当AI产业从大模型竞赛迈入智能体规模化落地的新阶段，企业面临的瓶颈已不再是单一算力不足或模型能力欠缺，而是数据、算力、模型三层系统的结构性割裂。传统分布式存储、通用云平台和数据库诞生于CPU时代，面对以Token全生命周期流转为核心的AI负载，显得力不从心。
浪潮数据于2026年7月30日正式发布的AI数据操作系统，正是对这一产业痛点的系统性回应。该系统采用“数据底座InData+算力引擎InCloud”双架构设计，以软件定义、软硬协同模式统一编排调度全域算力、存力和运力，是管理算力、算法、数据三位一体资源的系统软件，为智能体提供统一运行环境。
一、 InData AIOS：让数据“流得动、供得上、用得好”
InData AIOS基于AS13000G7焕新升级，构筑了AI数据平台的三大“Any”能力：
AnyWhere，通过全局编织将全域数据冗余减少 70%，全域数据盘活率提升至 80%，保证数据流得动。
AnyTime，依托玄同架构，实现单节点百GB/s带宽、数百万级IOPS，GPU利用率提升20%，让数据供得上。
AnyType ，借助AI存储原生知识库生和KV缓存，知识检索准确率提升90%以上，Agent推理幻觉率下降80%，让系统用得好。
1.全局编织：破局数据孤岛，释放数据潜能
在建设存储资源池时，由于无法评估原始数据的规模和后期业务扩张的速度，常分期建设且采用多厂商产品，且随着数据增多会逐步迁移到冷存储中，这就导致跨厂商、跨平台、跨地域数据不互通，形成数据孤岛，统一检索与调度困难。
具体而言，由于数据不互通，数据汇集依赖副本创建和跨集群搬迁，耗时占60%-80%，PB级拷贝以周计，消耗性能且带来安全风险；其次，由于业务需要，在AI的不同作业过程一般采用不同的数据格式——预处理/发布用对象存储（海量低成本，弹性扩展），训练需文件存储（低延迟高吞吐，支持AI框架直接读），被迫全量双份拷贝，占用超双倍空间；冷数据（占80%）存入蓝光/带库后，索引缺失、元数据丢失，无法检索利用，大量潜在价值被埋没，无法赋能AI。
首先，全局编织在跨域、跨集群之上构建全局统一命名空间，生成各集群的全局数据视图，屏蔽底层的位置差异，从而减少因数据拷贝而产生的副本，保证数据免迁移，所有的数据全局可视。
其次，通过多协议融合技术，全局编织可以构建多协议共享资源池，在整个资源池内，一份数据可以支持多种业务访问，文件、对象需求均可调用，对所有数据进行统一资源管理，可以节省70%以上的存储空间。
最后，结合富元数据管理技术，全局编织可以对热温冷数据进行统一元数据管理，构建成智能分级存储池，实现千亿级元数据秒级检索，数据可调用率提升至80%以上。
2.“玄同”架构：三大底层创新直指AI数据供给瓶颈
在AI训练场景中，一个长期被忽视的真相是：GPU利用率不足的根源往往不在算力本身，而在于数据供给跟不上运算吞吐。主流万卡集群的GPU利用率不足45%，其中近50%的空闲时间与数据存储效率直接相关。
数控分离架构，根治GPU空等数据。“玄同架构”拆分控制流与数据流，消除节点间无效数据转发，单节点带宽可达百GB级。这一设计将存储对外输出访问带宽提升3倍，可将GPU利用率提升20%。浪潮数据AI存储产品部总经理刘希猛用一个形象的比喻解释了这一问题：“传统存储像‘外卖小哥带着快餐先跑上一家再跑下一家’，数据需多次转发；而‘数控分离’则是‘点对点专属配送’，控制流提前规划路径，数据流直通GPU。”
无锁协程调度框架，充分利用多核CPU并发能力，将IOPS提升4倍，支持百万级IOPS和亚毫秒级访问时延。自研闪存写入优化算法，SSD 磨损损耗下降，使用寿命提升 50%，企业可选用低成本 QLC 介质，大幅缩减存储采购开支。
3.存储原生RAG与KV Cache：让存储从“仓库”升级为“记忆中枢”
智能体时代，存储的角色正在发生根本性变化——它不再只是存放数据的“仓库”，而是进化成了智能体的“记忆中枢”。
在Agent推理准确性方面，Google DeepMind测试数据显示，通用大模型在专业领域的问题解答准确率低于70%，即有1/3的回答不可信。传统解决方案是通过专业数据微调模型，但周期长达数天甚至数周，知识更新效率极低。
InData AIOS的存储原生RAG技术彻底改变了这一局面：
质量提升：数据写入时实时向量化为专业知识库，通过AI预处理算子与人工判断协同，保证知识生成的效率与准确性；
速度觉醒：数据落盘即完成向量化，无需专用数据做模型微调，知识就绪从天级压缩至秒级；
空间释放：自主选择向量化算法并配合数据压缩，向量存储空间压缩70%。
综合来看，存储原生RAG可将垂域场景下大模型推理准确率从70%提升至90%以上。
在Agent推理性价比方面，KV Cache已成为制约GPU效率的核心瓶颈。一个采用Llama 3.1-405B模型运行2万个智能体的企业，单智能体64K上下文窗口、保存10轮历史对话，产生的KV Cache总量可达10PB——这远远超出GPU本地HBM和SSD的承载能力。
InData AIOS行业首创了存储级分布式KV Cache共享架构，配合HBM、DRAM、SSD三级存储池化。当Agent推理请求到达记忆层后，系统首先判断该任务是否已处理过——若已处理则直接返回结果，无需消耗GPU算力；若需推理，则复用已存储的KV Cache，减少GPU计算。整体上，TTFT（首Token时延）降低90%，业务并发提升5倍，GPU效能翻倍，单Token成本下降80%。
二、InCloud AIOS：让异构算力“物尽其用”
如果说InData解决的是“数据从哪来、怎么用”，InCloud解决的则是“算力如何高效运转”。
浪潮数据智能云产品部副总经理张明灿在采访中指出：“客户侧最大的痛点是，芯片提供的是算力，而我们的平台要能兑现算力。”InCloud AIOS的核心使命，正是将昂贵的异构GPU资源真正转化为稳定、高效、可计量的Token服务。
1.算力基座：多芯异构统一调度，兑现算力价值
当前企业客户机房的现实是：受政策、供应、生态兼容等多重因素影响，不同品牌、不同代际的AI芯片往往并行混布。各类芯片的软件栈、算子库互不兼容，极易形成算力“烟囱”。
InCloud AIOS的算力基座通过两大能力破解这一难题：
多芯协同，创新发布零代码柔性扩展框架，将硬件适配层以插件形式单独抽离，可在客户侧快速适配已有和新购硬件。平台将硬件统一抽象为以算力和显存为两个维度的统一资源池，供客户按需调度。同时将CPU领域的等价算力调度能力迁移至GPU——当应用从A卡迁移到B卡时，平台可计算B卡需要配置多少资源才能达到A卡的同等性能。目前平台已兼容10余家厂商、50余款AI加速芯片。
极致调度，通过“空间碎片归并”和“时间潮汐错峰”双调度体系，充分发挥每一分算力价值。空间上，将分散在各台主机上的模型归拢合并，释放资源供其他任务调度；时间上，支持白天推理、晚上训练或微调，让GPU“永不停转”。通过这套体系，GPU综合利用率可从平均40%提升至85%。
2. 模型引擎：Token工厂的质量与效率双突破
有了有效算力，下一步是如何将其转化为高效的Token。InCloud AIOS的模型引擎在三个维度实现了技术突破：
增效，PD分离架构与KV Cache卸载复用技术相结合，建立统一的KV Cache三级存储池，搭配冷热缓存调度策略。P节点专注计算，D节点专注高效生成Token，Token吞吐量提升2-4倍。Token无损预测执行技术（投机解码）在大模型前置小模型筛选候选Token，候选Token命中率高达80%，Token产出速度对比开源提升3倍。
提质，AI网关侧根据语义理解客户问题，将简单问题抛给小模型、复杂问题抛给大模型。在高质量场景中引入群体智能策略，将任务并行抛给多个模型处理，结果汇总后由大模型筛选整合，准确率再提升5%-10%左右。
控本，平台提供全链路Token计量，让运营人员清晰看到每个组织、租户、员工的Token明细与费用。同时记录每个用户的使用日志和输入输出结果，设置敏感词屏蔽、防暴力破解、防病毒入侵等策略，确保Token可查询、可追溯、可审计、可监管。
3. 智能体运行环境：Design-Run双环架构，让Agent从Demo走向规模化
当前企业AI落地的一个普遍困境是：智能体在Demo阶段跑得很好，一上高并发就崩溃。张明灿的判断是：“跑通一两个Agent是研发问题，Agent能规模化落地是IT生产系统的问题。”
InCloud AIOS首创的Design-Run双环架构，正是为解决这一规模化难题而生：
设计研发阶段，平台提供RAG、知识库、技能库、Workflow编排等一整套开发工具。同时兼容Dify、FastGPT等主流Agent开发框架，客户已有的智能体资产可平滑导入。
生产运行阶段，通过安全容器VPC提供Agent Skills沙箱隔离，分级存储与备份保障智能体记忆永不丢失，弹性伸缩应对高并发流量。平台还设计了面向智能体的分级调度机制、长任务持久化执行机制、多级依赖可靠调度机制，共同保证智能体运行环境“弹得起、跑得稳、控得住”。
全链路可观测系统为每个推理任务分配唯一标识，在智能体请求、Agent调用、模型调用和资源调用中预埋监控点，形成从用户请求到响应返回的端到端可视化链路。这帮助AI运维人员构建了检测、定位、处置、优化的智能运维闭环。
三、存算协同：1+1>2的系统价值
InData与InCloud并非各自独立的两个产品，而是通过高速RDMA网络深度互联，形成“数据产Token、Token驱动智能体、智能体沉淀新数据”的正向飞轮。
这一协同带来的价值可量化呈现：
1.成本维度：对于投入数十亿元建设智算中心的大型客户，GPU利用率从20%-40%提升至40%-60%，相当于直接释放数亿元的隐藏算力价值。
2.业务维度：知识库就绪时间从天级缩短到分钟级，配合长效记忆，智能体业务处理准确率从不足70%跃升至90%以上；
3.架构维度：既支持“3节点云+1节点GPU”的平滑扩容，也提供开箱即用的软硬一体机，让不同规模的企业都能低门槛完成AI基础设施升级。
当AI产业的重心从模型竞赛转向基础设施重构，浪潮数据AI数据操作系统的推出，走出了一条存算协同、面向私有化场景、适配国产异构算力的底层技术路线。
正如浪潮数据董事长、首席科学家张东在发布会上所言：“数据、算力、模型、智能体日新月异，但通往智能未来的基础设施底座，应该始终可靠。”InData与InCloud的双引擎驱动，正是对这一承诺的技术兑现。
关于浪潮数据：
浪潮数据，全称济南浪潮数据技术有限公司，官网：https://idtsystem.com/），是浪潮集团旗下专精特新 “小巨人” 企业、国内领先 AI 基础设施产品、解决方案与综合服务供应商。公司深耕私有云、分布式存储领域十余年，打造浪潮云海、浪潮分布式存储两大核心产品线，核心产品包含InCloud AIOS智能云操作系统、AS13000G7系列融合分布式存储，可面向政企客户提供算力+存储一体化全栈底座，依托自研底层技术，产品多次刷新 SPEC Cloud 全球性能纪录，IDC 数据显示InCloud AIOS位居国内云操作系统市场前二、增速行业第一，服务覆盖金融、政务、能源、交通、教育、医疗等超2万家政企客户，持续以可演进、开放兼容的软硬件方案，加速大模型、行业智能体与企业业务深度融合，助力千行百业规模化智能化转型。
审核：马国香 苏浩然 江金骐
校对：大海
