通信世界网消息（CWW）当前，AI已成为重塑产业竞争格局的核心变量之一。2025年国务院发布《关于深入实施“人工智能+”行动的意见》[1]，明确提出到2027年重点行业智能体应用普及率要突破70%。然而，多数企业的数字化底座建设仍沿用传统模式，各类系统“竖井林立”，数据“沉睡孤岛”，算力以通用CPU为主，网络仍停留在传统三层架构，无法支撑大规模AI应用（如智能体等）。现阶段，AI应用的核心矛盾体现在以下三个层面。
一是算力供需错配。通用算力、智能算力、超级算力、边缘算力并存，自建机房与公有云租赁混搭，多云环境成为常态。然而，资源丰富性并未带来易用性——接口标准不统一、性能指标参差不齐、计费模式复杂，企业陷入算力账算不清、能力比不了、资源调不动的困境。训练、微调、推理等不同任务对时效、规模、成本的差异化需求，更使资源高效配置成为难题。
二是数据与模型重复建设。采集、治理、标注、资产化等环节缺乏统一体系，导致同类数据在不同项目中重复清洗，同类模型在不同场景中重复训练，同类能力在不同业务线重复开发。项目投入持续累加，却难以转化为平台化资产。
三是应用开发路径封闭。传统信息化项目的开发惯性依然强大，各业务线软件应用独立立项、独立采购、独立部署，即使引入AI能力，也往往被锁死在单一系统内。拓展AI新场景，往往需要反复对接ERP、CRM、MES等各类业务系统，接口开发周期长、成本高，算法代码与数据集分散在各个项目组，复用率低下。
今后一段时间内，企业信息化将经历从系统建设向能力运营的范式跃迁，而现有架构不能适应这一转变。
1 “智云苏服”的“AI+算网”架构
“智云苏服”是针对“十五五”期间企业全面拥抱AI需求，打造的“一站式服务能力+新型数字基础设施方案”平台。其核心设计逻辑是将IaaS、PaaS、DaaS、MaaS、SaaS的能力组件化并持续沉淀，使项目交付成果转化为可复用的数字资产，并最终形成面向千行百业的数智化解决方案。
平台采用分层解耦架构，自下而上贯通五层，如图1所示。
图1 “智云苏服”的“AI+算网”总体架构
1.1 IaaS层：统一集约的算力资源池
根据我国企业的实际需求，采用“自建核心+生态扩展”的建设模式。在自建算力方面，部署高性能AI训练集群与推理加速节点，覆盖GPU、NPU等主流加速芯片，满足核心算法研发及低时延业务需求；在生态算力方面，通过云网融合技术接入电信运营商、云服务商的闲置资源，形成弹性扩展的算力资源池。两类资源统一纳管、统一计量、统一调度，既保障核心业务自主可控，又及时扩容以满足突发算力需求。
针对多元算力形态，构建统一的算力抽象层与虚拟化引擎，通过容器化技术及异构资源调度框架，将物理算力转化为标准化的算力单元。依托确定性网络与算力路由技术，实现“云—边—端”算力资源的网络化协同，通过全局算力态势感知系统实时监测各节点负载，结合预测算法，进行任务预调度与负载均衡[2,3]。
1.2 PaaS层：标准化组件能力平台
提供多元化组件能力，降低AI开发门槛。
算力调度平台：实现异构算力资源的集中管理与智能调度，支持跨地域、跨云厂商的算力任务智能寻址与动态路由，根据业务优先级自动选择最优算力节点与网络路径组合[4]。
AI低代码平台：提供可视化拖拽式智能体编排画布，预置行业场景模板库，支持将数据服务、模型能力与业务逻辑进行模块化拼装；支持大模型一键接入，自动完成模型选型、参数调优、API封装与性能压测。
物联网平台：连接并管理海量物理设备，提供设备接入、数据采集、远程控制、规则引擎等核心能力，支持MQTT、CoAP、HTTP等多种通信协议，实现异构硬件的统一接入与全生命周期管理。
智能体平台：支持基于大语言模型、RAG、强化学习的智能体开发，提供记忆管理、工具调用、多智能体协作、任务规划与执行等核心能力，为自动化客服、科研辅助等复杂任务处理提供开发与运行环境。
训推平台：集成多模态数据预处理、模型微调、推理部署和运维监控等核心能力，支持大规模GPU集群的并行计算与高效调度，提供指令微调、RLHF对齐、模型压缩、量化推理等完整技术链路。
数据中台：通过统一的数据采集、存储、计算和服务体系，实现全域数据的汇聚融通与标准化治理，提供数据开发、数据质量管理、元数据管理、数据服务等能力组件。
1.3 DaaS层：数据资产化服务
针对AI大模型训练所需的高质量数据集，构建体系化的数据管理能力：建立统一的数据资产目录，实现对多源异构数据的自动发现、注册与分类分级；确立数据血缘追踪机制，清晰呈现数据从产生、加工到应用的完整链路；提供可视化数据的清洗、转换、融合工具，内置数据质量规则引擎，支持完整性、一致性、准确性自动检核；封装标准化数据API，支持业务系统按需调用，提供低代码数据开发环境，沉淀行业数据模型模板。
1.4 MaaS层：模型资产管理
平台支持千问、DeepSeek等基础大模型的集约化调用与本地化部署，为企业开发垂类大模型提供支撑：统一纳管本地部署、外部部署的主流开源或商用大模型，实现多模型能力对比与选型；建立模型版本管理机制，记录训练数据、超参数、性能指标等全量信息，沉淀可复用的模型微调方案、Prompt模板，评估数据集等企业模型资产；构建专业化智能体矩阵，涵盖投标、勘察、客服、审计、财税等业务场景，将通用AI能力转化为垂直领域的专业生产力[5]。
1.5 SaaS层：场景化应用落地
利用AI低代码平台、智能体平台等，复用各层提供的能力，满足企业对内和对外应用需求，支持同行业用户快速复制标杆案例。图1中SaaS应用围绕工程建设全生命周期开展，目前包含数智工地、数智监理、数智运维、C-Park和C-Cooling等软件系统。在具体行业实践中，可以构建多行业场景的SaaS层。
2 电信运营商级的服务实现
“智云苏服”采用开放式架构设计，通过标准化接口与电信运营商基础网络深度耦合，构建网络即算力、算力即服务的运营格局。平台支持通过运营商专网或5G切片技术实现“一跳入云”，利用确定性网络技术保障AI训练与实时推理的端到端时延、带宽及抖动等指标。
在五层架构中全面植入电信运营商级的多租户隔离、弹性计量与SLA保障机制。IaaS层通过硬件级虚拟化与硬切片技术实现GPU/CPU资源的严格隔离与超分复用，支持按核时、卡时的电信级计费；PaaS层将算力调度、AI低代码等能力封装为标准化API，提供沙箱测试与自助开通服务；DaaS层构建数据资产交易平台，支持按次调用、按量计费的合规流通；MaaS层将垂类模型与智能体封装为可订阅服务包，承诺模型SLA；SaaS层支撑多租户应用市场的分级分权管理与弹性订阅。
为保障服务的可持续性，依托运维运营团队，建立覆盖IaaS至SaaS的全栈电信级运维体系，对算力负载、网络流量进行实时预测与异常检测，结合自动化故障自愈机制，将故障修复时间压缩至分钟级；同时按照电信级容灾标准构建“同城双活、异地灾备”体系，确保极端情况下核心业务不中断、数据“零丢失”。
3 “AI+算网”创新实践
某大型集团的数字化底座长期采用总部集中管理、企业就近生产的模式，随着AI由试点走向规模推广，矛盾集中暴露，主要包括：算力供给分散且智算能力不足；跨地域、跨园区、跨云协同常态化，但网络质量难保障；数据与模型资产化需求强烈，但统一工具与沉淀机制不完善。
针对这些痛点，“智云苏服”提供如下解决方案。
算力资源池化：将分散在总部、各园区、各云厂商的GPU/NPU/CPU资源统一接入算力资源池，通过异构算力统一封装技术屏蔽底层差异。在总部及重点园区部署高性能AI训练集群，同时接入电信运营商、云服务商的智算资源，将其作为弹性补充。依托算力调度平台的预测算法，提前感知各园区算力需求潮汐规律，自动触发跨资源池的任务迁移与负载均衡，提升整体算力利用率。
云网融合调度：在现有园区互联网络基础上部署确定性网络技术，为AI训练、实时推理等关键业务提供带宽保障、时延可控的专属通道。算力调度平台与网络控制器深度联动，基于实时网络时延、带宽利用率、算力负载进行联合决策，自动选择最优传输路径。在重点园区部署边缘推理节点，通过“云—边—端”协同架构，将部分对实时性要求高的AI应用下沉至园区本地处理。
能力组件化沉淀：建立集团级统一数据资产目录，对多源异构数据进行自动发现、标准化治理；训推平台自动记录每次模型训练的全量信息，经过生产验证的优质模型进行封装后进入模型资产库，支持同领域其他园区通过低代码方式一键微调复用；AI低代码平台将数据服务、模型能力、业务逻辑抽象为标准化组件，支持跨项目拖拽复用，使交付周期从数月缩短至数周。
4 未来与展望
目前，企业智能化转型的竞争焦点，正从单点资源或单一平台能力，转向将算力、数据、模型、行业应用沉淀为稳定且可复用的服务与产品，形成可持续运营的SLA与成本体系，并通过标准化、智能化与组件化实现跨用户、跨场景的规模复制。
“智云苏服”的商业模式并非传统的项目制一次性交付。除提供整体解决方案、分层软硬件产品和专业服务外，还可借鉴电信运营商的服务范式，以“AI+算网服务运营商”的身份，向企业提供按需订阅的算力资源、网络保障、数据治理、模型训练及智能体应用等多元化服务，使其享受标准化的SLA保障、弹性计费、即开即用和7×24小时的专业运维支持。这种轻资产的运营模式，将大幅降低企业AI应用门槛，使先进的人工智能能力真正转化为普惠性的公共服务基础设施，加速企业向全面使用AI的范式转变。
参考文献
[1] 国务院. 关于深入实施“人工智能+”行动的意见[Z]. 国发〔2025〕11号. 北京: 人民出版社, 2025.
[2] 赵宝康, 时维嘉, 周寰等. 算力网络研究进展：架构、关键技术与未来挑战[J]. 上海理工大学学报, 2024, 46(6): 600-609.
[3] 中国电信. 云网融合2035技术白皮书[R]. 广州: 中国电信研究院, 2025.
[4] 中国信息通信研究院. 云计算蓝皮书（2025年）[R]. 北京: 中国信息通信研究院, 2025.
[5] 中国信息通信研究院. MaaS框架与应用研究报告（2024年）[R]. 北京: 中国信息通信研究院, 2024.
