2025年12月12日，由中国通信标准化协会主办▲•，中国信息通信研究院（简称-…◆“中国信通院▼”）承办的“2025AI云产业发展大会”在京召开△。会上▽-★，中国信通院正式发布“2025 AI云十要素”◇•，中国信通院云计算与大数据研究所所长何宝宏对“2025 AI云十要素◁○”进行了解读•。
大规模智算集群、AI存储▪•、AI高性能网络、AI原生应用◆•□、AI推理与交互、模型即服务、智能体服务、AI运营▲▷△、AI云数据安全△■、超智融合。
今年 8 月，国务院正式印发《关于深入实施●…“人工智能+▽”行动的意见》▼◆▽，明确提出要系统推进人工智能在经济社会各领域的深度应用，推动数字技术与制造优势、市场优势加速融合○，形成驱动高质量发展的新动能。当前▽◆，大模型与云计算正加速融合，AI云已成为支撑数字经济高质量发展的核心基础设施△。基于对云计算产业的长期研究和观察▪…，中国信通院研究提出AI云十要素▼▪▪，旨在为行业提供前瞻性指引。
大规模智算集群作为 AI 云服务的 ▪=“算力供给中枢”，已成为决定行业竞争力的关键要素，主要体现在三方面。
一是Scaling Law持续生效，超万亿参数大模型的训练高度依赖单集群的规模效应与性能一致性。二是我国日均Token消耗突破30万亿，高并发、低时延的推理需求倒逼集群能力升级。三是集群的规模化部署，有效验证了万卡至十万卡级的协同互联▲、虚拟化及软硬件兼容技术◆▪-，推动AI云向“智算原生架构…▼”转型。
随着大模型训练规模不断扩大□■▲，AI正在深刻重塑数据访问链路，也推动存储体系从传统的容量型架构，加速迈向高性能□、智能化的新阶段。面对这一现象，AI存储聚焦三大方向●-◇。一是提升带宽与并发能力，保障GPU集群数据供给稳定性；二是引入智能感知能力，通过动态分层◇●、跨域调度实现最优数据流动，在多集群协同训练中显著提升效率△；三是优化推理链路□，结合KV-Cache加速、RDMA/GDS等技术降低热点访问延迟，降低数据流动开销◇☆◆，提升推理吞吐与响应速度◆▽。
AI时代下网络流量呈现东西向流量激增◁□■、大象流主导、微突发频发▲、对波动极度敏感四点特征，推动AI高性能网络的技术演进，演进方向涵盖四个层级。一是服务器内◆▽，通过NVLink与通信库解决多GPU互联瓶颈。二是服务器间，依托IB/RoCE等RDMA技术突破带宽与拥塞限制。三是集群间，采用光传输保障千卡万卡跨域协同的稳定性与安全。四是城市间，则探索全光网络实现长距离低时延算力调度•★，目前三大运营商已在超远距离传输开展试验▼□。
AI原生应用是产业数字化升级的◆★●“核心载体”，主要体现在三方面。一是应用构建本质方面，从△▷“功能驱动”转向☆“智能原生”▽，形成“需求-决策-执行-反馈”全链路智能闭环。二是支撑联动方面，多智能体分工协作突破单一模型能力边界=△，数据全生命周期闭环实现飞轮效应，全栈AI技术体系为复杂任务提供稳定运行环境。三是产业落地方面，AI原生应用实现降本增效并重塑业务流程，用户无需重构存量架构即可接入AI能力。
AI推理与交互是模型商业落地、实现人机协作及智能体生态的关键节点，主要体现在三方面。一是云原生架构与成本优化推动推理服务走向普惠化。二是MCP协议实现模型与外部信息的连接●☆，A2A协议实现智能体间协作，标准化通信协议共同拓展AI与物理世界的交互边界。三是企业级AI网关作为智能枢纽，向上承接业务请求，向下整合多元模型与工具能力，实现任务编排◆、上下文管理与统一接口输出□◇。
模型即服务正成为连接底层算力与上层智能应用的“中枢层”◁…，主要体现在三方面。一是模型即服务架构趋于标准化…△▲，对下封装异构芯片与集群调度▪，对上提供全模态模型矩阵与工具链。二是以Token为核心的API调用计费模式颠覆传统硬件与软件计价体系，实现◇“按需调用、即用即付”□•。三是模型即服务具有双向赋能效应：既驱动底层优化资源利用率•，又助力上层智能应用生态拓展，成为AI规模化落地的关键载体。
智能体服务以Agentic AI为核心技术底座，驱动智能生产力升级。一是在技术内核上，智能体更加强调主动性及环境适应性，具备任务分解、上下文共享与系统协同能力的基础。二是在服务模式上-，以SaaS形式开放统一API，支持“开箱即用”接入▲■◇，结合多智能体强化跨场景执行能力▽★。三是在价值交付上▽△▷，通过融合多模态大模型与行业垂直模型▼…，注入场景化智能▽，直接输出业务成果而非仅提供工具。
AI运营标志着云服务重心转向价值运营，体现在三方面。一是模式创新◇，政府主导的区域型AI公共服务云平台推动普惠智能，产业龙头牵头的AI行业云平台运营则带动全链条协同升级▽…。二是范围深化，在广度上★▽，AI运营对象拓展至“模型”的业务价值；在深度上，AI运营要求从•“能使用”深入到“能优化-■■”。三是生态共创●•，AI云厂商通过“联合陪跑○▼”的形式为伙伴企业提供技术适配及商业化支持，同时降低个人开发者门槛○▲…，催生“一人企业”新形态。
数据是AI云产业的关键生产要素，AI云融合云与人工智能双重优势的同时◇○，也叠加了双重数据安全风险，需在三方面构建体系化防护▲▲。一是底层环境安全，通过GPU/DPU等算力硬件中的可信执行环境，实现全流程密文◇•，根治数据泄露隐患。二是服务使用安全，在数据上传◁■=、处理、传输、销毁各环节部署加密措施，确保流转全过程安全▷○。三是SLA协议信任机制，针对AI场景明确数据主权◆、内容版权与责任边界，并引入专属赔偿指标，建立互信基础=○。
超算与智算从分立走向融合，已成为技术发展的必然趋势。传统超算擅长高精度科学计算但难支撑AI低精度并行■△=，纯智算集群则反之。超智融合是通过CPU+GPU异构架构实现硬件级融合，借助多模态数据池推动数值模拟与神经网络算法耦合，在标准体系驱动下实现从基础设施到应用层的全链路协同。其优势体现在三方面。一是可兼顾高精度与高吞吐。二是覆盖AI for Science、大模型训练■▲▽、工业仿真等混合精度场景。三是可提升整体资源利用率。
何宝宏表示◇，AI云蓬勃兴起-☆•，云计算已成为企业拥抱智能变革、激活新增长动能的核心引擎☆▷。深度用云、智慧用云-▷●，是AI时代企业智能化转型的必由之路◁。中国信通院将紧扣AI云架构演进脉搏，精准聚焦产业智能化升级的堵点与需求，全力推动AI云关键技术落地实践，同时搭建产学研用协作平台，促进经验共享与生态共建。
本文为澎湃号作者或机构在澎湃新闻上传并发布□○●，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场☆•，澎湃新闻仅提供信息发布平台▼▪。申请澎湃号请用电脑访问。