前言：
2025年，AI撕裂數據與實體的邊界，量子計算探索物理規則的邊緣，綠色科技重塑增長的倫理，低空經濟、機器人、大模型打開科技躍遷的大門。
在這個大背景下，中國企業需要以智慧為坐標，穿透技術、組織與商業模式的“三重結界”，在數字與實體的糾纏中鍛造新物種。在這背后，是一群技術興國的信奉者，產業躍遷的掌舵人、商業社會的洞察者、認知邊界的拓荒者，這些企業家永遠走在創新的前沿。
與智者同行者，必將率先觸摸未來；與AI共振，終將定義下一個紀元。
我們邀請了多位國內外頂尖創新與商業領袖，人工智能鏈主和龍頭創新企業，共同展望2025產業發展、技術創新以及戰略性新興產業發展的前景。
此文為融中特別策劃·《2025向新·AI未來》系列報道第二篇。

在智能算力重構產業格局的新時代，人工智能基礎設施的自主可控與普惠化供給正成為大國科技博弈的勝負手。九章云極作為中國智能算力基座的核心構建者，憑借積極自主技術創新，率先突破算力調度、AI云原生智算服務、場景落地等全鏈路技術壁壘，成為支撐千行百業智能化升級的人工智能基礎設施提供商。這支由頂尖機構科學家領銜的團隊，自主研發的DataCanvas Alaya NeW智算操作系統，已通過信通院全棧能力評估，實現算力利用率跨越式突破，并通過“1度算力=312TFLOPS*1小時”的標準化計量模式，讓智能算力像水電一樣透明可控。

九章云極的技術革新始于對產業痛點的精準洞察：當全球陷入“算力爭奪”與“資源錯配”并存的困境時，依托其獨創的智能調度算法與產品，可支持從單卡到千卡集群的秒級彈性伸縮，令算力使用平均成本降低三分之一。作為AI基礎軟件市場“技術創新能力最強”的領導者（沙利文報告評價），九章云極的野心不止于技術突破。主導編制《大模型算力調度平臺技術要求》行業標準、開源多項核心算法工具吸引全球超10萬開發者、與印尼電信共建跨國算力調度中心實現東南亞算力“按需滴灌”……這些戰略布局印證著其從技術供應商向生態規則制定者的躍遷，九章云極正加速構建覆蓋全國的智能算力網絡，其目標清晰而堅定：讓中國自主研發的智算基礎設施，成為驅動具身智能、生物醫藥等未來產業的“數字中國”基座。

隨著智能化升級的加速推進，智算市場呈現出廣闊的發展前景，九章云極作為這一領域的佼佼者，正以堅定的步伐邁向更高的巔峰。未來，九章云極將繼續加大研發投入，深化技術創新，拓展業務領域，致力于成為全球領先的AI基礎設施與智算云提供商，為推動行業的智能化變革貢獻更大的力量。

以下為融中財經與九章云極DataCanvas董事長方磊對話實錄，以饗讀者：

融中財經：貴司所處AI產業鏈條哪些關鍵環節、市場格局如何，具備哪些技術/產品優勢等？

方磊：九章云極深耕人工智能基礎設施軟件環節，是AI產業的基座，構建了完整的自研AIDC技術棧集、智算云操作系統、AI開發工具等智算產業鏈，面向AI訓練和推理提供高性能計算、云服務和人工智能軟件等，覆蓋從異構算力調度、模型開發到行業落地的全棧能力。

目前全球AI基礎軟件市場呈現中美雙軌競爭態勢。在國內市場，我們是最早提出并踐行普惠算力的企業，積極倡導包括智算云在內的算力普惠，依托VKS彈性容器集群和智算操作系統首創的“一度算力”標準化計量方式，讓千行百業都能使用到“水電煤”一樣的算力服務，我們要做的是讓算力流動如水、調度如電、普惠如空氣，并推動國產化算力標準的全球輸出。

九章云極通過標準引領、技術創新、規模領先等戰略保障競爭優勢，包括首創“一度算力”標準化計量單位，實現算力資源的廣泛普惠及高性價比；主導參與我國首個《人工智能開發平臺系統功能要求》等行業標準；通過Serverless架構和彈性容器集群（VKS）支持千卡級集群秒級伸縮，降低開發成本，依托智算操作系統形成“算法+算力”一體化的差異優勢等。

融中財經：隨著這兩年大模型的快速發展，特別是Deep seek爆火，您對公司發展有了哪些新的想法？近三年戰略路徑是？

方磊：DeepSeek等大模型的爆發印證了場景驅動技術的邏輯。這使我們更堅定要持續深化“算力+算法”一體化能力，降低客戶對AI基礎設施的使用成本；構建智能生態平臺，開源工具鏈等，聯合行業伙伴打造垂直領域大模型訓推支持體系，降低應用門檻；推動國產智算標準全球化，輸出中國特色的異構算力調度方案；通過智算云嵌入千行百業，讓算力從稀缺資源轉化為普惠生產力。

融中財經：AI底層技術的“長周期、高風險”研發特征下，企業該如何平衡市場需求與技術創新的投入？貴司近兩年研發投入如何？地緣政治帶來哪些影響嗎？

方磊：在AI底層技術“長周期、高風險”的研發特征下，九章云極通過“分階段聚焦+動態調優”策略平衡市場需求與技術投入：首先，錨定核心賽道，重點投向異構算力調度算法、大模型推理優化及安全合規技術；其次，建立“核心突破+場景驗證”雙循環，將合理的研發資源投入AI算法優化與算力調度等底層創新，快速響應場景需求；第三，強化產學研協同，與高校共建聯合實驗室，共享技術風險與成果轉化收益。面對地緣政治挑戰，我們以“國產替代+開源生態”雙擎驅動，通過開源工具鏈構建技術生態壁壘；同時依托算法創新實現軟硬協同破局。某個角度看，封鎖是創新的催化劑，我們用“軟件定義算力“打破硬件掣肘。

融中財經：對比中美AI底層生態，您認為目前國內處于何種狀態？隨著AI產業的快速發展，中國創新企業，實現國產替代彎道超車的突破口在哪里？

方磊：當前中國AI底層生態正處于“應用反哺基礎、加速自主攻堅”的關鍵階段。相較于美國在芯片架構、基礎算法等領域的長期積累，中國憑借場景縱深與產業協同優勢，正實現跨越式追趕，但在如高端芯片制程、深度學習框架生態等基礎層仍存代際差距。實現彎道超車的突破口在于：

第一，垂直場景驅動的軟硬協同創新，通過高頻剛需場景反哺算法迭代，利用國產芯片構建“算法-算力-數據”閉環；

第二，開源生態與行業標準主導權爭奪，構建從框架到模型的全棧開源生態，吸引全球開發者；依托DeepSeek等企業開源大模型權重及生態，建立中國標準，形成自主技術話語權；

第三，政策引導的算力基建協同，借力“東數西算”工程優化資源布局，通過算法壓縮突破算力封鎖，構建成本優勢護城河。中國正在將全球最大的實體產業數據紅利轉化為底層技術突圍的加速度。

融中財經：AI系統的性能往往高度依賴于數據規模和質量。雖然無監督學習和強化學習在一定程度上緩解了對標注數據的依賴，但大多數應用仍需龐大的數據集進行訓練。如何確保數據的高質量應用？如何在確保AI性能的同時，有效保護用戶隱私和系統安全？

方磊：在AI系統開發中實現數據質量與隱私安全的雙輪驅動，需構建“技術+機制+生態”三位一體的解決方案。通過全鏈路數據治理體系保障質量：采用多模態數據清洗技術、智能標注平臺以及數據增強算法，控制模型訓練數據的誤標率；創新隱私計算框架：依托聯邦學習架構實現數據“可用不可見”；建立動態安全防護機制：采用同態加密保障推理過程數據安全，通過知識蒸餾技術將大模型能力遷移至輕量化終端模型，既滿足邊緣側低時延需求又避免原始數據外泄。

融中財經：大模型落地需要工程和算法的協同創新，如何建立開放協作的AI產業生態？產學研合作能起到哪些關鍵作用？

方磊：當前我們正通過開源社區貢獻率與行業標準制定權，構建技術話語權與生態粘性，其中包括：

建立分層協同的開源體系，通過開源算法框架與工具鏈，推動算力調度、分布式訓練等核心技術的生態共建，降低中小企業的應用門檻；

打造數據與算力共享平臺，依托行業級數據聯盟和異構算力調度方案，實現跨領域數據合規流通與算力資源彈性復用；

構建產學研動態聯盟，通過聯合實驗室和“課題制”柔性協作模式，加速算法優化與場景落地的閉環驗證。產學研合作的關鍵作用體現在：技術轉化層面，高校的算法突破與企業工程能力結合，可將理論成果轉化為工業級解決方案；

資源整合層面，政企協同的數據治理體系與算力基建，為生態提供底層支撐；

生態協同層面，動態聯盟機制推動“芯片-框架-應用”全棧協同，突破軟硬件適配瓶頸。

融中財經：在AI時代下，現有的軟件架構體系是否發生顛覆變化？以后軟件架構會如何？

方磊：是的， AI正推動軟件從“功能模塊化”向“智能體化”演進。

架構范式從單體架構到微服務架構到AI原生架構，智能體協同后進行自主演化，軟件將演變為“會思考的智能網絡”；商業邏輯層面，軟件服務正從功能交付演進為“智能體即服務”。

未來趨勢將呈現“雙核驅動”：云邊協同架構支撐實時推理，智能體集群通過任務拆解與工具調用實現復雜業務閉環，同時隱私計算與同態加密技術保障架構演進中的安全合規。