专题：中国世界 服务贸易交易会-2026中国AIGC创新应用交流会

　　服贸会专题活动“2026中国AIGC创新应用交流会 ”于9月10日在北京举办 ，主题为“智启未来 应用无界——从模型创新到场景落地
”
，北电数智技术负责人郭文出席并演讲。

　　以下为演讲实录：

　　各位嘉宾 ，大家好！很荣幸今天能够来到服贸会的现场
，向大家分享北电数智的一些实践经验 。我是来自北电数智的郭文
。

　　今天大家更多聚焦于AI的应用及其在各行业的落地。我们看到，AI现在已经像水和电一样融入我们的生活与生产之中 ，但很少有人关注到“发电厂 ”是怎么做的 。北电数智所做的
，正是构建一个个AI底座，并通过这些AI底座服务各地的民生与产业
。所以今天 ，我将向大家介绍北电数智在全栈国产化方面的一些经验。

　　北电数智是北京电控旗下企业
，在“十五五
”规划中，是北京电控在人工智能领域布局的‌核心关键载体‌ 。正着力解决行业内人工智能“卡脖子”的问题
。我们成立于2023年 ，自成立之初就以建设数字中国为愿景。经过三年发展，我们从AI领域的新势力快速成长为行业的新力量 。这三年里
，我们重构了AI计算的数据中心建设范式，推动了国产算力建设 ，也完成了新一代计算平台的实践验证
。今天的分享将围绕三个方向展开：新一代AI底座是什么样的？我们如何以这样的AI底座赋能行业？以及如何以AI底座服务区域发展？

　　我们的AI底座以国产算力芯片为核心
，在构建这一底座的过程中，同步推动国产算力芯片真正‌落地生产
、迭代发展‌。自2023年成立之初 ，我们就围绕国产芯片布局算力中心建设
，通过搭建全栈技术体系，打通芯片到最终应用的全链路落地通道 。在智算中心建设维度 ，我们‌重新定义了新一代智算中心的建设标准‌。随着智算中心的技术要求持续提升
，传统数据中心在供电、供水以及整体架构层面，都需要面向智能计算场景完成系统性升级
。我们承建的北京市数字经济算力中心 ，是‌北京五环内唯一千P以上的商用智算中心‌。依托这套成熟的全栈技术能力
，我们以北京标杆方案为样板向全国复制，‌赋能各地AI产业高质量发展‌ 。

　　当前AI的发展已经进入深水区
。我们观察到 ，AI产业的发展可以概括为“数 、算
、模、用 ”四个核心维度。

　　在算力方面，国产算力今年市场需求旺盛
，正处于快速发展的上升阶段 。面向持续增长的产业需求，我们的技术路径从单个芯片的能力拓展延伸至多芯片组合协同能力——从单芯片优化升级到系统级调优 ，以系统协同进一步激发国产算力的整体效能
。

　　在模型方面
，大模型技术迭代迅速 、参数体量持续增长。这意味着大量优化工作需要突破单机器边界，在集群层面完成全链路调优 ，尽可能释放国产算力的性能空间
，让每一分算力都高效转化为最终的Token产出 。因此，集群级优化已成为当前产业落地的关键核心环节
。

　　在数据层面 ，随着大模型与Agent逐步走向可用
，AI不再只是通用对话工具，而是真正深入行业核心场景。我们服务的各行业中 ，沉淀了大量高价值关键数据 。在此背景下
，如何让数据充分释放价值
、参与大模型训练，或是作为行业知识在Agent中落地应用 ，已成为核心关键命题
。‌只有先打通数据层面的核心堵点，更强大的算力与模型才能顺畅进入生产环节‌。

　　在应用方面
，当前智算中心的算力资源仍有极大的释放空间，这就需要我们围绕当地实际产业需求打造更贴合的落地应用 ，让智算中心的每一分算力都真正转化为现实生产力 。

　　由此可见
，当前AI的发展已不是单点能力的竞争，而是需要“数、算 、模
、用
”四个方面的联合优化 ，才能真正推动国产算力从“可用”走向“好用 ”。

　　成立三年来
，我们实现了三次重要的产业跨越
。

　　2023年公司刚创立时，我们就注意到不同国产芯片具备差异化的性能表现 ，适配的模型场景各有侧重
，在算力、带宽 、容量的不同配置下，可支撑不同类型的AI应用。因此在2023年 ，我们首创提出了“混元异构
”架构：在一个智算中心内部署多种国产芯片
，利用不同芯片的差异化能力支撑广泛的应用场景 。这样既让国产芯片找到了适配自身优势的落地场景，也为AI产业落地找到了稳定可靠的算力底座
。

　　2024年 ，我们承建的北京市数字经济算力中心竣工投用。这里首创部署了国内规模领先的混元异构集群，多种国产芯片汇聚于智算中心
，形成了充足的普惠算力供给 。在这次部署中，我们沉淀了多维度的全栈产品能力 ，同时依托真实行业场景的实践
，助力国产芯片持续完成技术验证与迭代升级
。当前国产芯片产品已迭代至三代
、四代，性能正逐步向世界 先进水平靠拢。

　　在业务模式上 ，我们先以北京为基地培育标杆智算中心
，再将成熟的标杆方案向全国各地区推广 。与传统“先建集群再找业务”的模式不同，我们会针对各地区的产业发展需要定制构建集群：先在当地开展深度行业调研 ，进行“一地一策 ”和“一业一策”的规划
，根据当地实际需求建设适配的算力资源，并配套全套技术服务支撑本地产业发展
。我们为算力平台取名“星火
” ，希望各地落地的算力形成星星之火
，最终连成一张覆盖广泛的高效算力网络，让算力普惠服务全国数字经济发展。

　　在星火大平台之上 ，我们构建了“星火云”产品体系 。正如前面提到的，在国产算力服务领域
，单点能力不足以支撑产业落地，必须打通全栈技术链路 ，才能更好地服务行业与区域数字化转型
。因此我们打造了覆盖“数、算 、模、用 ”四个层面的完整产品矩阵。

　　在“算
”这一最底层
，我们构建的是混元异构集群，配套研发了支持混元异构调度
、国产芯片加速的底层算力平台 。

　　在模型层面 ，要服务不同行业的差异化需求
，就需要开展针对性的模型训练、打造垂直领域专属模型。但垂直领域的数据使用需要受到严格的安全管控，因此我们构建了可信数据空间 ，保障数据在训练和推理阶段全程不出域
，在隐私保护的前提下实现可训练 、可推理，并在此基础上训练了一系列覆盖医疗
、工业、AI4S等领域的垂域模型
。

　　在数的方面 ，当前国内通用大模型能力已达到较高水平
，在日常工作场景中得到广泛应用，但行业中的核心关键数据往往具备强特殊性与高价值属性 ，需要更专业的处理方法才能充分释放其价值。在服务这些行业的过程中，我们沉淀了针对关键数据的成熟处理方法与技术能力
，同时全程保障数据安全可靠 、权属清晰明确 。

　　在应用层面，我们为不同行业构建了垂直领域共性技术平台 ，通过各行业的智能体支撑平台助力行业应用快速孵化
。近来 
，我们已经孵化出工业
、医疗、影视 、教育等多个垂直平台，后续将逐一展开介绍。

　　首先我们开发了前进·AI异构计算平台 。这是我们打造的首个核心基础平台 ，核心要解决的问题是：面对多元的混元异构算力资源
，需要完成统一纳管
、智能调度，并为不同任务精准分配算力资源
。在这个过程中我们面临一个核心挑战：传统智算中心大多采用统一芯片的集群架构 ，运维逻辑相对简单
，可以用一套标准化模式完成全链路操作；而在混元异构、多芯片并存的环境下，集群管理的复杂度大幅提升。为此 ，我们创新性地引入Agent来管理智算中心
，能够快速识别任务需求 、定位运行问题
、及时完成自动修复 。在北京数字经济算力中心，我们已经把空调、供暖等一系列配套设施的管理工作交给智能体完成 ，由智能体自动处理各类运行告警，大幅降低了智算中心的运维成本与设备运维难度
。

　　基于这一平台
，我们与相关部门合作建设了先进计算迭代验证平台项目。在该平台中，我们纳入了多家厂商的芯片开展体系化评测 。与常规评测机构不同 ，我们完全围绕实际产业使用需求开展芯片评测
，通过“以评促用”，找到每种芯片适配的优势领域 ，并针对算子与通信库完成补齐与拉通优化
。早在2023年底至2024年初
，我们就实现了混元异构通信，打通了不同芯片之间的互联互通 ，完成了大模型的异构部署落地。

　　针对各类模型
，我们还完成了面向不同场景的专项加速，为不同场景匹配对应的最优加速方案 ，让模型真正实现可用
，对外提供训推一体的完整服务 。近来 ，智算中心已接入多家厂商的不同芯片 ，通过统一接入层，让模型顺利进入推理与纳管体系
，并通过多种智能调度方式，充分释放这些芯片的性能与能力。

　　我们的服务还覆盖云 、边、端的完整架构：在北京构建核心数据中心 ，在城市与产业园区构建边缘计算中心
，在工厂生产机台上直接部署轻量化AI能力
。在整体能力层面，我们实现了任务在云边端之间的协同调度。调度完成后 ，再开展模型推理环节——在宝塔模型推理系统中
，我们完成了模型加速
、芯片适配等核心工作，通过先进技术充分释放模型能力 。比如当前行业广泛应用的PD分离技术：在大模型推理过程中 ，Prefill阶段对算力要求很高
，Decode阶段对带宽要求较高
。延续混元异构的技术经验，我们在不同的国产芯片上完成了PD分离能力的拉通适配。近来  ，我们正在承接相关课题
，打造开源开放的推理框架，让不同的国产芯片能在同一套框架下协同工作 。

　　在长程智能体任务中 ，随着对话与任务链路不断延长，KV Cache的体积持续增大
，如何做好KV Cache的管理与offload，也成为核心技术能力
。因此 ，我们在这套开源框架中实现了基于KV Cache的智能调度。需要说明的是
，PD分离和KV Cache技术是当前行业共同攻关的核心方向，我们的落地场景具备差异化的特殊诉求：智算中心内存在更多元的异构芯片混布、新老芯片搭配 ，以及不同模型针对不同芯片的最优分割策略——这些都是我们场景中需要核心解决的技术问题 。

　　解决算力供给问题之后
，还需要构建可信的数据空间，企业才能放心将核心数据接入平台
。2023年 ，我们率先提出可信数据空间理念
，在今年的各项权威评测中均取得了优异成绩。我们的可信数据空间的核心优势在于：深度融合AI能力的应用 。可信数据空间的价值，正在从传统的数据处理与分析 ，向数据的智能应用方向升级
。结合AI能力之后
，数据不再只是静态资源，而是能够转化为可用的模型与模型可调用的核心能力。依托模型与算力的双重支撑 ，我们才能高效训练出高质量的垂直领域模型 。

　　在应用领域，我们以AIGC平台为例
，展示我们如何从最底层的算力延伸至最上层的落地应用。在AIGC内容创作 、视频创作领域，使用通用AIGC模型生成短视频本身会产生一定的推理成本 ，而高质量成片的市场报价远高于基础成片
。优质视频作品的费用 差距
，并不来自模型本身的生成能力，而是源于背后创作者的专业创作能力 ，同时市场上能稳定产出这类高品质视频的人才十分稀缺。在这样的产业背景下
，我们开发了“长缨·AIGC平台 ” 。在该平台上，我们通过智能体的方式 ，让用户能够更加便捷
、简洁地完成一键式视频生成
。在文旅、广告 、营销等场景中
，用户只需简单操作，就能创作出影视级的宣传视频 ，让更多用户能在更短时间内生成更高质量的作品。

　　类似的产业需求还有很多
，覆盖医疗
、工业、AI for Science等多个领域 。在医疗领域，我们与顶尖医院通过可信数据空间开展合作 ，在重点科室打造专科模型，再汇聚形成全科模型助手
，并通过相关医疗服务体系辅助家庭医生服务个人用户，全面提升就医体验
。在AI for Science领域 ，我们为顶尖生物医学实验室提供科研分析与科研发现支撑
，近来 能帮助科研人员将原本需要数十小时的工作大幅压缩，并辅助他们完成科研假设的提出。

　　最后 ，是依托算力与行业能力开展在地运营 。虽然日常消费场景中AI的应用已经十分广泛
，但进入工业与实体产业内部，落地逻辑仍存在显著差异
。因此 ，要在各地推广AI落地
，我们采取“一业一策
”和“一地一策”的方法：每到一个地方，先开展深度行业调研 ，找到当地最具优势的主导产业
，打造落地样板，沉淀行业数据 ，打磨行业专属模型与落地能力，再将这种成熟能力复制推广到下一个城市。通过不同城市的行业能力互补
，最终形成覆盖广泛的全国性服务能力，实现规模化落地推广 。

　　回到最初的愿景：北电数智以建设数字中国为使命 ，致力于构建自主可控的AI Infra
。最后
，我们希望科技善存 、数智共享，期待更多伙伴与我们一道 ，在国产算力的产业道路上携手前行。

　　谢谢大家！

　　新浪声明：所有会议实录均为现场速记总结 
，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的 ，并不意味着赞同其观点或证实其描述 。