当前，随着大模型向MoE(混合专家系统)架构演进、智能体应用规模化落地，AI算力需求正从“单一性能追求”转向“高效调度、弹性适配、绿色低碳”的综合诉求。论坛现场呈现的技术突破与实践案例显示，AI算力已不仅是技术创新的“幕后推手”，更成为企业突破业务瓶颈、抢占智能时代先机的核心竞争力。

AI 算力发展：架构突破、效能跃升、生态协同

AI算力正经历从“资源供给”到“创新支撑”的关键转变，其发展核心围绕三大方向展开：全链路效能提升、架构适配性突破、产业生态协同深化。

效能提升是算力落地的关键命题。论坛上，百度智能云基础公有云部总经理孟宪军表示，百度智能云已实现两大突破：一是发布百度百舸AI计算平台5.0，同步上线昆仑芯超节点，推理性能较传统架构大幅提升，可有效缓解大模型训推的算力缺口;二是在具身智能、互联网等领域实现高渗透率，为10余家头部企业提供万卡规模集群交付，支撑智能客服、推荐系统等场景实现“质的飞跃”。

百度智能云基础公有云部总经理 孟宪军

从技术底层看，大模型架构的迭代是驱动算力革新的核心动力。百度智能云AI计算首席科学家王雁鹏指出，MoE架构已成为主流趋势 —— 相比传统稠密模型，MoE通过“扩大参数量但控制计算量”的逻辑延续Scaling Law(缩放定律)，但也带来了参数量激增、通信占比提升的新挑战。

生态协同则体现在“软硬一体”与“跨行业合作”两方面。英特尔等合作伙伴的参与，形成了从芯片、计算平台到行业应用的完整链条。正如孟宪军所言：“AI 算力的价值不仅在于硬件堆叠，更在于构建‘高效算力+工程体系+产业实践’的创新底座，这需要产业链各方共同探索。”

从“单一算力供给”到“全栈算力生态”的技术升级

论坛聚焦百度智能云在算力基础设施领域的全栈创新，尤其是百度百舸5.0的技术突破与实践落地，为行业提供了可复用的解决方案。王雁鹏在《AI基础设施新范式，百度百舸5.0技术深度解析》中，详细拆解了百舸5.0的核心升级方向。针对当前算力场景“训练与推理混合、中心云与边缘云协同、Dense与MoE 模型并存”的特点，百度百舸5.0构建了三大能力：

百度智能云AI计算首席科学家 王雁鹏

首先是实现资源的高效调度，百度百舸支持数百个SFT(有监督微调)任务同时运行，从而达成中心云与边缘云算力的一体调度及强化学习训推一体部署，显著提升资源利用率;其次，百度百舸5.0拥有全生命周期支持能力，从AI开发、训练到推理的全流程提供工具链支撑，比如针对MoE模型的分布式并行策略，可依据MLP大小、Attention规模动态调整TP(张量并行)切分方式，实现“混合并行”适配。

第三，百舸5.0还具备性能极致加速能力，在FP8精度优化上，通过分阶段量化策略解决 Loss发散问题，结合算子融合与通信优化使整体训练效率提升30%，在推理场景中，借助PB分离(Prefill 与 Decode 分离)、VIT 分离等架构优化，实现16K上下文输入0.5 秒首token响应、128K输入3秒响应，满足在线业务低延迟需求。

此外，昆仑芯的突破成为国产算力的重要亮点。王雁鹏表示，百度已建成3万卡规模的国产芯集群，通过解决“扩展性、稳定性、精度”三大挑战，使昆仑芯成为可训练先进大模型的国产芯片。例如，昆仑芯P800凭借独立张量核心与向量核心架构，可实现通信与计算并行，MoE推理效率达行业领先水平;32卡全互联的昆仑芯超节点，在易用性(无需机房改造)、成本(与8卡机器接近)与性能(训推效率提升 30%-100%)间实现平衡，成为MoE模型的理想载体。

软硬协同与全产品矩阵：百度智能云的算力生态构建

在软硬协同的大背景下，百度智能云不仅在硬件适配方面不断优化，在云产品技术层面更是持续创新。百度智能云的全新云产品整合了前沿技术，旨在为用户提供更高效、更智能、更便捷的云计算服务。百度智能云技术委员会联席主席郑然在《AI原生云再进化：百度智能云全新技术与产品全景解读》中，进一步展示了算力生态的“全产品支撑”。除百舸平台外，百度智能云在计算、存储、网络三大领域同步升级：

计算领域：发布机柜式超节点(UltraServer)，实现32卡高速互联，MoE性能较传统单机8卡提升50%;基于太行DPU技术，GPU虚拟机性能无限接近物理机，同时推出弹性临时盘，兼顾本地盘性能与云盘扩展性;

存储领域：沧海存储针对AI Workload优化，支持分布式KV Cache、异步CKPT读写，对象存储开放Pytorch/Ray SDK，数据预处理效率得以提升;统一存储底座实现块、对象、文件存储的协同，元数据系统性能入选SOSP 25大会论文;

网络领域：针对MoE动态通信需求，优化HPN网络带宽20%，通过弹性RDMA技术实现KV Cache传输与计算隐藏，同时构建“Overlay + 物理网络”全链路监控，故障定位效率大幅提升。

百度智能云技术委员会联席主席 郑然

总之，生成式AI时代的算力生态，需要“计算 - 存储 - 网络”的深度协同，百度智能云通过全栈技术创新，让算力从“可用”走向“好用”，支撑企业应对大模型与智能体的复杂需求。

在AI基础设施的搭建中，硬件算力的支撑至关重要。作为百度智能云重要的合作伙伴，英特尔从面向终端与边缘的AI算力需求酷睿Ultra处理器，到面向通用服务器承载AI大模型的至强处理器，再到针对中等规模AI负载的锐炫系列显卡，最终延展至专为生成式AI定制的高性能Gaudi-2E AI加速器，构建出覆盖从低并发到高并发、从边缘到云的完整AI算力图谱。

英特尔数据中心客户软件工程部总监 汪洋

论坛上，英特尔数据中心客户软件工程部总监汪洋详细介绍了Gaudi2E AI加速器，专为生成式AI设计，支持96GB HBM显存，单机可部署DeepSeek 671B满血版模型，性价比大幅度领先同类产品;推理性能优异，支持延迟敏感，高并发高吞吐等多种实时/离线推量场景的需求，即将在百度智能云千帆大模型平台上线。

超大规模算力集群 从建设到提效的实操路径

论坛不仅聚焦技术突破，更以业务实践为锚点，将 AI 基础设施落地之路，按建设规划、使用提效、运维运营等环节层层拆解，深挖各环节的核心挑战和解法思路，为企业打通算力落地的关键堵点，提供全周期实操路径。

百度智能云混合云部总经理 杜海

百度智能云混合云部总经理杜海以《超大规模集群建设：极致释放算力效能》为题，分享了超大规模算力基础设施的建设挑战与解决方案。依托于此方案，百度智能云落地的 3.2 万卡全国产智算集群去的三大行业突破：万卡集群有效训练率 98%、PUE 1.199、并获得万卡规模智算集群服务稳定性的五星级认证。

其核心实践包括：

AIDC 部署与算能协同优化：采用“度冰川+度灵溪”分布式制冷架构，结合液冷技术解决高功耗散热难题;引入“一体化+储能”供电体系，绿电直供降低能耗;创新“向心布局”，控制算力节点到网络核心的延迟波动;

跨园区组网突破：通过自研高性能交换机与RDMA协议优化，实现150公里跨园区长传，大模型训练性能损耗控制在3% 以内;采用二层多平面组网与自适应路由技术，集群规模可扩展至13万卡，吞吐性能提升20%;

训练与推理提效：在基础设施层面，通过新一代智算底座进一步提升单节点与集群的吞吐效率;在资源管理与控制面进行针对性优化，有序支撑上万节点，高效调度算力资源;基于模型特点(如 MoE 模型)，通过并行策略匹配、PD 分离部署、All-to-all 算子优化等多种手段，实现训练和推理场景的大幅性能提升;

运维与安全体系：构建从故障感知+自动处置+全局可观测”的运维体系，通过全链路软硬件质检监控体系可识别280余种GPU故障，故障召回率98%;借助端到端一站式运维管理平台，实现全路径的资源管理、监控，以及对任务故障的快速定位和修复。

杜海表示：在算力跨越式增长的当下，既要把算力建好，更要把算力用透。百度智能云混合云已经打造并运营了多个千卡、万卡规模的智算实践案例，希望与更多的伙伴共同迈入超大规模 AI 基础设施从“优质建设”到“高效使用”的新征程。

从“技术探索”到“行业落地”的实践指南

在不同行业中，AI技术的应用在不断深入与细化。计算机视觉领域、汽车行业等都在积极拥抱AI技术，实现智能化转型。格灵深瞳、汽车之家等企业代表分享了算力落地的标杆案例，展现 AI 算力的产业价值：

在世界模型(World Model)成为全球AI研究新焦点的背景下，格灵深瞳技术副总裁冯子勇、算法研究院院长阐述了视觉理解在这一技术演进中的核心地位。他指出，世界模型需要对环境进行感知和认知，而视觉是人类与外界交互的主要信息来源，因此强大的视觉编码能力是世界模型准确理解现实世界的基石。

格灵深瞳技术副总裁、算法研究院院长 冯子勇

冯子勇分享了格灵深瞳自研视觉基础模型Glint-MVT的发展脉络和技术亮点。该模型通过 “基于间隔的Softmax损失函数”“多标签训练” 等创新，在检测、分割、VLM(视觉语言模型)等任务中表现优于CLIP、SigLIP等主流模型。其训练过程中，借助百度百舸平台实现多模态数据高效拼接，训练效率提升3倍，助力Glint-MVT 快速迭代至v1.5版本，未来将进一步支持视频与图像统一编码。

除了计算机视觉领域之外，汽车行业也正经历着快速的智能化转型。面对通用大模型在垂直领域存在的知识幻觉、业务理解浅层和缺乏行动能力三大痛点，汽车之家算法平台部马宝昌分享了其行业大模型的“精耕”实践。基于汽车行业20年的数据积累，汽车之家构建了百万量级、准确率超99.5%的行业知识图谱，为模型提供了精准可靠的领域知识底座。

汽车之家算法平台部底层算法团队负责人 马宝昌

马宝昌表示，基于百度百舸平台，汽车之家搭建了“仓颉大模型平台”，采用“增量预训练+强化学习”的路径，创新性地将用户行为反馈、知识图谱校验和多模型协同评估融合为综合奖励函数(Reward)，指导模型在保持事实准确性的同时提升生成内容的转化效果。在百度百舸的算力支撑下，汽车之家实现三大突破：一是模型后训练效率和参配问答准确率的提升;二是构建层次化评测体系，解决通用大模型“答非所问”问题;三是通过强化学习优化AIGC内容质量，结合知识图谱降低幻觉率。

AI 算力加速成为“普惠型生产力工具”

当今，AI 算力已不再是“少数企业的专属资源”，而是通过架构优化、成本控制、生态协同，逐步成为千行百业可复用的生产力工具。百度智能云的全栈算力体系(百度百舸 + 昆仑芯 + 全产品矩阵)，英特尔的硬核算力支撑，以及格灵深瞳、汽车之家的行业落地，共同验证了算力“从技术到价值”的转化路径。

未来，随着MoE模型、智能体技术的持续演进，AI算力将面临“更大规模、更优效能、更绿色低碳”的挑战，但同时也孕育着更大机遇 —— “算力的竞赛本质是创新力的竞赛”。百度智能云将与产业链伙伴共同构建算力生态，让算力真正成为企业智能化转型的“核心引擎”，推动数字经济高质量发展。