但对于大量传统企业而言，转型之路布满荆棘：想拥抱 AI 却受限于技术门槛及历史包袱，贸然落地又怕踩坑试错、成本过高。带着对行业痛点的深刻洞察与破局决心，青云科技正式推出 AI Inf
AI 的革命性突破已从技术探索走向规模化产业应用，成为驱动业务增长的核心引擎。但对于大量传统企业而言，转型之路布满荆棘：想拥抱 AI 却受限于技术门槛及历史包袱，贸然落地又怕踩坑试错、成本过高。带着对行业痛点的深刻洞察与破局决心，青云科技正式推出 AI Infra 3.0，以 “All in One, One for AI” 为核心理念，打造 “重构归一” 的全栈架构。
青云科技副总裁沈鸥从业务挑战、能力拆解、价值落地三大维度，结合真实案例，深度解析 AI Infra 3.0 为客户与合作伙伴创造的价值，让 AI 转型从“难题”变为“红利”。
以下为演讲全文，经整理：
AI 优先:从选答题变为必答题
过去一年，企业完成了从“纠结最好的模型”到“思考如何用好模型”的跨越。大模型技术已真正走入日常工作，它不再是遥远的实验室技术，而是一个看得见、摸得着的生产力工具。
通过咨询公司的一些统计数据，大家可以看到，企业对 AI 抱有极高的期望，显著增加在 AI 领域的支出，同时 AI 带来的收益也有很实际的效果。企业已将 AI 应用视为竞争的战略要素，“AI 优先”已不再是技术口号，而是企业活下去、赢下来的底线战略。
以青云所处的软件行业为例，如果说软件开发的 1.0、2.0 都还需要专业的程序员，那 Software 3.0 则靠大模型充当“超级编译器”。
传统“改需求 → 写代码 → 发版”的瀑布流开发模式，将被“一句提示词 → 秒级热更新”的极简流程取代。这让业务迭代速度从“周”进入“小时”时代。面对这样的降维打击，企业必须接受挑战，才能在竞争中赢得先机。这也解释了当前 AI 辅助编程为何大行其道，得到资本的认可。
业务需求的变化是根本驱动力。企业都开始围绕大模型去迭代业务、迭代应用，从 “Cloud Native” 往 “AI Native” 去转变，业务改变带来的技术压力是巨大的。因此，AI 蓬勃的需求必然带来了 AI 架构的演进。
两年前，面向算力革命，青云科技 AI Infra 1.0 带来了 AI 智算平台及 AI 算力云服务，打造算力中心建设运营的新模式，并携手生态合作伙伴，为企业与开发者提供了从算力到应用的完整服务。一年前，面向新兴行业与场景，青云科技 AI Infra 2.0 发布了全新升级的产品与服务、十大场景解决方案，与产业伙伴形成合力，真正解决企业落地 AI 最后一公里的难题。
今年特别是年初 DeepSeek 异军突起，大模型应用开始在行业快速发展。一个数据足以说明这种爆炸性的增长：中国 2024 年日均 Token 消费量为 1000 亿，到 2025 年 6 月已经达到 30 万亿，增长了 300 倍！
企业面临的挑战是：如何快速跟上发展步伐，如何更高效地迎接技术变化。帮助企业绕开技术复杂、成本高昂的升级陷阱，以更低门槛、更高效率拥抱 AI，将 AI 转化为企业的增长动力，这也是青云AI Infra 3.0的源动力。
兼顾历史、面向未来:AI Infra 3.0 应运而生
AI Infra 3.0 绝非空中楼阁，它源自青云科技十年磨一剑的技术沉淀与市场理解。 青云持续在云平台、云原生、智算云平台上的开发、产品发布和商业运营，让我们深刻理解了技术架构演变和客户需求变化之间的关系。青云一方面积累了从技术底层到产品实现的技术和经验，另一方面则积累了对客户需求的理解，对行业变化的预判。
从云平台、云原生到智算云的三位一体实践，确保了青云有能力去构建一个既满足当下需求，又能面向未来演进的 AI 时代新底座。
这是青云 AI Infra 3.0 的架构图。
首先，在大家熟悉的各种异构底层系统之上，青云的内核团队发布了自己的 openEuler 商业发行版 PrimusOS，对国产服务器及算力设备有更好的兼容、适配和优化。
其次，KubeSphere 统一底座。在 OS 之上，以 KubeSphere 容器平台为底座，服务于上层的能力模块，采用基于 KubeSphere 云原生架构来打造，实现通算和智算的调度，实现资源的最优分配，更重要的是在于开放与开源，打破封闭架构的局限。
在能力模块层，青云提供了运行于 KubeSphere 平台上的虚拟化管理、云原生平台管理、智算管理乃至应用数据存储管理，覆盖了从传统应用到智算应用，从开发到发布，从运营到运维的全生命周期管理，全面支持企业的不同部门、不同角色用户的需求。这些能力是客户以 AI 重构业务的基础。
进入到服务层，青云的客户可以在统一架构平台上进行AI算法开发、微调所需的行业模型，发布和运行以 AI Agent 为核心的应用。
青云 AI Infra 3.0:创造多维落地价值
这套架构是客户消除“两难选择”的关键：允许客户灵活组合、按需订阅、弹性伸缩，甚至可以将 AI Infra 3.0 架构无缝扩展到现有平台上，真正实现“最大灵活性”与“统一服务能力”的结合。
青云的目标是致力于为客户带来满足业务发展的一站式技术和服务。在上层：提供从算法开发、模型训练到模型推理服务的 AI 全生命周期管理。在底层：提供虚拟化、云原生的应用运行环境，支持异构的 CPU、GPU 硬件环境。
在这个统一架构上，用户可以方便地对接第三方的应用服务，或者将其以插件方式接入；也可以通过包括 MCP、A2A 协议将平台数据对接到业务应用，实现运营的一体化。只有一个统一、开放的架构才能让客户的想法持续迭代，智能化场景得到长期演进。
青云打造 AI Infra 3.0 架构的目标非常明确：希望和我们的客户、合作伙伴一起面对这个快速变化和充分竞争的 AI 时代，实现共赢。
对企业来说，青云 AI Infra 3.0 架构通过一套控制面，交付了多元化的工作负载，从通算到智算，以及高性能计算。同样的硬件，在统一架构下，通过算力资源调度可以释放更高的利用率，从而帮助客户获得更好的投资回报。考虑到 GPU 服务器建设成本高，往往需要采用公有云智算服务和本地私有化部署结合的模式，这是青云最为擅长的混合部署架构，和我们在多年前就在云计算平台上实现的公私统一架构类似，在 AI Infra 3.0 架构上也实现了公私统一、按需部署，以及使用从通算到智算的所有服务。
这里介绍一下我们是如何帮助客户在 AI 时代获得突破的。
首先在教育行业，这是青云在今年深耕的行业之一。青云在过去几年已经在教育行业有一批使用云平台的客户，今年我们交流的很多高校都在谈 AI 智算，一方面需要给师生提供智算服务，来支持他们在 AI 上的教学和研究，另一方面则是考虑如何将智算和传统的高性能计算结合起来，让一个平台可以按需交付给老师所需的全部算力服务。通过青云 AI Infra 3.0 的整体化架构，大学现在就可以建立智算平台为学生提供 GPU 算力、模型推理服务，利用青云成熟的算力运营能力让学校的智算中心可以按需分配、按需计量计价，通过完善的运营服务让昂贵的 GPU 资源得到充分使用。同时，也可以逐步过渡到“超算 + 智算”的统一服务，一半的成本就可以拥有双份能力。青云在高校的能力实质是解决了算力多样性部署、交付和使用的难题。
在智能制造领域，我们看到一个领先的制造企业正面临典型的“三朵云”困境：虚拟化管硬件、云原生管应用、智算平台管算力。三套系统、三套流程，造成了跨平台协调的高内耗。通过基于 AI Infra 3.0 架构，青云帮助客户实现了架构协同。无论是数据存储分析、云原生应用部署，亦或是推理算力供给，都在一个平台上搭建和交付，实现了全链路自动化，将 IT 部门响应业务部门的速度从 1 小时大幅缩短到 15 分钟。这不仅是效率提升，更是业务竞争力的重塑。青云给这个客户带来的能力，实质是显著缩短 AI 模型从研发到生产的周期。
在媒体行业，今年我们在山东的一个客户就遇到了揪心的事，他们的系统集成了多个厂家的软硬件，其中一个厂家的存储产品有技术问题，无法短时修复，导致了整个系统无法及时上线。青云的 AI Infra 3.0 为客户带来了可插拔的架构，其开放性让客户不会被特定技术所绑定。青云和客户及时找到了解决方案，同时“虚拟化 + 云原生”的整合能力，快速对接客户传统系统，无需额外开发。最后方案按时交付，适配成本大幅下降。青云给这个客户带来的能力，实质是帮助客户摆脱产品技术束缚的难题。
青云的业务发展离不开合作伙伴和渠道的支持。青云深刻理解合作伙伴在面对客户日益复杂需求时的压力，也在积极收集来自渠道、合作伙伴的需求和声音，在技术和产品上做好准备。
首先是 AI Infra 3.0 架构中的各个产品模块都适应异构的需求，通过开放性和插件架构来满足其个性化需求。其次考虑到国产信创已经从 CPU 服务器延伸到 GPU 服务器、存储、操作系统，青云科技对此的策略是全面支持，对市场领先的信创产品都进行了兼容化支持与验证。同时 AI Infra 3.0 的统一技术架构、一致的使用体验和管理技术，也可以帮助我们的合作伙伴降低学习成本，减少在产品和技术上的挑战。
通过和生态伙伴一起合作的项目，我来介绍青云是如何赋能合作伙伴来实现共赢的。
在生物制药行业，青云和客户的合作伙伴一起研究如何帮助客户尽快使用上专业的 AI 模型：利用 AI Infra 3.0 架构中成熟的模型服务能力来对接专业大模型，通过模型和推理引擎分离架构来选择最适配的推理引擎，及时解决对接集成工作，让客户能快速上线医疗 AI 分析能力。青云给这个客户带来的能力，实质是利用 AI Infra 3.0 架构的开放性来解决 ISV 的产品集成和对接上的技术挑战。
在企业服务领域，青云有家客户是运营商，同时也是合作伙伴，他们打包其解决方案和青云产品进行联合销售。这家企业的领导在大力推动 AI 与其方案的结合。在选择新平台方案时，他们面临“一套通用 + 一套智算”方案还是“建一个统一平台”方案的选择。在考察了 AI Infra 3.0 架构带来的平台能力延续性，一体化的通算和智算服务、成熟的运营服务后，他们选择了青云 AI Infra 3.0 整体化架构，在一个平台上实现了 AI 算法开发、业务应用运行和算力服务部署。这不仅加速了从 AI 概念验证到落地的速度，更重要的是，其弹性交付能力使得他们的新方案更为轻量，交付简单、运维简单，成功地让 IT 部门从成本中心转变为业务拓展的主角，部门地位大大提高。
在软件服务领域，青云还有一个客户是业内领先的应用软件开发商，他们需要为各行业客户提供“AI +”的应用产品升级版本，每个产品团队都有自己的 AI 应用开发需求、应用的连续测试需求，迫切需要一个平台能覆盖从模型推理、模型算力分配调度、AI 算法开发、云原生应用开发、应用运行测试等全生命周期管理。借助于 AI Infra 3.0 架构，多个团队、多个开发任务都可以在一个平台上完成，每个团队按需申请资源、按使用量计算开发成本。一体化的开发环境加速了他们为客户升级改造的速度，实现三方的共赢。青云给这个客户带来的能力，实质是利用 AI Infra 3.0 架构来解决AI模型开发和对外服务中的挑战。
不变的战略:高度标准化、开放协作
为了让合作伙伴和客户选择青云产品时更为放心，AI Infra 3.0 架构从设计、研发、测试到交付的全过程，主动拥抱国产化，及时解决各种兼容性问题，缩短部署交付时间，提升后续运行的可靠性。
青云既是 AI Infra 3.0 架构的开发者，同时也是第一个受益者。两年前青云开发智算云平台时，充分利用了 AI Infra 3.0 的特性和能力，将产品上线时间，从数月缩短到数周。今年春节 DeepSeek 发布时，青云是最早在线上提供 DeepSeek 服务的云厂商之一。现在新的模型发布后，都能在短时间内上线到青云的 CoresHub 智算云服务。另一方面，AI Infra 3.0 架构还帮助青云实现更灵活的定制与扩展。去年青云在面向医疗行业提供算力服务时，就应用了架构的灵活性。一个架构就满足了不同行业算力云的交付，从而可以快速地交付千人千面的算力平台。
正如我们一直坚持和倡导的：生态合作与开放是青云在智算时代的核心战略。在过去的一年，青云聚焦于合作伙伴的深度合作，希望能与合作伙伴真正在产业和技术上有收益。比如和海光的战略合作，共建 AI 场景方案；和炎融科技启动 AI 推理高性能存储技术推进计划；和麒麟探索 AI OS 的价值。青云也持续和昇腾、摩尔线程等众多国产芯片厂商进行产品适配，深化双方的合作。
AI 时代，时间就是最大的成本。AI Infra 3.0 已经为企业准备好了一站式、低门槛的跑道。AI Infra 3.0 具备全栈能力，可以按需扩展、以标准化交付来让企业快速实现业务目标，同时给予客户不断往前走，不断进化的阶梯。
前面介绍的案例，从侧面进一步验证了 AI Infra 3.0 带给客户的四个安心：投资安心，确保青云方案具备最好的长期投资回报；转型安心，让企业走的又稳又快；运营安心，让企业知道算力用在哪里，企业知道如何从 AI 投资上获得收益；创新安心，青云 AI Infra 3.0 是企业业务创新最坚实的底座。
上周当我在准备今天的分享时，正好看到 Gartner 发布了 2026 年十大战略技术趋势，其中第一个趋势就是 AI 超级计算平台，在这个平台上整合 CPU、GPU、AI ASIC、神经系统计算，使企业能够统筹复杂工作负载，同时释放更大的性能、效率与创新能力。从产品技术角度，这也将是青云 AI Infra 3.0 的下一个目标。
现在，是时候将您的业务想法，加载到青云 AI Infra 3.0 底座上，开启您的“四重安心”AI 之旅！
来源：砍柴网
