[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-home-live-entry-setting":3,"site-header-contests":8,"site-header-camps":49,"news-detail-1755491e-b37e-4155-8e82-068fd583ecec":104},{"enabled":4,"title":5,"statusText":5,"buttonText":5,"campSlug":5,"stage":6,"classroomId":7,"hasClassroom":4},false,"",0,null,{"total":9,"list":10,"pageNum":44,"pageSize":45,"size":9,"startRow":44,"endRow":9,"pages":44,"prePage":6,"nextPage":6,"isFirstPage":46,"isLastPage":46,"hasPreviousPage":4,"hasNextPage":4,"navigatePages":47,"navigatepageNums":48,"navigateFirstPage":44,"navigateLastPage":44},3,[11,25,35],{"slug":12,"title":13,"logo":7,"liveUrl":14,"prize":15,"sponsor":16,"description":17,"organizer":18,"startTime":19,"endTime":20,"registrationDeadline":21,"status":22,"dashboardVisibility":23,"createdAt":24},"spring2026","2026春季启元人工智能大赛","https:\u002F\u002Fwww.bilibili.com\u002Fblackboard\u002Flive\u002Flive-activity-player.html?cid=1822703816&quality=0","200,000","麒麟软件有限公司","“2026春季启元人工智能大赛”是由启元实验室主办的面向全国人工智能领域开发者、科研人员及高校学生的权威赛事。大赛旨在促进与培养具备工程实践能力和创新能力的优秀人工智能领域开发者、推广国产软硬件技术与生态、助力国家人工智能产业高质量发展。\n各参赛选手需在规定的比赛周期内，依据赛事规则选定赛题并完成相应挑战，优胜者将共同角逐总额20万元的赛事奖金池，并且还将有机会获得实习和知名企业优质岗位内推资格。","启元实验室","2026-04-19 16:00:00","2026-07-13 16:00:00","2026-06-16 16:00:00","ongoing","private","2026-04-16 08:00:00",{"slug":26,"title":27,"logo":7,"liveUrl":14,"prize":28,"sponsor":7,"description":29,"organizer":18,"startTime":30,"endTime":31,"registrationDeadline":32,"status":33,"dashboardVisibility":23,"createdAt":34},"autumn2025","2025秋季启元人工智能大赛","150,000","“2025秋季启元人工智能大赛”是由启元实验室主办的面向全国人工智能领域开发者、科研人员及高校学生的权威赛事。大赛旨在促进与培养具备工程实践能力和创新能力的优秀人工智能领域开发者、推广国产软硬件技术与生态、助力国家人工智能产业高质量发展。","2025-11-08 08:00:00","2026-01-13 08:00:00","2025-12-30 08:00:00","ended","2025-11-03 08:00:00",{"slug":36,"title":37,"logo":7,"liveUrl":14,"prize":38,"sponsor":7,"description":39,"organizer":18,"startTime":40,"endTime":41,"registrationDeadline":42,"status":33,"dashboardVisibility":23,"createdAt":43},"summer2025","启元人工智能大赛(系统方向)","80,000","启元人工智能大赛由启元实验室主办，其中系统赛道基于启元实验室九源软件栈的相关开源项目，通过拉动开源社区力量，一方面促进国产智能计算生态的发展，另一方面也为人工智能系统方向的学生及从业者提供一个实践平台。","2025-07-08 08:00:00","2025-08-25 08:00:00","2025-07-22 08:00:00","2025-06-22 08:00:00",1,5,true,8,[44],{"total":45,"list":50,"pageNum":44,"pageSize":45,"size":45,"startRow":44,"endRow":45,"pages":44,"prePage":6,"nextPage":6,"isFirstPage":46,"isLastPage":46,"hasPreviousPage":4,"hasNextPage":4,"navigatePages":47,"navigatepageNums":103,"navigateFirstPage":44,"navigateLastPage":44},[51,62,73,84,94],{"id":52,"slug":53,"title":54,"logo":55,"publicLiveEmbedUrl":14,"description":56,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":16,"startTime":58,"endTime":59,"status":22,"dashboardVisibility":60,"createdAt":58,"updatedAt":61},"019eeeff-6b00-7d55-a629-efafded3e232","summer2026","2026年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2026-06\u002F019eef7f-7816-7828-9309-79c2c61dd568.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=AinPh5x442JZSqU5%2BvTUSkweWDI%3D","由启元实验室发起的InfiniTensor大模型与人工智能系统训练营，面向开源社区、高校及产业界伙伴开放。活动以「普及AI全栈知识技术、培养工程实践与创新型人才、推广国产软硬件技术生态」为核心目标，助力国家人工智能产业高质量发展。","...","2026-06-22 08:00:00","2026-10-19 08:00:00","public","2026-10-12 08:00:00",{"id":63,"slug":64,"title":65,"logo":66,"publicLiveEmbedUrl":7,"description":67,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":68,"startTime":69,"endTime":70,"status":33,"dashboardVisibility":23,"createdAt":71,"updatedAt":72},"019af3f3-e06a-7245-aa8d-37dc99a69c73","winter2025","2025年冬季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2025-12\u002F019afc69-b7ca-7805-91fb-605429671c01.png?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=jnU9qNboV7wk2P3hEfpTJn8ZKaM%3D","由启元实验室发起的InfiniTensor大模型与人工智能系统训练营，面向开源社区、高校及产业界伙伴开放。活动以「普及AI全栈知识技术、培养工程实践与创新型人才、推广国产软硬件技术生态」为核心目标，助力国家人工智能产业高质量发展。 \n","新华三技术有限公司","2025-12-25 08:00:00","2026-03-27 08:00:00","2025-12-06 08:00:00","2026-10-22 20:24:30",{"id":74,"slug":36,"title":75,"logo":76,"publicLiveEmbedUrl":7,"description":77,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":78,"startTime":79,"endTime":80,"status":81,"dashboardVisibility":23,"createdAt":82,"updatedAt":83},"01980342-208c-7803-b3f3-19e1d31960ba","2025年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2025-07\u002F0198045e-28fe-78f0-95fe-23835ce58395.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=7ex5MR5CS%2Fe1GoK%2Fz78FRPVB6b0%3D","InfiniTensor大模型与人工智能系统训练营由启元实验室及清华大学 AI 系统方向团队发起，面向开源社区、高校和产业界，普及人工智能各方面知识和技术，培养相关人才。训练营联合开源项目开发者、学术界大牛、工业界资深工程师参与授课与项目指导。课程采用「线上直播授课 + 在线答疑 + 项目实践辅导 」的方式进行，确保每位同学都能获得充分成长。训练营全程免费，通过视频、直播课、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。","北京积算科技有限公司","2025-07-14 08:00:00","2025-09-30 08:00:00","upcoming","2025-07-13 08:00:00","2026-10-22 20:24:58",{"id":85,"slug":86,"title":87,"logo":88,"publicLiveEmbedUrl":7,"description":89,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":90,"endTime":91,"status":81,"dashboardVisibility":23,"createdAt":92,"updatedAt":93},"01980cf9-a7d8-7796-ae86-0bbe05334add","winter2024","2024年冬季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Ftesting-cdn.infinitensor.com\u002Fuploads\u002F2025-07\u002F01981269-ce23-7624-a287-9f07dd0d85f6.jpg","InfiniTensor大模型与人工智能系统训练营由清华大学发起，面向开源社区、高校和产业界，普及人工智能各方面知识和技术，培养相关人才。训练营全程免费，通过视频、直播课、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。报名学员请阅读“导学”课程页的训练营介绍。","2025-01-05 08:00:00","2025-03-22 08:00:00","2025-07-15 08:00:00","2026-10-22 20:24:39",{"id":95,"slug":96,"title":97,"logo":98,"publicLiveEmbedUrl":7,"description":99,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":100,"endTime":101,"status":81,"dashboardVisibility":23,"createdAt":92,"updatedAt":102},"01980c20-363a-7dc3-8f5a-58a68e08dcc4","summer2024","2024年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Ftesting-cdn.infinitensor.com\u002Fuploads\u002F2025-07\u002F01981269-fbfa-788a-afcd-17fa9be74ff9.jpg","InfiniTensor大模型与人工智能系统训练营由清华大学发起，面向开源社区和高校，普及人工智能各方面知识和技术，培养相关人才。训练营全程免费，通过课程、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。","2024-07-20 08:00:00","2024-09-29 08:00:00","2026-10-22 20:24:49",[44],{"newsDetail":105,"processedData":128},{"publishTime":106,"img":107,"keywords":108,"treeType":44,"description":109,"showStatus":44,"updateTime":110,"type":44,"title":111,"content":112,"nextArticle":113,"createTime":118,"sortOrder":6,"canonicalPath":119,"id":120,"contentType":121,"prevArticle":122},"2026-11-09 16:00:00","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002Fc2b0d815-b5b2-4781-ac5d-c4196e3cf65e.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=aB9YaKdXIoQ%2BXkoLMguZzrKhtVo%3D","数智融合,智能体,存网算一体化,知识记忆,大模型","武永卫剖析数智融合发展趋势，分析数据智能系统割裂痛点，划分智能演进三阶段，提出数智融合开放架构，并展示软硬一体化落地实践成果。","2026-11-09 14:25:36","论数智融合新范式：数据与智能协同架构及实践","![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F49d40d12-3d98-4097-9db3-c9ff15651311.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=G1p841K%2BePpIrbkNrTYM%2BIP3%2FbU%3D)\n\n\n>**作者：** 武永卫\n**机构：** 清华大学\n**研究领域：** 智能计算系统、高性能计算、并行与分布式处理\n\n人工智能正加速走向产业落地。过去，行业更关注模型能力；今天，决定智能效果的因素已经不再只有模型本身，数据正在从幕后走向台前。知识与记忆的保存、上下文的供给、决策结果的反馈、经验的沉淀与利用，共同决定一个企业智能系统的真正效果。然而**数据系统与智能系统彼此长期割裂**，\n- 前者主要关注数据如何保存、组织和访问；\n- 后者主要关注模型如何计算、推理和决策。\n\n当智能越来越依赖于知识、记忆、经验和反馈时，这种分离正在成为智能系统的瓶颈。\n\n因此，构建一个企业智能系统需要思考的，是数据与智能能否真正形成一个统一、连续的系统。我们把这种由“数据支撑智能”走向“数据与智能双向赋能、深度融合”的技术范式称为 **“数智融合”**。\n\n### 一、智能演进正在重塑数据的角色\n\n从当前进展和未来趋势看，我们可以将智能系统的演进概括为三个阶段，数据在其中的角色与价值也在不断提升，智能每一次演进，都伴随数据规模、形态与组织方式的升级。\n\n**第一阶段**是以会说、会听、会看为主要特征的 **“模型即智能”** 阶段，这一阶段的核心载体就是通用大模型，高质量数据是影响模型能力上限的关键因素之一。然而，模型仍存在幻觉、知识时效性不足和行动能力受限等问题，这推动了人工智能向“系统即智能”阶段发展。\n\n**第二阶段**，智能进入 **“模型+知识与记忆+工具”** 的智能体时代，领域知识、业务历史数据、场景交互记忆等运行时数据，直接决定了智能体推理的准确性与决策的可靠性，数据已成为智能体运行时的核心资产。\n\n**第三阶段**，我们称之为 **“进化即智能”** 阶段。其中，自主进化世界模型是一个重要探索方向。在这一阶段，智能系统能够适应外部环境变化，在真实环境中开展行动与交互，并通过任务迭代持续学习和优化。此时，经验反馈、行为轨迹、成败教训等全流程数据，成为智能持续学习和能力演进的核心基础，是智能系统不可或缺的核心组成部分。\n\n这一演进过程的背后，是数据与智能耦合程度的不断加深。当数据从训练输入转变为运行时持续参与决策的资产，数据供给、状态一致性与反馈更新便成为系统的基本要求，仅靠接口连接两套系统的方式已难以充分满足这些要求。因此，数智融合是当前技术发展的必然趋势。\n\n### 二、数与智之间存在天然鸿沟，数据世界和智能世界仍然是“两套系统”\n\n这种分离具体表现为运行架构、对象体系和演进机制三个层面的问题。\n\n**在架构层面**，传统存网算架构存在数据供给效率不可控、跨层搬移开销高、异构调度低效的问题，严重制约智能应用的实时响应与规模化运行。\n- **在“存”的维度**，亟需探索访问时延接近 DRAM、容量接近 SSD 的新型存储介质，以支持知识与记忆数据按需实时供给。\n- **在“网”的维度**，UB、NVLink 等高速互联技术不断提升处理器之间的通信效率，但要减少跨层数据搬移、推动数据就近处理，仍需在数据路径与处理机制上进一步优化。\n- **在“算”的维度**，随着数据处理需求日益多样化、行业应用场景不断拓展，CPU\u002FGPU\u002FNPU\u002FDPU 等算力碎片化，缺乏统一资源管理与调度，导致协同效率与利用率持续下降。\n\n因此构建以数据为中心、软硬协同的存网算一体化架构，为数智融合构筑高效底座是研究重点。\n\n**在对象体系层面**，数据世界与智能世界在语义、粒度和价值量纲上存在三道鸿沟。\n- **语义上**，数据世界按文件、对象与语义关系组织数据，擅长基于符号的硬规则；而智能世界更多采用高维特征表征，侧重基于概率的软逻辑。硬规则与软逻辑两种语义必须协同，才能确保智能决策的可信可控。\n- **粒度上**，数据世界强调数据能存尽存，数据模态多样，规模可达 PB 至 EB 级；而智能世界强调任务级精准上下文，要求少量、相关、及时。需要在数据组织、索引和表征上进行技术突破，能以较低开销精准找到与当前上下文最相关的数据。\n- **价值量纲上**，数据侧追求数据的可靠性、一致性和持久性；智能侧则追求数据的实时性、动态性与持续演进，强调反馈与更新。\n\n**在机制层面**，从原始数据集到智能大模型，再到智能体应用是一个单向链条，缺乏有效的演进闭环机制。具体表现为：\n- 第一，反馈不沉淀，上下文意图、决策思维链、任务结果与环境反馈停留在日志中，缺乏有效的经验沉淀，没有转化为新的数据资产。\n- 第二，版本谱系割裂，数据、知识、记忆与模型的版本之间难以建立稳定的对应关系。\n- 第三，质量不联动，数据质量与模型效果缺少联动评价与归因机制。因此，需要构建反馈闭环与价值回流机制，驱动数据与智能共同演进，为数智融合建立长效机制。\n\n因此，**数智融合的核心目的是让正确的数据在正确的时间、以正确的语义进入智能过程，并让智能结果可信回流到数据世界**。\n\n### 三、数智融合开放架构\n\n数智融合不是数据系统与智能系统的简单叠加，而是面向数据存储、统一表征、智能协同与应用生态的全栈重构，实现数据与智能高效贯通、双向演进。其中，数据存储层、统一表征层和数智融合层分别回应上述运行架构、对象体系和演进机制的问题，应用层则汇聚各层能力，支撑行业应用。\n\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002Fe21d23bc-c3b6-4110-9e10-1f1c3348219d.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=wMs223kF7ylkTmBW6gDOoSeg60w%3D)\n\n**（一）数据存储层**\n以近数据处理和异构算力协同调度实现数据就近处理，缩短数据路径、减少数据搬移，提升数据处理与实时供给效率。在硬件层面，在存储控制器中内嵌专用计算引擎，支持近存向量运算、压缩解压、元数据处理等操作；在软件层面，统一计算侧协议栈和数据访问协议栈，按数据分布、访问频率与计算类型动态调度最优算力。\n\n**（二）统一表征层**\n统一组织数据、知识与记忆等对象，贯通语义、索引、版本和权限，实现多模态数据关联与上下文按需供给。统一表征层基于文件系统构建层次化索引，利用目录分域维护局部聚类中心，写入时仅增量更新关联子树与父级摘要，检索时通过层级摘要逐级路由，结合候选剪枝缩小检索范围，提高检索效率与匹配质量。除此之外，本层还提供多源数据汇聚、多版本控制、统一权限管理和数据沙箱能力，为智能层提供统一、高质量的数据视图，支持多模态数据、知识和层次化记忆的存储。\n\n**（三）数智融合层**\n贯通数据、知识、记忆、模型与业务反馈，联动版本、质量与效果评价，让模型经验持续沉淀为数据资产，贯通反馈闭环，驱动共同演进。数智融合层构建数据与模型算法的三重双向闭环，驱动数据资产化与智能化协同演进。\n\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002Fda5336cc-e828-402b-81fb-16381cbb03bc.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=1fqy%2B%2FzV2YJrfTHUtxwN8Tc1XiQ%3D)\n\n- **第一重**，由高质量数据集与数据处理模型算法构成。原始数据由模型算法完成清洗、提取、标注、去重降噪与一致性校验，形成高质量数据集，为训练与推理提供输入；反过来，基于模型推理与评估，识别数据中的质量缺陷、标注偏差与覆盖盲区，指导标注规则与治理流程迭代，形成“**数据质量提升 → 模型效果优化 → 数据治理升级**”的正向循环。\n- **第二重**，由语义知识与知识生成引擎构成。高质量数据经模型算法处理后，形成业务规则与逻辑关系等符号化知识，为模型或智能体应用提供最新事实、业务逻辑、规则和业务上下文，为过程可控、结果可信的智能决策提供支撑。模型从增量数据中解析和发现新规律，并更新过时知识，实现**从“数据可读”到“知识可理解”** 的跨越。\n- **第三重**，由记忆经验与经验沉淀机制构成。数据侧沉淀智能体历史决策轨迹、业务流程与环境反馈、上下文意图关系、典型案例等，形成可检索的经验记忆库，为新决策提供先例参考。算法侧通过各种技能，把情景轨迹、经验教训、判断依据等抽象为通用范式，固化为记忆资产并持续积累。此外，配套全链路可审计、可观测能力，对关键数据引用、工具调用与决策过程进行记录，增强系统的可追溯性，并通过经验复用与反馈评估，支持后续决策持续优化。\n\n**（四）应用层**\n汇聚数据、知识与模型能力，支撑行业智能应用。这一层是整个数智融合架构的最顶层，面向行业客户提供诸如生物医学、科学计算等领域的开放算子、领域模型和高质量数据集，并为学术界提供支持多语义处理、插件式扩展和一站式集成的开发与运行平台，其中包括算子开发框架、编排框架与分布式执行框架等。为支撑行业应用落地，产学研各方将围绕接口、算子与模型、开发运行平台开展开放共建。 \n\n### 四、从硬件原型到行业场景，数智融合的落地实践已取得阶段性进展\n\n围绕上述架构，我们已在软件创新、硬件形态和数据生产等关键环节开展验证，探索数智应用落地的全新方案。\n\n首先，我们围绕“以存换算”的思想，研制了 **KV Cache 加速系统**，相关成果获得了 **USENIX FAST 最佳论文奖与华为奥林帕斯奖**。这一实践也使我们看到，运行时数据的组织、复用与调度直接影响智能系统的执行效率。通过存储与计算的协同设计，可以将缓存容量和数据复用能力转化为推理性能的提升，为数智融合软件架构的研究提供了具体的实践参考。\n\n其次，我们研究了存算融合的智能数据机，将数据存储与智能计算硬件深度整合，**采用多卡异构算力架构**，协同提升内存带宽、数据处理吞吐量与 I\u002FO 性能。目前硬件原型已完成搭建，配套基础软件栈已启动试运行，初步验证了近数据计算架构的性能优势与技术可行性。\n\n在科研数据生产方面，我们提出以多智能体编排贯通多源汇聚、专家算子、可信治理与近数加速的处理架构，让数据、知识、记忆和模型在同一流程中协同生产。相关技术已在遥感、雷达、科研文献等多模态数据集的构建与治理中完成技术验证，形成了可供模型训练推理使用的高质量数据集，提升了科研数据治理效率。\n\n面向未来，我们正全力推进软硬数一体化的数智融合系统产品研发，为行业智能应用提供统一的基础设施支撑，推动关乎国计民生的研究成果在实际生产场景中落地。\n\n\n## 关注与交流\n\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F9a25a567-a762-4369-97ab-1f099fa32fd1.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=LaMrvoODtHXy0FH%2FPrTDRx3vCWc%3D)",{"publishTime":106,"createTime":114,"canonicalPath":115,"id":116,"title":117},"2026-11-09 14:10:28","\u002Fnews\u002F89b054e7-08c6-4bb6-92df-cf6da268c540","89b054e7-08c6-4bb6-92df-cf6da268c540","九源开源技术周 07｜从一个推理框架，到一套统一智能计算软件栈","2026-11-09 14:16:17","\u002Fnews\u002F1755491e-b37e-4155-8e82-068fd583ecec","1755491e-b37e-4155-8e82-068fd583ecec","markdown",{"publishTime":123,"createTime":124,"canonicalPath":125,"id":126,"title":127},"2026-11-10 08:00:00","2026-11-09 14:24:18","\u002Fnews\u002Fe4c15ec6-8af2-4138-b734-c00085603fd5","e4c15ec6-8af2-4138-b734-c00085603fd5","重磅 | 九源统一智能计算系统荣获 2026 年世界互联网大会领先科技奖",{"htmlContent":129,"headings":130},"\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F49d40d12-3d98-4097-9db3-c9ff15651311.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=G1p841K%2BePpIrbkNrTYM%2BIP3%2FbU%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>\u003Cstrong>作者：\u003C\u002Fstrong> 武永卫\u003Cbr>\u003Cstrong>机构：\u003C\u002Fstrong> 清华大学\u003Cbr>\u003Cstrong>研究领域：\u003C\u002Fstrong> 智能计算系统、高性能计算、并行与分布式处理\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Cp>人工智能正加速走向产业落地。过去，行业更关注模型能力；今天，决定智能效果的因素已经不再只有模型本身，数据正在从幕后走向台前。知识与记忆的保存、上下文的供给、决策结果的反馈、经验的沉淀与利用，共同决定一个企业智能系统的真正效果。然而\u003Cstrong>数据系统与智能系统彼此长期割裂\u003C\u002Fstrong>，\u003C\u002Fp>\n\u003Cul>\n\u003Cli>前者主要关注数据如何保存、组织和访问；\u003C\u002Fli>\n\u003Cli>后者主要关注模型如何计算、推理和决策。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>当智能越来越依赖于知识、记忆、经验和反馈时，这种分离正在成为智能系统的瓶颈。\u003C\u002Fp>\n\u003Cp>因此，构建一个企业智能系统需要思考的，是数据与智能能否真正形成一个统一、连续的系统。我们把这种由“数据支撑智能”走向“数据与智能双向赋能、深度融合”的技术范式称为 \u003Cstrong>“数智融合”\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Ch3 id=\"一-智能演进正在重塑数据的角色\">\u003Ca class=\"anchor\" href=\"#一-智能演进正在重塑数据的角色\" aria-label=\"跳转到标题：一、智能演进正在重塑数据的角色\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>一、智能演进正在重塑数据的角色\u003C\u002Fh3>\u003Cp>从当前进展和未来趋势看，我们可以将智能系统的演进概括为三个阶段，数据在其中的角色与价值也在不断提升，智能每一次演进，都伴随数据规模、形态与组织方式的升级。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>第一阶段\u003C\u002Fstrong>是以会说、会听、会看为主要特征的 \u003Cstrong>“模型即智能”\u003C\u002Fstrong> 阶段，这一阶段的核心载体就是通用大模型，高质量数据是影响模型能力上限的关键因素之一。然而，模型仍存在幻觉、知识时效性不足和行动能力受限等问题，这推动了人工智能向“系统即智能”阶段发展。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>第二阶段\u003C\u002Fstrong>，智能进入 \u003Cstrong>“模型+知识与记忆+工具”\u003C\u002Fstrong> 的智能体时代，领域知识、业务历史数据、场景交互记忆等运行时数据，直接决定了智能体推理的准确性与决策的可靠性，数据已成为智能体运行时的核心资产。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>第三阶段\u003C\u002Fstrong>，我们称之为 \u003Cstrong>“进化即智能”\u003C\u002Fstrong> 阶段。其中，自主进化世界模型是一个重要探索方向。在这一阶段，智能系统能够适应外部环境变化，在真实环境中开展行动与交互，并通过任务迭代持续学习和优化。此时，经验反馈、行为轨迹、成败教训等全流程数据，成为智能持续学习和能力演进的核心基础，是智能系统不可或缺的核心组成部分。\u003C\u002Fp>\n\u003Cp>这一演进过程的背后，是数据与智能耦合程度的不断加深。当数据从训练输入转变为运行时持续参与决策的资产，数据供给、状态一致性与反馈更新便成为系统的基本要求，仅靠接口连接两套系统的方式已难以充分满足这些要求。因此，数智融合是当前技术发展的必然趋势。\u003C\u002Fp>\n\u003Ch3 id=\"二-数与智之间存在天然鸿沟-数据世界和智能世界仍然是-两套系统\">\u003Ca class=\"anchor\" href=\"#二-数与智之间存在天然鸿沟-数据世界和智能世界仍然是-两套系统\" aria-label=\"跳转到标题：二、数与智之间存在天然鸿沟，数据世界和智能世界仍然是“两套系统”\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>二、数与智之间存在天然鸿沟，数据世界和智能世界仍然是“两套系统”\u003C\u002Fh3>\u003Cp>这种分离具体表现为运行架构、对象体系和演进机制三个层面的问题。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>在架构层面\u003C\u002Fstrong>，传统存网算架构存在数据供给效率不可控、跨层搬移开销高、异构调度低效的问题，严重制约智能应用的实时响应与规模化运行。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>在“存”的维度\u003C\u002Fstrong>，亟需探索访问时延接近 DRAM、容量接近 SSD 的新型存储介质，以支持知识与记忆数据按需实时供给。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>在“网”的维度\u003C\u002Fstrong>，UB、NVLink 等高速互联技术不断提升处理器之间的通信效率，但要减少跨层数据搬移、推动数据就近处理，仍需在数据路径与处理机制上进一步优化。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>在“算”的维度\u003C\u002Fstrong>，随着数据处理需求日益多样化、行业应用场景不断拓展，CPU\u002FGPU\u002FNPU\u002FDPU 等算力碎片化，缺乏统一资源管理与调度，导致协同效率与利用率持续下降。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>因此构建以数据为中心、软硬协同的存网算一体化架构，为数智融合构筑高效底座是研究重点。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>在对象体系层面\u003C\u002Fstrong>，数据世界与智能世界在语义、粒度和价值量纲上存在三道鸿沟。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>语义上\u003C\u002Fstrong>，数据世界按文件、对象与语义关系组织数据，擅长基于符号的硬规则；而智能世界更多采用高维特征表征，侧重基于概率的软逻辑。硬规则与软逻辑两种语义必须协同，才能确保智能决策的可信可控。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>粒度上\u003C\u002Fstrong>，数据世界强调数据能存尽存，数据模态多样，规模可达 PB 至 EB 级；而智能世界强调任务级精准上下文，要求少量、相关、及时。需要在数据组织、索引和表征上进行技术突破，能以较低开销精准找到与当前上下文最相关的数据。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>价值量纲上\u003C\u002Fstrong>，数据侧追求数据的可靠性、一致性和持久性；智能侧则追求数据的实时性、动态性与持续演进，强调反馈与更新。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cstrong>在机制层面\u003C\u002Fstrong>，从原始数据集到智能大模型，再到智能体应用是一个单向链条，缺乏有效的演进闭环机制。具体表现为：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>第一，反馈不沉淀，上下文意图、决策思维链、任务结果与环境反馈停留在日志中，缺乏有效的经验沉淀，没有转化为新的数据资产。\u003C\u002Fli>\n\u003Cli>第二，版本谱系割裂，数据、知识、记忆与模型的版本之间难以建立稳定的对应关系。\u003C\u002Fli>\n\u003Cli>第三，质量不联动，数据质量与模型效果缺少联动评价与归因机制。因此，需要构建反馈闭环与价值回流机制，驱动数据与智能共同演进，为数智融合建立长效机制。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>因此，\u003Cstrong>数智融合的核心目的是让正确的数据在正确的时间、以正确的语义进入智能过程，并让智能结果可信回流到数据世界\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Ch3 id=\"三-数智融合开放架构\">\u003Ca class=\"anchor\" href=\"#三-数智融合开放架构\" aria-label=\"跳转到标题：三、数智融合开放架构\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>三、数智融合开放架构\u003C\u002Fh3>\u003Cp>数智融合不是数据系统与智能系统的简单叠加，而是面向数据存储、统一表征、智能协同与应用生态的全栈重构，实现数据与智能高效贯通、双向演进。其中，数据存储层、统一表征层和数智融合层分别回应上述运行架构、对象体系和演进机制的问题，应用层则汇聚各层能力，支撑行业应用。\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002Fe21d23bc-c3b6-4110-9e10-1f1c3348219d.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=wMs223kF7ylkTmBW6gDOoSeg60w%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cp>\u003Cstrong>（一）数据存储层\u003C\u002Fstrong>\u003Cbr>以近数据处理和异构算力协同调度实现数据就近处理，缩短数据路径、减少数据搬移，提升数据处理与实时供给效率。在硬件层面，在存储控制器中内嵌专用计算引擎，支持近存向量运算、压缩解压、元数据处理等操作；在软件层面，统一计算侧协议栈和数据访问协议栈，按数据分布、访问频率与计算类型动态调度最优算力。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>（二）统一表征层\u003C\u002Fstrong>\u003Cbr>统一组织数据、知识与记忆等对象，贯通语义、索引、版本和权限，实现多模态数据关联与上下文按需供给。统一表征层基于文件系统构建层次化索引，利用目录分域维护局部聚类中心，写入时仅增量更新关联子树与父级摘要，检索时通过层级摘要逐级路由，结合候选剪枝缩小检索范围，提高检索效率与匹配质量。除此之外，本层还提供多源数据汇聚、多版本控制、统一权限管理和数据沙箱能力，为智能层提供统一、高质量的数据视图，支持多模态数据、知识和层次化记忆的存储。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>（三）数智融合层\u003C\u002Fstrong>\u003Cbr>贯通数据、知识、记忆、模型与业务反馈，联动版本、质量与效果评价，让模型经验持续沉淀为数据资产，贯通反馈闭环，驱动共同演进。数智融合层构建数据与模型算法的三重双向闭环，驱动数据资产化与智能化协同演进。\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002Fda5336cc-e828-402b-81fb-16381cbb03bc.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=1fqy%2B%2FzV2YJrfTHUtxwN8Tc1XiQ%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>第一重\u003C\u002Fstrong>，由高质量数据集与数据处理模型算法构成。原始数据由模型算法完成清洗、提取、标注、去重降噪与一致性校验，形成高质量数据集，为训练与推理提供输入；反过来，基于模型推理与评估，识别数据中的质量缺陷、标注偏差与覆盖盲区，指导标注规则与治理流程迭代，形成“\u003Cstrong>数据质量提升 → 模型效果优化 → 数据治理升级\u003C\u002Fstrong>”的正向循环。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>第二重\u003C\u002Fstrong>，由语义知识与知识生成引擎构成。高质量数据经模型算法处理后，形成业务规则与逻辑关系等符号化知识，为模型或智能体应用提供最新事实、业务逻辑、规则和业务上下文，为过程可控、结果可信的智能决策提供支撑。模型从增量数据中解析和发现新规律，并更新过时知识，实现\u003Cstrong>从“数据可读”到“知识可理解”\u003C\u002Fstrong> 的跨越。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>第三重\u003C\u002Fstrong>，由记忆经验与经验沉淀机制构成。数据侧沉淀智能体历史决策轨迹、业务流程与环境反馈、上下文意图关系、典型案例等，形成可检索的经验记忆库，为新决策提供先例参考。算法侧通过各种技能，把情景轨迹、经验教训、判断依据等抽象为通用范式，固化为记忆资产并持续积累。此外，配套全链路可审计、可观测能力，对关键数据引用、工具调用与决策过程进行记录，增强系统的可追溯性，并通过经验复用与反馈评估，支持后续决策持续优化。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cstrong>（四）应用层\u003C\u002Fstrong>\u003Cbr>汇聚数据、知识与模型能力，支撑行业智能应用。这一层是整个数智融合架构的最顶层，面向行业客户提供诸如生物医学、科学计算等领域的开放算子、领域模型和高质量数据集，并为学术界提供支持多语义处理、插件式扩展和一站式集成的开发与运行平台，其中包括算子开发框架、编排框架与分布式执行框架等。为支撑行业应用落地，产学研各方将围绕接口、算子与模型、开发运行平台开展开放共建。 \u003C\u002Fp>\n\u003Ch3 id=\"四-从硬件原型到行业场景-数智融合的落地实践已取得阶段性进展\">\u003Ca class=\"anchor\" href=\"#四-从硬件原型到行业场景-数智融合的落地实践已取得阶段性进展\" aria-label=\"跳转到标题：四、从硬件原型到行业场景，数智融合的落地实践已取得阶段性进展\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>四、从硬件原型到行业场景，数智融合的落地实践已取得阶段性进展\u003C\u002Fh3>\u003Cp>围绕上述架构，我们已在软件创新、硬件形态和数据生产等关键环节开展验证，探索数智应用落地的全新方案。\u003C\u002Fp>\n\u003Cp>首先，我们围绕“以存换算”的思想，研制了 \u003Cstrong>KV Cache 加速系统\u003C\u002Fstrong>，相关成果获得了 \u003Cstrong>USENIX FAST 最佳论文奖与华为奥林帕斯奖\u003C\u002Fstrong>。这一实践也使我们看到，运行时数据的组织、复用与调度直接影响智能系统的执行效率。通过存储与计算的协同设计，可以将缓存容量和数据复用能力转化为推理性能的提升，为数智融合软件架构的研究提供了具体的实践参考。\u003C\u002Fp>\n\u003Cp>其次，我们研究了存算融合的智能数据机，将数据存储与智能计算硬件深度整合，\u003Cstrong>采用多卡异构算力架构\u003C\u002Fstrong>，协同提升内存带宽、数据处理吞吐量与 I\u002FO 性能。目前硬件原型已完成搭建，配套基础软件栈已启动试运行，初步验证了近数据计算架构的性能优势与技术可行性。\u003C\u002Fp>\n\u003Cp>在科研数据生产方面，我们提出以多智能体编排贯通多源汇聚、专家算子、可信治理与近数加速的处理架构，让数据、知识、记忆和模型在同一流程中协同生产。相关技术已在遥感、雷达、科研文献等多模态数据集的构建与治理中完成技术验证，形成了可供模型训练推理使用的高质量数据集，提升了科研数据治理效率。\u003C\u002Fp>\n\u003Cp>面向未来，我们正全力推进软硬数一体化的数智融合系统产品研发，为行业智能应用提供统一的基础设施支撑，推动关乎国计民生的研究成果在实际生产场景中落地。\u003C\u002Fp>\n\u003Ch2 id=\"关注与交流\">\u003Ca class=\"anchor\" href=\"#关注与交流\" aria-label=\"跳转到标题：关注与交流\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>关注与交流\u003C\u002Fh2>\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F9a25a567-a762-4369-97ab-1f099fa32fd1.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=LaMrvoODtHXy0FH%2FPrTDRx3vCWc%3D\" alt=\"\">\u003C\u002Fp>\n",[131,134,137,140,143],{"id":132,"text":133,"level":9},"一-智能演进正在重塑数据的角色","一、智能演进正在重塑数据的角色",{"id":135,"text":136,"level":9},"二-数与智之间存在天然鸿沟-数据世界和智能世界仍然是-两套系统","二、数与智之间存在天然鸿沟，数据世界和智能世界仍然是“两套系统”",{"id":138,"text":139,"level":9},"三-数智融合开放架构","三、数智融合开放架构",{"id":141,"text":142,"level":9},"四-从硬件原型到行业场景-数智融合的落地实践已取得阶段性进展","四、从硬件原型到行业场景，数智融合的落地实践已取得阶段性进展",{"id":144,"text":144,"level":145},"关注与交流",2]