IT时报记者 贾天荣

如果说今年WAIC有一个关键词，那一定是“落地”。

从大模型到智能体，越来越多企业开始回答同一个问题：AI怎样真正进入业务，而不是停留在演示界面？

7月18日下午，在WAIC AI魔盒展区，神州数码带来了两套最新方案——负责让AI真正融入企业业务流程的“神州问学：AI原生的流程操作系统”，以及负责让算力真正稳定、高效地运行的神州数码AI Infra OS。

同时发布的，还有面向不同场景的三款智能算力产品——KunTai R722 K2通用服务器（青春版）、KunTai A989 T3超节点服务器（训练型）、KunTai PoD2000 A3液冷超节点整机柜。

看似分别属于应用层和基础设施层，实际上，它们共同指向企业部署AI时最现实的两个难题：AI怎么用起来？算力怎么跑起来？

AI不缺模型缺“流程”

不少企业已经接入了大模型，也尝试部署各种AI助手，但真正投入业务后，却往往停留在“写写文案”“回答问题”阶段，很难融入真实工作流程。

神州数码AIBG AI产研中心总经理侯浩将这一现象总结为四个痛点：知识分散、业务流程割裂、AI输出难以追溯，以及专家经验无法沉淀。“企业真正缺少的，不是更多模型，而是一套能够把知识、流程、角色连接起来的AI操作系统。”神州数码此次推出的“神州问学：AI原生的流程操作系统”，正是希望解决这一问题。

这套系统并不是重新建设一套办公平台，而是在企业原有系统基础上，把大模型、知识库、业务流程和岗位角色串联起来，让AI能够参与业务执行，而不仅仅负责生成内容。

整个系统采用四层架构：底层统一管理开源和商用大模型，中间完成企业知识治理和知识图谱构建，再通过工作流编排业务流程，最终形成面向医药、制造等行业的具体应用。相比“会聊天”的AI助手，它更像一个能够参与企业协同工作的流程操作系统。

侯浩特别强调了两个关键词——可信和可落地。一方面，AI生成的内容能够关联原始资料、行业规范和企业知识，实现全过程可追溯，更符合医药等强监管行业的要求；另一方面，企业无需推倒重建现有系统，而是优先选择高价值业务场景逐步接入，降低部署成本。

现场分享的两个案例颇具代表性：一家创新药企业将系统接入Office和飞书后，文档版本、修改记录全部由AI自动保存，不仅方便追溯，也能够持续积累企业知识资产；另一家制造企业则利用AI整合设备、工艺和质量数据，辅助PE工程师快速定位产线异常，并将老师傅的经验沉淀为可复用知识，大幅缩短故障处理时间。

在侯浩看来，过去企业比拼的是模型和算力，下一阶段竞争的重点，将转向谁能率先建立AI原生的业务流程体系。

算力竞争，开始算“经济账”

如果说神州问学解决的是“AI怎么干活”，那么另一场分享讨论的，则是“AI怎么跑得更划算”。

神州数码通明湖研究院AI解决方案专家杨柳春认为，随着企业部署AI规模不断扩大，衡量算力的标准正在发生变化。

过去，企业关注GPU性能；如今，更关心的是算力投入究竟能产生多少业务价值。因此，神州数码此次重点展示了AI Infra OS——一套面向企业智算中心的软件平台。

据了解，该平台由异构智算加速平台HICA和异构智算调度平台HISO组成，覆盖从容量规划、推理加速到资源调度、集群管理的全生命周期。

杨柳春介绍，通过软硬协同优化，平台可实现推理吞吐能力提升50%，Token端到端成本降低20%；在集群层面，资源池化和拓扑感知调度能够使GPU利用率提升约一倍，集群有效容量提升30%。相比不断增加GPU数量，如何让已有算力充分释放价值，正在成为企业更加关注的话题。

从服务器到交换机 构建AI基础设施底座

围绕AI Infra OS，神州数码同步发布了三款面向不同场景的算力产品。

新一代服务器KunTai R722 K2青春版面向成本敏感通算，单核性能提升20%，支持32条DDR4插槽，可有效节省77%CAPEX，降低40%OPEX。

超节点服务器KunTai A989 T3+PoD 2000 A3面向训练和高密度推理，单集群384节点、FP16算力240PFLOPS，一周完成8B模型训练，两个月完成70B，十个月完成600B，可支撑1.3万人同时在线对话。

木犀智能SP6交换机搭载3nm Spectrum-6芯片，整机无阻塞交换容量超100TB，配备64个1.6T端口，专为万卡级集群设计，释放已购算力潜力。这些硬件产品，与AI Infra OS共同组成了一套完整的AI基础设施方案。

站在今年WAIC展馆里，《IT时报》记者发现一个有趣的变化。去年，不少企业还在展示模型参数、跑分成绩和生成效果；而今年，越来越多企业开始展示完整业务流程。对于神州数码而言，神州问学负责把AI嵌入企业业务，AI Infra OS负责让算力稳定、高效运行，二者共同构成了一套覆盖“模型、算力、流程、应用”的企业级AI工具箱。

当企业真正开始关注“AI如何持续创造价值”，而不是“模型有多大”时，AI竞争也正从单点能力，走向系统能力。