当前，AI已成为重塑产业竞争格局的核心变量之。2025年国务院发布《关于入实施“人工智能+”行动的意见》[1]，明确提出到2027年行业智能体应用普及率要突破70。然而，多数企业的数字化底座建设仍沿用传统模式，各类系统“竖井林立”，数据“沉睡孤岛”，力以通用CPU为主，网络仍停留在传统三层架构白山万能胶厂，法支撑大规模AI应用(如智能体等)。现阶段，AI应用的核心矛盾体现在以下三个层面。

　　是力供需错配。通用力、智能力、力、边缘力并存，自建机房与公有云租赁混搭，多云环境成为常态。然而，资源丰富并未带来易用——接口标准不统、能指标参差不齐、计费模式复杂，企业陷入力账不清、能力比不了、资源调不动的困境。训练、微调、理等不同任务对时、规模、成本的差异化需求，使资源配置成为难题。

　　二是数据与模型重复建设。采集、理、标注、资产化等环节缺乏统体系，致同类数据在不同项目中重复清洗，同类模型在不同场景中重复训练，同类能力在不同业务线重复开发。项目投入持续累加，却难以转化为平台化资产。

　　三是应用开发路径封闭。传统信息化项目的开发惯依然强大，各业务线软件应用立立项、立采购、立部署，即使引入AI能力，也往往被锁死在单系统内。拓展AI新场景，往往需要反复对接ERP、CRM、MES等各类业务系统，接口开发周期长、成本，法代码与数据集分散在各个项目组，复用率低下。

　　今后段时间内，企业信息化将经历从系统建设向能力运营的范式跃迁，而现有架构不能适应这转变。

　　1 “智云苏服”的“AI+网”架构

　　“智云苏服”是针对“十五五”期间企业拥抱AI需求，造的“站式服务能力+新型数字基础设施案”平台。其核心设计逻辑是将IaaS、PaaS、DaaS、MaaS、SaaS的能力组件化并持续沉淀，使项目交付成果转化为可复用的数字资产，并终形成面向千行百业的数智化解决案。

　　平台采用分层解耦架构，自下而上贯通五层，如图1所示。

　　图1“智云苏服”的“AI+网”总体架构

　　1.1IaaS层：统集约的力资源池

　　根据我国企业的实际需求白山万能胶厂，采用“自建核心+生态扩展”的建设模式。在自建力面，部署能AI训练集群与理加速节点，覆盖GPU、NPU等主流加速芯片，满足核心法研发及低时延业务需求；在生态力面，通过云网融技术接入电信运营商、云服务商的闲置资源，形成弹扩展的力资源池。两类资源统纳管、统计量、统调度，既保障核心业务自主可控，又及时扩容以满足突发力需求。

　　针对多元力形态，构建统的力抽象层与虚拟化引擎，通过容器化技术及异构资源调度框架，将物理力转化为标准化的力单元。依托确定网络与力路由技术，实现“云—边—端”力资源的网络化协同，通过全局力态势感知系统实时监测各节点负载，结预测法，进行任务预调度与负载均衡[2,3]。

　　1.2PaaS层：标准化组件能力平台

　　提供多元化组件能力，降低AI开发门槛。

　　力调度平台：实现异构力资源的集中管理与智能调度，支持跨地域、跨云厂商的力任务智能寻址与动态路由，根据业务优先自动选择优力节点与网络路径组[4]。

　　 AI低代码平台：提供可视化拖拽式智能体编排画布，预置行业场景模板库，支持将数据服务、模型能力与业务逻辑进行模块化拼装；支持大模型键接入，自动完成模型选型、参数调优、API封装与能压测。

　　物联网平台：连接并管理海量物理设备，提供设备接入、数据采集、远程控制、规则引擎等核心能力，支持MQTT、CoAP、HTTP等多种通信协议，实现异构硬件的统接入与全生命周期管理。

　　智能体平台：支持基于大语言模型、RAG、强化学习的智能体开发，提供记忆管理、工具调用、多智能体协作、任务规划与执行等核心能力，为自动化客服、科研辅助等复杂任务处理提供开发与运行环境。

　　训平台：集成多模态数据预处理、模型微调、理部署和运维监控等核心能力，支持大规模GPU集群的并行计与调度，提供指令微调、RLHF对齐、模型压缩、量化理等完整技术链路。

　　数据中台：通过统的数据采集、存储、计和服务体系，实现全域数据的汇聚融通与标准化理，提供数据开发、数据质量管理、元数据管理、数据服务等能力组件。

　　1.3DaaS层：数据资产化服务

　　针对AI大模型训练所需的质量数据集，构建体系化的数据管理能力：建立统的数据资产目录，实现对多源异构数据的自动发现、注册与分类分；确立数据缘追踪机制白山万能胶厂，万能胶厂家清晰呈现数据从产生、加工到应用的完整链路；提供可视化数据的清洗、转换、融工具，内置数据质量规则引擎，支持完整、致、准确自动检核；封装标准化数据API，支持业务系统按需调用，提供低代码数据开发环境，沉淀行业数据模型模板。

　　1.4MaaS层：模型资产管理

　　平台支持千问、DeepSeek等基础大模型的集约化调用与本地化部署，为企业开发垂类大模型提供支撑：统纳管本地部署、外部部署的主流开源或商用大模型，实现多模型能力对比与选型；建立模型版本管理机制，记录训练数据、参数、能指标等全量信息，沉淀可复用的模型微调案、Prompt模板，评估数据集等企业模型资产；构建业化智能体矩阵，涵盖投标、勘察、客服、审计、财税等业务场景，将通用AI能力转化为垂直域的业生产力[5]。

　　1.5SaaS层：场景化应用落地

　　利用AI低代码平台、智能体平台等，复用各层提供的能力，满足企业对内和对外应用需求，支持同行业用户快速复制标杆案例。图1中SaaS应用围绕工程建设全生命周期开展，目前包含数智工地、数智监理、数智运维、C-Park和C-Cooling等软件系统。在具体行业实践中，可以构建多行业场景的SaaS层。

　　2 电信运营商的服务实现

　　“智云苏服”采用开放式架构设计，通过标准化接口与电信运营商基础网络度耦，构建网络即力、力即服务的运营格局。平台支持通过运营商网或5G切片技术实现“跳入云”，利用确定网络技术保障AI训练与实时理的端到端时延、带宽及抖动等指标。

　　在五层架构中植入电信运营商的多租户隔离、弹计量与SLA保障机制。IaaS层通过硬件虚拟化与硬切片技术实现GPU/CPU资源的严格隔离与分复用，支持按核时、卡时的电信计费；PaaS层将力调度、AI低代码等能力封装为标准化API，提供沙箱测试与自助开通服务；DaaS层构建数据资产交易平台，支持按次调用、按量计费的规流通；MaaS层将垂类模型与智能体封装为可订阅服务包，承诺模型SLA；SaaS层支撑多租户应用市场的分分权管理与弹订阅。

　　为保障服务的可持续，依托运维运营团队，建立覆盖IaaS至SaaS的全栈电信运维体系，对力负载、网络流量进行实时预测与异常检测，结自动化故障自机制，将故障修复时间压缩至分钟；同时按照电信容灾标准构建“同城双活、异地灾备”体系，确保端情况下核心业务不中断、数据“丢失”。

　　3 “AI+网”创新实践

　　某大型集团的数字化底座长期采用总部集中管理、企业就近生产的模式，随着AI由试点走向规模广，矛盾集中暴露，主要包括：力供给分散且智能力不足；跨地域、跨园区、跨云协同常态化，但网络质量难保障；数据与模型资产化需求强烈，但统工具与沉淀机制不完善。

　　针对这些痛点，“智云苏服”提供如下解决案。

　　力资源池化：将分散在总部、各园区、各云厂商的GPU/NPU/CPU资源统接入力资源池，通过异构力统封装技术屏蔽底层差异。在总部及园区部署能AI训练集群，同时接入电信运营商、云服务商的智资源，将其作为弹补充。依托力调度平台的预测法，提前感知各园区力需求潮汐规律，自动触发跨资源池的任务迁移与负载均衡，提升整体力利用率。

　　云网融调度：在现有园区互联网络基础上部署确定网络技术，为AI训练、实时理等关键业务提供带宽保障、时延可控的属通道。力调度平台与网络控制器度联动，基于实时网络时延、带宽利用率、力负载进行联决策，自动选择优传输路径。在园区部署边缘理节点，通过“云—边—端”协同架构，将部分对实时要求的AI应用下沉至园区本地处理。

　　能力组件化沉淀：建立集团统数据资产目录，对多源异构数据进行自动发现、标准化理；训平台自动记录每次模型训练的全量信息，经过生产验证的优质模型进行封装后进入模型资产库，支持同域其他园区通过低代码式键微调复用；AI低代码平台将数据服务、模型能力、业务逻辑抽象为标准化组件，支持跨项目拖拽复用，使交付周期从数月缩短至数周。

　　4 未来与展望

　　目前，企业智能化转型的竞争焦点，正从单点资源或单平台能力，转向将力、数据、模型、行业应用沉淀为稳定且可复用的服务与产品，形成可持续运营的SLA与成本体系，并通过标准化、智能化与组件化实现跨用户、跨场景的规模复制。

奥力斯    PVC管道管件粘结胶价格     联系人：王经理    手机：18231788377（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区/p>

　　“智云苏服”的商业模式并非传统的项目制次交付。除提供整体解决案、分层软硬件产品和业服务外，还可借鉴电信运营商的服务范式，以“AI+网服务运营商”的身份，向企业提供按需订阅的力资源、网络保障、数据理、模型训练及智能体应用等多元化服务，使其享受标准化的SLA保障、弹计费、即开即用和7×24小时的业运维支持。这种轻资产的运营模式，将大幅降低企业AI应用门槛，使的人工智能能力真正转化为普惠的公共服务基础设施，加速企业向使用AI的范式转变。

　　参考文献

　　[1]国务院.关于入实施“人工智能+”行动的意见[Z].国发〔2025〕11号.北京:人民出版社,2025.

　　[2]赵宝康,时维嘉,周寰等.力网络研究进展：架构、关键技术与未来挑战[J].上海理工大学学报,2024,46(6):600-609.

　　[3]电信（601728）云网融2035技术白皮书[R].广州:电信研究院,2025.

　　[4]信息通信研究院.云计蓝皮书(2025年)[R].北京:信息通信研究院,2025.

　　[5]信息通信研究院.MaaS框架与应用研究报告(2024年)[R].北京:信息通信研究院白山万能胶厂,2024.