北电数智谢东：AIDC已从“资源容器”转向主动赋能产业的“智能生产系统”

来源：市场资讯

（来源：环球网资讯）

来源：环球网

【环球网科技报道 记者 林迪】2025年，人工智能正从技术探索迈向规模化落地的关键拐点。企业对AI的需求已不再局限于单一的算力供给，而是转向“数据—算力—模型—应用”全链路的智能支撑。在这一深刻变革中，传统数据中心（IDC）正加速向人工智能数据中心（AIDC）演进，成为推动新质生产力发展的核心基础设施。在此背景下，北电数智以“AI工厂”理念为核心，构建起面向产业未来的AIDC范式，正在重新定义算力的价值与边界。

从资源中心到“能力中心”

“AI产业规模化落地的核心需求是‘无感化用AI’。”北电数智首席技术官谢东告诉记者，“这正是AIDC从资源中心转向能力中心的核心逻辑。”在他看来，真正的AIDC不应只是算力的堆砌，而应是一个能够持续输出智能产出的生产系统。

据介绍，这一理念在佛山南海桂城智算中心得到了实践。

作为北电数智首个镇街级智算中心，该项目通过深入对接当地多家AI生态企业与工业企业，精准把握千行百业的实际需求，实现了“算力跟着产业需求走”的按需供给模式。这种“智能调度+生态链接”的机制，有效解决了长期存在的“算力供需错配”问题。

“我们不是单纯提供算力，而是构建一个覆盖数据、算力、模型和应用场景的全栈协同体系。”谢东强调，通过适配多款国产芯片、搭建全栈兼容架构，企业无需关注底层技术细节，即可直接调用贴合自身业务场景的AI工具——无论是制造业的研发仿真，还是文旅行业的AIGC内容创作，都能快速实现智能化升级。

“AIDC的本质已发生根本性转变——它不再是被动承载计算任务的‘资源容器’，而是主动赋能产业的‘智能生产系统’。”正如谢东所言：“AIDC的设计目标，是从‘保证连接’转向‘持续输出智能产出’。”

在全球AI产业集群发展中，“算力扎堆”并不等于“产业成群”。不少地区虽投入巨资建设算力设施，却因缺乏产业联动与生态培育，陷入“有算力无应用”的困境。对此，谢东明确表示：“AIDC与传统IDC的核心区别在于，它的本质是‘产业智能生产力的培育载体’，而非单纯的算力设施。”

他认为，要真正成为区域AI产业集群的“核心引擎”，关键在于做好三件事：一是“需求承接”，即深入理解地方产业痛点，如制造业的生产优化、政务治理的效率提升等，将AI技术转化为可落地的解决方案；二是“要素聚合”，整合算力、数据、模型、企业和人才等多元资源，搭建高效的供需对接平台；三是“能力沉淀”，通过人才实训、标准输出等方式，帮助区域建立可持续的AI创新能力。

他以北电数智与佛山的合作为例进行说明。依托AIDC底座，双方不仅共建了“AI+制造+文旅”的产业生态，更推动形成了本地化的智能创新闭环。“AIDC的价值，在于支撑新质生产力、决定区域智能边界。”谢东总结道。这一模式表明，只有当算力深度融入产业场景，才能真正释放其经济与社会价值。

技术突破与成本平衡：让数据从负担变为生产力

随着AI进入大模型时代，产业对“持续训练、实时推理、智能协同”的需求远超传统数据中心的设计极限。面对高密度算力需求与能耗控制之间的矛盾，AIDC必须在技术架构上实现根本性突破。

在北京数字经济算力中心——即“星火・761”项目中，北电数智交出了一份答卷：实现1000P算力规模的同时，PUE（能源使用效率）低至1.146。这一成绩的背后，是复合制冷、算电协同等一系列前沿技术的集成应用。

“我们在架构设计上完成了从‘硬件堆叠’到‘全链路协同’的变革。”据谢东介绍，更重要的是，这种高性能与低能耗的统一，并非以牺牲灵活性为代价。相反，AIDC通过软硬协同架构，具备强大的动态适配能力，能够灵活应对大模型迭代和多样化行业场景的变化。“我们的目标不是建一座静态的机房，而是打造一个可演进的智能生产系统。”谢东补充道。

这一理念也体现在对国产芯片生态的支持上。针对“适配难、落地慢”的行业痛点，北电数智通过国产算力PoC平台，已完成11款国产芯片的适配，并实现其中10款的规模化纳管。企业无需单独进行底层适配，便可按需调用最适合自身业务的算力组合。

“异构算力的核心价值，在于降低产业AI化的适配成本，同时提升国产芯片的落地效率。”谢东指出。这种“芯片—算力—产业”的正向循环，不仅增强了我国AI产业链的自主可控能力，也为千行百业提供了更加灵活、多元的技术选择。

在AI时代，数据既是核心资产，也可能成为沉重的成本负担。许多企业面临“存储成本激增”与“数据资产化难”的双重困境。对此，谢东表示，“我们的解法不是简单增加存储，而是推动数据全生命周期的智能治理与价值转化。”

这一思路已在北电数智最新发布的白皮书《从计算到认知：AIDC发展路径与未来展望》中系统阐述。具体而言，AIDC通过三层体系实现数据的价值跃迁：首先是分级存储与智能调度，根据不同数据的价值密度分配资源，避免无效存储；其次是建设可信数据底座，确保数据的安全合规，为资产化奠定基础；最后是开展场景化数据赋能，例如为传媒行业提供用户行为智能分析，为制造业提供生产流程优化建议。

“本质上，AIDC是通过‘数据—算力—模型’的协同，让数据从静态资产变为动态的智能生产要素。”谢东强调，这一过程不仅是技术的升级，更是商业模式的重构——数据不再只是成本项，而成为可衡量、可交易、可增值的战略资源。

可复制、可工程化的“AIDC方法论”

随着AI自动化决策在金融、医疗、制造等关键领域的广泛应用，如何确保系统的“可控、可信”，防止技术偏离产业需求与人文价值，已成为不可回避的议题。

对此，北电数智提出了“AIDC全栈安全体系”的解决方案。该体系涵盖三个层面：在技术层面，于模型训练和数据输入环节嵌入产业需求校验机制，确保智能决策符合实际业务逻辑；在机制层面，建立“人机协同”流程，要求自动化决策必须结合产业专家的经验复核，避免技术孤立运行；在治理层面，则通过数据分级、模型审计和权限管控，保障决策过程可追溯、可修正。

“比如在制造业AI方案中，我们会结合企业的生产工艺标准设置决策边界；在文旅AI应用中，则融入文化价值导向。”谢东举例说明，“技术必须服务于产业与社会需求，而不是反过来。”

据介绍，上文提到的“星火・761”项目，其意义不仅在于创造了“1000P算力+1.146 PUE”的技术奇迹，更在于验证了一套可复制、可推广的实施路径。

谢东将其成功经验归结为两点：一是“需求导向”，即先明确区域产业发展的真实需求，再据此规划建设内容；二是“体系化建设”，即通过“高密度算力集群+全栈协同架构+智能运营体系”的组合拳，构建真正贴合产业节奏的AIDC平台。

目前，该平台已在政务、医疗、工业、AI for Science（AI4S）等多个领域落地应用，展现出强大的跨行业适应能力。它不仅是北京的城市AI工厂，更为其他城市提供了宝贵的参考样本。

正如谢东所说：“AIDC的长期适配性，源于其‘可演进’的设计逻辑。”模块化架构支持弹性扩展，全栈适配能力兼容不同代际的技术演进，闭环优化体系则通过产业反馈持续迭代平台功能。这种动态进化的能力，使AIDC能够在AI大模型快速迭代、应用场景不断丰富的背景下始终保持生命力。

当算力不再是稀缺资源的代名词，而成为智能产出的生成器时，AIDC的时代才真正到来。北电数智的实践表明，下一代数据中心不仅是技术设施的升级，更是产业逻辑的重构。

“我们正处于从‘计算’走向‘认知’的关键节点。”最后，谢东总结道：“AIDC的使命，是让每一个组织都能无感地使用AI，让每一份数据都转化为智能生产力。”从“托管资源”到“生成智能”，从“成本中心”到“创新引擎”，AIDC正在重塑算力的价值链条。它不再孤立存在，而是深度嵌入城市治理、产业升级和社会发展的毛细血管之中。