浪潮云以集約思維建AI工廠，模型生產周期縮至20天

2025年10月15日，筆者走進位于山東省濟南市的浪潮人工智能模型工廠。這座工廠并不算大，因為浪潮云在建設該工廠時始終秉持“集約”的原則。它只有九個車間，但卻有著技術層面的“別有洞天”。有的車間里并列擺著幾臺大屏，上面滾動顯示著不同客戶訂單的最新進展；也有的車間里擺放著載有海量數據的大屏，數據處理全程無需真人參與，只需一位真人工程師在旁邊監督工作；還有的車間里擺有機器人和機械臂，一旁的工程師正在對著它們做測試。在浪潮云內部，九個車間被稱為“九大單元”，它們分別是數據車間、模型車間、評測中心、集成車間、客戶服務中心、產品工程中心、安全中心、設備管理中心及調度服務中心。目前，該工廠已積累75道工序及180套工具，實現了數據、算力、算法全面布局。

之所以建設這所工廠，浪潮云的思考是：如果人工智能模型的生產像工業制造品一樣變得高效和可控，人工智能便有可能轉向數據質量、工藝流程整合與生態構建。對此，浪潮集團執行總裁、總工程師，浪潮云董事長肖雪表示，這便是浪潮人工智能模型工廠“集約”的目的所在，而這種集約體現在多個方面。

首先是算力集約。由于算力成本和算力獲得都有一定難度，因此要進行算力集約，把企業單獨購買的算力用服務的方式解決。其次是算法集約。當前開源算法越來越多，基礎模型的能力越來越強。這時就會面臨這樣一個問題：以前的產業結構是做一個項目、簽一個大單。它的特性特別簡單，因為之所以能被稱為項目，首先要有明確需求比如有明確的成本要求和時間要求，只有這樣才能進行交付。但是，人工智能到底會在多久之內訓練出怎樣的成果？這不僅是不確定的，而且人工智能的訓練成果還需要在數據驅動中進行長周期的持續迭代，因此要進行算法集約。再次是人力集約，即不再采用人力散開的方式，而是將人力集中起來。最后是安全集約。人工智能的訓練安全是一個重要問題，因此要為其建立相應的安全底線和安全體系，最好的辦法是在數據和應用上進行集中管理。據了解，浪潮云所使用的方式包含技術手段和政策手段兩部分（即模型備案+數據沙箱），能夠很好地解決一些安全問題。

與此同時，肖雪表示，集約并不是浪潮云的首創，而是一種發展的必然。以前的研發類似于手工作坊，依賴編程人員的開發能力，而且出貨速度較慢。當改為現代工廠的模式，通過工藝、工序、工具和流程把它鎖定，就能把整體生產能力提升到較高水平。一旦實現了集約和高效，就會出現更高質量、更低成本、更高效率的模型的制造。肖雪表示：“我們從過去平均一個模型的需要90天制造時間，到現在已經壓縮到20天左右，整個平均效率提升了75%左右。”

對于一家工廠來說，有了訂單之后就會積累數據。而一個基礎設施必須具備解決相關數據問題的能力，才能被稱為基礎設施，如果只能解決單項問題那就不是基礎設施。對于浪潮人工智能模型工廠來說，如何在數據上建立不同的基于分布式數據的存儲方式和安全方式？如何在運行中實現沙箱建立和持續的安全保障？都需要通過使用一定的治理方式來解決。正因此，浪潮人工智能模型工廠希望通過打造人工智能基礎設施來解決各行各業的關切，推動人工智能在各行各業的快速應用。事實上，這座工廠本身也是一個標準的生態體系和產業集群。目前，浪潮云的出海聯盟合作伙伴已有400多家，這讓其已實現了人工智能的全產業整合。面對各行各業，浪潮人工智能模型工廠在每一個產業鏈節點上都有能力進行整合。目前，在該工廠的九個車間里，已能包含人工智能產業的全部生態位。

肖雪表示：“依托這些客戶積累，我們一方面可以選擇能力最優者，另一方面可以根據用戶需求選擇能力最優者，通過讓能力最優者來使用工具或使用能力最優者的工具，進而通過相關的基礎能力來服務于產業。”

他進一步指出，所有產業都要學會使用好工具。但是，如何使用好工具不是一個經驗問題，而是一個專業問題。浪潮人工智能模型工廠希望把這一專業問題進行工具化和產業化，通過產業集群的構建，來結合相關能力和應用進而服務于產業。肖雪表示，在浪潮云的合作伙伴里，既有大家非常熟悉的互聯網大廠，也包含幾乎所有的芯片廠商。這些企業在浪潮人工智能模型工廠都擁有自己的資源池，而浪潮云可以為他們做不同資源池的基于國產算力的延展。以浪潮云做的數據標識為例，相關產業的合作伙伴也都參與到了其中。“你是化工行業的，我們會有具備化工標識能力的企業上去；你是鋼鐵行業的，我們會有具備鋼鐵標識能力的企業上去，這實際上更多是一個生態位和集群的體現。”肖雪說。

未來，浪潮將在已建成的通用算力中心以及人工智能模型工廠基礎上，到2025年底建成人工智能智能體工廠和訓練場，推動人工智能科技創新與產業創新深度融合，為社會提供更全面、高效的算力服務，將集約“進行到底”。