九章云极方磊：以算力普惠与技术创新，助力中国实现弯道超车

在智能算力重构产业格局的新时代，人工智能基础设施的自主可控与普惠化供给正成为大国科技博弈的胜负手。九章云极作为中国智能算力基座的核心构建者，凭借积极自主技术创新，率先突破算力调度、AI云原生智算服务、场景落地等全链路技术壁垒，成为支撑千行百业智能化升级的人工智能基础设施提供商。这支由顶尖机构科学家领衔的团队，自主研发的DataCanvas Alaya NeW智算操作系统，已通过信通院全栈能力评估，实现算力利用率跨越式突破，并通过“1度算力=312TFLOPS*1小时”的标准化计量模式，让智能算力像水电一样透明可控。

九章云极的技术革新始于对产业痛点的精准洞察：当全球陷入“算力争夺”与“资源错配”并存的困境时，依托其独创的智能调度算法与产品，可支持从单卡到千卡集群的秒级弹性伸缩，令算力使用平均成本降低三分之一。作为AI基础软件市场“技术创新能力最强”的领导者（沙利文报告评价），九章云极的野心不止于技术突破。主导编制《大模型算力调度平台技术要求》行业标准、开源多项核心算法工具吸引全球超10万开发者、与印尼电信共建跨国算力调度中心实现东南亚算力“按需滴灌”……这些战略布局印证着其从技术供应商向生态规则制定者的跃迁，九章云极正加速构建覆盖全国的智能算力网络，其目标清晰而坚定：让中国自主研发的智算基础设施，成为驱动具身智能、生物医药等未来产业的“数字中国”基座。

随着智能化升级的加速推进，智算市场呈现出广阔的发展前景，九章云极作为这一领域的佼佼者，正以坚定的步伐迈向更高的巅峰。未来，九章云极将继续加大研发投入，深化技术创新，拓展业务领域，致力于成为全球领先的AI基础设施与智算云提供商，为推动行业的智能化变革贡献更大的力量。

以下为融中财经与九章云极DataCanvas董事长方磊对话实录，以飨读者：

融中财经：贵司所处AI产业链条哪些关键环节、市场格局如何，具备哪些技术/产品优势等？

方磊：九章云极深耕人工智能基础设施软件环节，是AI产业的基座，构建了完整的自研AIDC技术栈集、智算云操作系统、AI开发工具等智算产业链，面向AI训练和推理提供高性能计算、云服务和人工智能软件等，覆盖从异构算力调度、模型开发到行业落地的全栈能力。

目前全球AI基础软件市场呈现中美双轨竞争态势。在国内市场，我们是最早提出并践行普惠算力的企业，积极倡导包括智算云在内的算力普惠，依托VKS弹性容器集群和智算操作系统首创的“一度算力”标准化计量方式，让千行百业都能使用到“水电煤”一样的算力服务，我们要做的是让算力流动如水、调度如电、普惠如空气，并推动国产化算力标准的全球输出。

九章云极通过标准引领、技术创新、规模领先等战略保障竞争优势，包括首创“一度算力”标准化计量单位，实现算力资源的广泛普惠及高性价比；主导参与我国首个《人工智能开发平台系统功能要求》等行业标准；通过Serverless架构和弹性容器集群（VKS）支持千卡级集群秒级伸缩，降低开发成本，依托智算操作系统形成“算法+算力”一体化的差异优势等。

融中财经：随着这两年大模型的快速发展，特别是Deep seek爆火，您对公司发展有了哪些新的想法？近三年战略路径是？

方磊：DeepSeek等大模型的爆发印证了场景驱动技术的逻辑。这使我们更坚定要持续深化“算力+算法”一体化能力，降低客户对AI基础设施的使用成本；构建智能生态平台，开源工具链等，联合行业伙伴打造垂直领域大模型训推支持体系，降低应用门槛；推动国产智算标准全球化，输出中国特色的异构算力调度方案；通过智算云嵌入千行百业，让算力从稀缺资源转化为普惠生产力。

融中财经：AI底层技术的“长周期、高风险”研发特征下，企业该如何平衡市场需求与技术创新的投入？贵司近两年研发投入如何？地缘政治带来哪些影响吗？

方磊：在AI底层技术“长周期、高风险”的研发特征下，九章云极通过“分阶段聚焦+动态调优”策略平衡市场需求与技术投入：首先，锚定核心赛道，重点投向异构算力调度算法、大模型推理优化及安全合规技术；其次，建立“核心突破+场景验证”双循环，将合理的研发资源投入AI算法优化与算力调度等底层创新，快速响应场景需求；第三，强化产学研协同，与高校共建联合实验室，共享技术风险与成果转化收益。面对地缘政治挑战，我们以“国产替代+开源生态”双擎驱动，通过开源工具链构建技术生态壁垒；同时依托算法创新实现软硬协同破局。某个角度看，封锁是创新的催化剂，我们用“软件定义算力“打破硬件掣肘。

融中财经：对比中美AI底层生态，您认为目前国内处于何种状态？随着AI产业的快速发展，中国创新企业，实现国产替代弯道超车的突破口在哪里？

方磊：当前中国AI底层生态正处于“应用反哺基础、加速自主攻坚”的关键阶段。相较于美国在芯片架构、基础算法等领域的长期积累，中国凭借场景纵深与产业协同优势，正实现跨越式追赶，但在如高端芯片制程、深度学习框架生态等基础层仍存代际差距。实现弯道超车的突破口在于：

第一，垂直场景驱动的软硬协同创新，通过高频刚需场景反哺算法迭代，利用国产芯片构建“算法-算力-数据”闭环；

第二，开源生态与行业标准主导权争夺，构建从框架到模型的全栈开源生态，吸引全球开发者；依托DeepSeek等企业开源大模型权重及生态，建立中国标准，形成自主技术话语权；

第三，政策引导的算力基建协同，借力“东数西算”工程优化资源布局，通过算法压缩突破算力封锁，构建成本优势护城河。中国正在将全球最大的实体产业数据红利转化为底层技术突围的加速度。

融中财经：AI系统的性能往往高度依赖于数据规模和质量。虽然无监督学习和强化学习在一定程度上缓解了对标注数据的依赖，但大多数应用仍需庞大的数据集进行训练。如何确保数据的高质量应用？如何在确保AI性能的同时，有效保护用户隐私和系统安全？

方磊：在AI系统开发中实现数据质量与隐私安全的双轮驱动，需构建“技术+机制+生态”三位一体的解决方案。通过全链路数据治理体系保障质量：采用多模态数据清洗技术、智能标注平台以及数据增强算法，控制模型训练数据的误标率；创新隐私计算框架：依托联邦学习架构实现数据“可用不可见”；建立动态安全防护机制：采用同态加密保障推理过程数据安全，通过知识蒸馏技术将大模型能力迁移至轻量化终端模型，既满足边缘侧低时延需求又避免原始数据外泄。

融中财经：大模型落地需要工程和算法的协同创新，如何建立开放协作的AI产业生态？产学研合作能起到哪些关键作用？

方磊：当前我们正通过开源社区贡献率与行业标准制定权，构建技术话语权与生态粘性，其中包括：

建立分层协同的开源体系，通过开源算法框架与工具链，推动算力调度、分布式训练等核心技术的生态共建，降低中小企业的应用门槛；

打造数据与算力共享平台，依托行业级数据联盟和异构算力调度方案，实现跨领域数据合规流通与算力资源弹性复用；

构建产学研动态联盟，通过联合实验室和“课题制”柔性协作模式，加速算法优化与场景落地的闭环验证。产学研合作的关键作用体现在：技术转化层面，高校的算法突破与企业工程能力结合，可将理论成果转化为工业级解决方案；

资源整合层面，政企协同的数据治理体系与算力基建，为生态提供底层支撑；

生态协同层面，动态联盟机制推动“芯片-框架-应用”全栈协同，突破软硬件适配瓶颈。

融中财经：在AI时代下，现有的软件架构体系是否发生颠覆变化？以后软件架构会如何？

方磊：是的， AI正推动软件从“功能模块化”向“智能体化”演进。

架构范式从单体架构到微服务架构到AI原生架构，智能体协同后进行自主演化，软件将演变为“会思考的智能网络”；商业逻辑层面，软件服务正从功能交付演进为“智能体即服务”。

未来趋势将呈现“双核驱动”：云边协同架构支撑实时推理，智能体集群通过任务拆解与工具调用实现复杂业务闭环，同时隐私计算与同态加密技术保障架构演进中的安全合规。