专访范式智能曾慈雯：AI规模化落地拐点下，异构算力中间层的生存逻辑

2026年AI产业进入落地深水区，巨头会议共识显示竞争重心转向规模化落地效率。国内多架构算力并行下，异构纳管与跨芯片适配成刚需，但第三方中间层基础设施厂商的长期价值仍待市场验证。

范式智能（06682.HK）首席战略官、资本市场副总裁曾慈雯在接受证券时报记者专访时表示，算力供给不再是行业核心瓶颈，异构调度、模型适配与推理成本管控，将影响AI能否转变为全行业可普惠使用的常态化生产力。

算力转型，从AI软件服务商到AI Infra公司

范式智能的技术起点可追溯至机器学习和决策类AI阶段，由此沉淀了对复杂企业场景与生产级系统的深度理解。随着大模型爆发，企业需求向全链路自动化延伸，公司业务随之从决策智能底座拓展至模型服务与全链路AI平台。基于AI已进入规模化落地阶段的判断，公司推出“AI Infra+MaaS”新战略，旨在解决企业在算力调度、跨芯片适配、推理稳定及Token交付等方面的共性落地卡点。

曾慈雯介绍，范式智能卡位AI产业五层价值链路（能源层—算力层—AI基础设施层—模型层—应用层）的枢纽位置，着力缓解行业三大痛点：

一是异构算力低效痛点，核心开源产品HAMi vGPU作为异构算力统一调度平台，支持多品牌、多类型算力卡虚拟化切分，最低可实现1%粒度的细粒度资源调度，在部分场景下可将行业平均不足30%的GPU利用率提升至最高90%，头部银行客户实测算力利用效率提升四倍。

二是跨芯片适配壁垒痛点，旗下ModelHub XC目前已覆盖华为昇腾、寒武纪、摩尔线程、海光等20余种芯片，沉淀的芯片与模型适配组合已超过30万组，计划2027年突破百万级，有助于降低企业重复适配、跨环境运维成本。

三是AI服务规模化落地断层痛点，公司将优化后的算力与适配模型转化为标准化MaaS服务，无缝嵌入企业业务流程，缓解多厂商拼接的落地卡点，降低AI从硬件到业务价值转化的摩擦。

商业闭环 五层飞轮驱动业务增长

技术层面的痛点解决之后，行业参与者需要搭建具备自我循环能力的商业模式，将异构算力能力转化为持续的业务收入。曾慈雯解释，范式智能构建的“开源拓生态—生产环境落地—持续效能优化—商业化交付—研发再投入”五层商业飞轮目前进入高速运转阶段。

开源生态层面，HAMi vGPU、ModelHub XC面向开发者、芯片厂商和企业用户开源开放，扩大生态覆盖面，降低技术普及门槛。

生产落地层面，在开源版本之外面向企业推出商业版 RISE、私有化AI平台等付费产品，目前已落地千余家企业生产环境，覆盖能源、运营商、高端制造、交通、航天等关键领域。

效能优化层面，依托客户真实生产环境打磨算力调度效率、拓宽模型适配广度，持续提升集群算力利用率、压降单位推理成本。

商业化交付层面，目前形成私有云、公有云两大收入来源：2026年上半年私有云AI平台业务营收达30亿元，同比增长约30%；公有云API业务收入4.64亿元，同比增长860.8%，Token调用量同比增长620%，当前公司可支配总算力规模达2.8万PFLOPS。

研发再投入层面，2026年上半年总研发投入达12亿元，研发人员占总人数比例达62%，前沿研发成果持续反哺开源产品迭代和平台能力升级。

赛道博弈，中立算力平台迎价值重估

曾慈雯表示，异构算力纳管已成行业刚需，vGPU优化能盘活存量、提升调度效率。当前竞争格局加速重构：芯片原厂自研软件栈、云厂商发力池化与托管、海外巨头并购补强。产业重心正从大模型向AI基础设施转移。

第三方中立平台面临双重挑战：一是芯片与云厂商倾向封闭生态，平台需在多方利益间寻求平衡；二是海量芯片与模型组合持续抬高技术门槛。叠加资本市场仍套用传统估值框架，赛道存在明显的估值认知差。多家券商研报认为，范式智能业务定位与增长驱动力已明显转变，未来有望受益于AI基建优化稀缺及企业AI落地缺口的双重机遇。

曾慈雯认为，中立平台的估值重估不宜依靠概念支撑，而需依托量化指标支撑，如底层基建收入占比提升，GPU利用率、Token成本、资本回报率等核心指标改善。行业已告别“有卡即赢”，算力供给不再是核心瓶颈，异构调度、模型适配与成本管控更是AI规模化落地关键。范式智能的规模化盈利，将为异构全栈基础设施商业化提供参考。

曾慈雯明确，中立是第三方AI Infra的根基，并非指无自研能力的中间商。核心原则是“不绑定客户、不绑架生态、不碰客户业务”，具体涵盖三层：技术上兼容多元算力模型，不强推自有产品；商业上只做底层底座，不切入客户赛道；数据上权属归客户，依托合同与技术双重保障，绝不挪用或用于训练自有模型。

在芯片原厂与云厂商的生态挤压下，第三方中立基础设施平台的独立价值仍待验证。后续季度的收入结构与经济指标，将检验其商业模式与产业空间。