前段时间，一位制造企业的信息负责人来交流。他说了一句很真实的话：“公司一年投入不少预算做信息化，但总觉得事情越来越多。设备越来越多、系统越来越复杂，IT团队却还是那几个人。” 　　这个场景并不陌生。很多企业的信息化建设走到一定阶段后，会发现问题并不在于有没有设备，而在于系统越来越复杂、部门协同越来越难、维护压力越来越重。业务要增长，系统不能停；项目要上线，风险不能高；预算要控制，但架构还要留有未来空间。 　　这时候，企业需要的往往已经不是单一供应商，而是一个真正理解业务、能够长期陪伴的信息化伙伴。这也是浙江安旭一直在做的事情。 　　选型咨询：先把需求理清，再谈产品 　　很多企业做IT建设时，习惯先问配置、比价格。但实际上，真正决定项目效果的，从来不是采购动作，而是前期规划。 　　我们接触过不少客户，一开始提出的需求都很明确：买几台服务器、升级一下网络、扩一个存储。但深入交流后会发现，真正的问题往往并不在设备。 　　有的企业业务增长很快，但架构没有扩展空间；有的企业服务器性能充足，却因为网络瓶颈导致系统卡顿；还有一些企业预算有限，却把投入放错了地方。 　　因此，安旭做项目时，很少一上来推荐产品。更多时候，我们先聊业务：系统跑什么应用？数据量怎么增长？未来三年有没有扩容计划？有没有安全合规要求？哪些业务不能停？ 　　只有把这些问题理清，方案才真正有意义。因为企业建设的不是机房，而是未来几年持续运行的能力。 　　方案设计：不是拼设备，而是搭系统 　　需求明确之后，进入方案设计阶段。 　　很多企业过去习惯分开采购：服务器一家、网络一家、安全一家、备份再一家。表面上看选择更多，但实际项目推进时，经常出现责任边界不清、设备协同困难的问题。 　　安旭更习惯整体规划。围绕企业实际业务场景，从服务器、存储、网络、安全到容灾和数字化能力建设进行统一设计。 　　方案不仅考虑现在，更关注未来。今天是否满足业务需求，三年后是否还能扩展；当前投入是否合理，后续升级是否可控。 　　真正成熟的IT建设，不是一次投入，而是一套持续演进的体系。 　　部署实施：把方案真正落地 　　方案做出来并不代表项目结束，真正复杂的阶段往往发生在实施现场。 　　机房条件限制、设备兼容问题、系统迁移风险、业务切换窗口，这些问题几乎每个项目都会遇到。 　　曾有客户在系统切换前担心地问：“如果晚上迁移失败怎么办？” 　　项目负责人回答：“方案不是今天开始准备的，我们提前演练过很多次。”…

　　前段时间，一位合作伙伴来公司交流。聊天时他说了一句话：“以前总觉得做IT的，就是卖服务器、装网络。后来发现，你们做的其实是企业运行背后的基础设施。” 　　这句话，我们记了很久。 　　因为它刚好说中了浙江安旭这些年一直在做的事。 　　很多企业能看到的是业务增长、系统上线、数据分析、AI应用落地，但真正支撑这些事情稳定运行的，是背后那套不被注意却不能出问题的基础设施能力。服务器、存储、网络、安全、容灾、运维，这些东西平时存在感不强，但一旦停摆，企业就会真正意识到它的重要。而浙江安旭，就是长期做这件事的人。 　　九载求索，我们做的是企业数字化的“地基” 　　浙江安旭是一家专注于IT信息化基础架构建设的服务商。这些年，我们始终围绕企业数字化底层能力建设展开服务，从设备供应，到整体架构设计，再到后续运维保障，帮助客户把复杂的信息系统建设变成一件更可控、更高效的事。 　　截至目前，浙江安旭已经覆盖浙江11个地级市、37个市辖区域，累计签约合作伙伴超过7000家，FY25销售产值达到1.5亿元，并依托集团能力与技术资源，形成覆盖咨询、交付、运维的一体化服务体系。 　　这些数字背后，并不是简单的规模增长，而意味着越来越多企业，开始把自己的核心业务系统交给安旭来承载。 　　企业真正需要的，不只是采购，而是整体解决方案 　　很多企业做IT建设时都会经历一个阶段：服务器找一家，网络找一家，安全再找一家。结果项目推进时发现，设备之间兼容复杂、沟通链路冗长，出了问题没人负责。 　　有位制造业客户曾经这样说：“设备买得不算贵，但真正贵的是不断协调。” 　　后来项目交给安旭后，我们先梳理业务需求，再完成架构规划、设备整合、部署实施和后续保障。最终交付的不再是一批设备，而是一套真正能够持续运行的系统。 　　这也是安旭一直坚持的方式——从单点采购升级为整体交付，从设备供应升级为能力建设。 　　目前，安旭已经形成覆盖服务器、存储、网络安全、超融合、容灾备份、数据中心建设以及企业数字化转型的一体化服务体系，并通过技术能力帮助企业实现效率重构、协同升级、决策智能、业务创新与安全可信。 　　为什么越来越多企业选择安旭？ 　　答案并不复杂。 　　首先，是懂场景。制造业、医疗、政府、金融、教育，不同行业对IT系统要求完全不同。安旭长期深耕区域市场，积累了大量真实项目经验，因此能够理解业务，而不仅理解设备。 　　其次，是能交付。从方案设计到实施落地，从技术认证到服务响应，背后不仅有专业技术团队，也有成熟仓储与服务体系支撑。 　　更重要的是，能长期陪伴。 　　系统上线不是结束。巡检、优化、升级、扩容、安全保障……企业需要的不是一次交付，而是一段长期稳定的服务关系。…

　　2026 年 5 月 29 日，MIS 2026 中国制造业&新能源数智创新峰会在北京盛大举办。本次峰会以“智联绿造·数聚新能”为主题，现场汇聚两百余位行业专家与企业管理者，聚焦大数据、AI、云计算、工业互联网等前沿技术在制造业数字化转型中的应用。 　　XSKY 星辰天合受邀出席，会上资深架构师于嘉发表了《XSKY 智能化存储，助力制造业数字化转型》主题演讲，聚焦大模型 AI 发展浪潮下，制造业数字化转型面临的数据治理复杂、存储架构滞后、AI 适配困难等核心痛点，分享了覆盖生产数据“汇、存、管、用”全生命周期的 XSKY 智能存储一体化解决方案。 　　制造业数字化转型，数据管理成关键挑战 　　当前，制造业数字化、网络化、智能化水平迅速提升，AI、工业互联网等技术正深刻改变传统生产制造方式。然而，数据基础设施的升级速度往往滞后于业务变革的步伐。从设计仿真、生产制造到品质管控，各环节海量数据爆发式增长，企业在数据管理和使用上面临多重挑战： 　　1、【下游客户诉求】 　　产品生产质量保证：所有生产数据在产品生命周期内随时可查询追溯;…

　　5 月 22 日 – 23 日，鲲鹏昇腾开发者大会 2026 于北京中关村国际创新中心圆满落幕。XSKY 星辰天合作为鲲鹏、昇腾生态核心合作伙伴出席盛会，现场展出 AIMesh 智能数据基础设施方案，同步展示自身在分布式存储、鲲鹏平台适配及 openEuler 生态协同领域的最新成果。 　　当前，企业 AI 训练推理、数据分析平台与智能化应用场景持续拓展，数据规模快速增长，对数据基础设施的稳定性、扩展性和多平台适配能力提出了更高要求。围绕这一趋势，XSKY 持续推进分布式存储产品与主流计算架构、操作系统生态的深度适配，打造稳固高效、灵活适配的底层数据基座，全面赋能 AI 全业务运转。…

　　过去几年，Scaling Law深刻塑造了AI行业的发展轨迹：不断堆算力、堆数据、堆参数规模，以换取智能的涌现。 　　随着Agent时代的降临，对算力的需求渐渐从预训练转向推理，海量的Token消耗从根本上重塑了整个产业的评价体系。在“Token经济学”的叙事下，重心开始向更低的延迟、更高的能源效率倾斜。 　　当单纯扩大规模带来的边际效益开始递减，行业亟需回答：怎么在限的能源、空间与信息边界内，产出更高密度的智能? 　　在5月8日举行的NAVIGATE 2026领航者峰会上，我们与新华三集团技术委员会副主席刘新民进行了一场对话，得到的答案是：AI基础设施正从单一的硬件竞争，进入系统重构与架构创新的“系统工程竞争”。 　　全行业都在疯狂卷参数、卷规模的背景下，刘新民提出了一个直击灵魂的悖论：“设备参数这么强，为什么还需要调优呢?” 　　一语点破了AI时代最大的产业变革。 　　在传统ICT的语境里，评价设备能力的逻辑很简单，比拼的是CPU性能、网络带宽、存储IOPS、单机吞吐等静态指标，似乎只要把最顶级的算力卡、最高速的无损网络和最大容量的存储连接在一起，就能发挥出最大效能。 　　但在大模型推理环节，Token的产出是一个依赖动态协同的过程，即使单体硬件性能指标再高，如果底层架构的数据流转没有打通，实际运行大模型时依然无法跑得“通透”。硬件的堆砌只提供了理论上的性能上限，深度的系统级工程能力，才真正决定了算力转化为生产力的效率。 　　为什么传统的“设备思维”注定走向终结?刘新民在NAVIGATE 2026领航者峰会技术创新峰会的演讲中提出了三个结构性“剪刀差”。 　　首先是数据的 　　目前互联网上的高质量文本数据已近枯竭，而大模型对高价值语料的渴求仍在爆炸式增长。在数据孤岛、合成数据质量差等约束下，核心矛盾不是数据不够用，而是缺乏可信好用的数据。 　　其次是算力的 　　当芯片制程无限接近物理学极限，摩尔定律的放缓已是不争的事实。更致命的是传统冯·诺依曼架构的瓶颈——在大模型的训练与推理中，95%以上的算时被消耗在数据搬运，而非真正的计算上。 　　最后是能源的 　　AI算力需求的翻倍仅需一年，传统电网基建的规划与扩容周期则要5到10年。能源的线性供给速度，可能永远都追不上功耗需求的指数曲线，单纯硬件扩容将不可避免的遇到一道道的“能源墙”。 　　三个无法逾越的“剪刀差”，揭示了：算力底座的进化，绝非某个单一要素的优化，必须是一次全局性的系统进化。 　　刘新民在对话中谈到了这样一段经历：“我们自己内部的一个解决方案，最初看上去，产品配置、参数指标、理论方案都很漂亮，但真正落到实战时，总感觉竞争力不够。后来团队花了半年时间，重新去抠每一个细节：设备如何组合、网络怎样优化、链路如何调度、资源如何分配，甚至细化到系统每一个层级的协同效率。最终发现，真正拉开差距的，并不是多堆几张卡，而是隐藏在系统背后的工程化能力。”…

　　数字化转型迈入深水区，IT基础设施的复杂度正以前所未有的速度攀升。在新华三集团高级副总裁、技术服务部总裁毕首文看来，智算中心的建设热潮背后，是海量数据的洪流与算力调度的难题。“三分建设，七分维护” ——这句行业箴言，正是新华三技术服务在AI时代下的核心逻辑。 　　2026年5月，北京中关村国际创新中心，NAVIGATE 2026领航者峰会现场，毕首文围绕新华三技术服务的发展路径、技术能力和落地实践，与媒体进行了一场深入交流对话。这次对话，更像是一次新华三技术服务二十多年进化史的浓缩回放，以及面向AI时代的技术宣言。 　　在传统运维时代，企业的IT环境往往处于“被动响应”的困境。设备告警、业务中断、故障排查……几乎都依赖工程师的经验与反应速度。但在AI时代，这一逻辑正在被彻底改写。 　　过去客户对技术服务的诉求相对简单：设备坏了能修、网络断了能通、系统崩了能恢复。但今天，这种”救火式”的服务模式已经远远跟不上客户需求。在与毕首文的交谈中，笔者了解到AI时代对于运维要求的三大显著变化： 　　一是技术架构的复杂性正在压垮传统服务模式。云计算、大数据、人工智能、物联网……客户的IT环境早已不是几台服务器加一套网络那么简单。多云架构、混合云部署以及分散的边缘计算节点，让故障定位和根因分析变得异常困难。 　　二是数据沉睡，经验难以被复用。过去，新华三服务了超过1.2亿台全球在网设备，积累了海量运维案例。大量数据沉淀在工程师的电脑里、日志文件中，无法形成有效的知识闭环。而在AI大模型时代，“数据即燃料”成为共识。如何唤醒数据，如何将经验转化为可复用的智能体能力，成为新华三必须跨越的鸿沟。 　　三是人机交互方式正在被重写。传统运维人员需要记住大量命令行、产品手册、参数配置。即便是经验丰富的工程师，也难免遗漏或出错。而AI带来的最大变革之一，是自然语言交互的普及。这意味着，运维的门槛正在被拉低，但同时也对系统的智能化水平提出了更高要求——不仅要懂命令，还要懂上下文、懂业务逻辑、懂故障溯源路径。 　　在笔者看来，新华三面临的挑战，并非个例，而是整个行业进入智能运维深水区的缩影。真正的难点不在于技术本身，而在于如何将过去二十多年积累的“经验资产”系统化、模型化、产品化。这不是一个算法团队能独立完成的任务，而是需要服务、产品、数据、工程多域协同的系统工程。 　　面对上述挑战，新华三并没有选择“大而全”的空泛平台策略，而是走出了一条场景驱动、智能体优先的务实路径。 　　新华三集团高级副总裁、技术服务部总裁毕首文发表主题演讲 　　沟通会上，毕首文详细介绍了新华三在技术与产品层面的布局。其技术服务体系涵盖“规划、建设、开发、运维、运营”全生命周期，并根据不同行业的需求进行精细化定制。其中，AIO(All-in-One)一站式运维管理服务与灵犀运维智能体构成了新华三在运维领域的重要支柱。 　　本次峰会正式发布的灵犀运维智能体，既是新华三“AI in ALL”战略落地的重要实践，也是新华三技术服务体系的“智慧引擎”。 　　据新华三集团副总裁、技术服务部副总裁、基础服务产品部总经理李劲松介绍，灵犀运维智能体并非单一产品，而是一系列针对特定运维场景的智能解决方案集合。通过自然语言交互(LUI)，灵犀运维智能体打破了传统运维中复杂的命令行与菜单壁垒，让非专业人员也能轻松进行网络管理与故障排查。其背后依托的是新华三23年的运维积累、5000万+高质量数据、全系列AI Ready产品，为运维世界大模型提供了扎实的基础与持续进化能力。这使得智能体不仅能够“听懂”用户的需求，更能“理解”复杂的网络环境，并“执行”精准的操作。 　　此外，新华三精选了开局上线、日常巡检、指标观测、告警处理、故障排查、业务变更六个客户最典型的运维场景进行智能体赋能，这些场景并非空中楼阁，而是新华三在与金融、政府、运营商、医疗等行业客户长期磨合中，提炼出的高频痛点。 　　在具体的技术实现上，新华三采取了灵活的“多模”策略。针对互联网客户追求极致性能与速度的特点，采用通用大模型结合公有云部署，利用FP-Growth等算法实现告警的快速压缩与根因定位;而对于金融、政务等对安全性与可靠性要求极高的行业，则更多采用基于私域数据训练的垂直小模型，在本地化环境部署，确保数据安全与业务稳定。这种因需而变的技术路线，体现了新华三在AI落地应用上的务实与成熟。…

　　6月11日，紫光股份旗下新华三集团与昆山数智科技集团有限公司在江苏昆山举行战略合作签约仪式。双方将聚焦昆山市数字基础设施建设前沿需求，建立长期、稳定、深度的战略合作伙伴关系，共同深化技术协同与场景共建，携手推进昆山数字经济快速转型发展。 　　在新华三集团高级副总裁、技术委员会副主席刘新民，昆山市人民政府副市长盛建峰共同见证下，新华三集团苏州办事处总经理全大鹏与昆山数科集团董事长、总经理曾诚代表双方签署协议。 　　面对AI技术引领的智能新时代，新华三立足自身在“算-网-存-云-安-维”全产业链的深厚技术与实践积累，不断提升数字化和智能化赋能水平，以开放创新打造领先的数字化及AI解决方案。同时，结合昆山数科集团在本地政务信息化资源统筹与产业引导等方面优势，强强联手，共同探索城市数字化转型的“昆山模式”。 　　此次合作，双方将本着战略协同、优势互补、资源共享、互利共赢的原则，立足昆山数字产业发展实际，在城市数字底座搭建、行业数字化转型、算力资源整合、智慧场景落地等多项重点领域开展合作。依托新华三在数字基础设施建设、人工智能及行业解决方案领域的成熟经验，结合昆山数科集团在本地产业招商、载体运营等优势，双方联动培育数字经济新业态、新赛道，集聚上下游优质产业链资源，共同推动城市智能化水平和数字产业升级。 　　携手启新程，智绘新未来。此次合作协议的正式签署，标志着双方合作迈入全新阶段。下一步，新华三将以此为起点，持续深化同昆山本地产业的务实合作，助力昆山加快打造数字经济创新高地，构建政企协同、产研联动、生态共荣的高质量发展新格局。 来源：浙江安旭旧站新闻归档

　　在数字经济与人工智能快速发展的背景下，高校科研活动正加速向数据驱动、智能协同方向演进。大模型训练、科学计算、数据分析、数字孪生等新型科研场景不断涌现，推动科研数据规模从TB级向PB级乃至EB级迈进。科研数据已成为高校核心战略资产，如何构建安全、高效、智能的数据基础设施，成为高校数字化转型的重要课题。 　　教育部发布的《中国智慧教育白皮书》指出，我国教育数字化正加速迈入智慧教育新阶段；截至2025年，国家智慧教育平台注册用户已突破1.64亿，覆盖220多个国家和地区，成为全球最大的教育资源数字化中心。与此同时，国家教育数字化战略行动持续推进，高校数字基础设施建设正迎来新一轮升级浪潮。 　　在这一背景下，以新华三服务某知名985高校科研平台建设为代表的行业实践，为高校科研数字化建设提供了重要参考。 　　行业标杆案例：新华三助力某知名985高校建设科研数据平台 　　作为国内高校科研数字化建设的重要案例之一，新华三集团为某知名985高校大数据分析与应用技术国家工程实验室建设了科研数据存储平台，提供包括10PB对象存储、大数据服务器及万兆交换机在内的整体解决方案。 　　该高校大数据分析与应用技术国家工程实验室由国家发展改革委批复建设，是我国大数据分析与应用领域的重要国家级创新平台，承担大数据分析系统开发、分布式数据挖掘、智能决策系统等关键技术研发任务。 　　针对实验室科研教学需求，新华三基于对象存储平台构建统一云网盘存储体系，实现海量科研数据集中管理与共享，帮助该高校打造领先的科研数据平台。该项目也使该高校成为又一所采用新华三云网盘整体解决方案的国内顶尖高校。 　　这些成功实践表明高校科研平台建设正在向“云+网+存储+算力”一体化方向发展。数据存储能力已成为科研创新的重要基础设施，科研数据统一管理与共享成为高校数字化建设的重要目标。这也意味着，AI时代对算力和数据平台提出了更高要求。 　　作为深耕数字化建设领域的信息技术服务企业，浙江安旭信息技术有限公司长期专注于数据中心、云计算、大数据、人工智能基础设施及行业数字化解决方案建设。 　　在类似某知名985高校科研平台建设场景中，浙江安旭不仅能够提供设备部署与系统集成服务，更能够承担从规划咨询到建设运营的全生命周期服务角色。 　　在项目初期，安旭能够结合高校发展规划和科研方向，开展科研数据中心顶层设计、智算中心建设规划、云平台建设规划以及科研数据共享平台规划，帮助客户实现“一次规划、分步建设、持续演进”。 　　借鉴某知名985高校对象存储建设经验，安旭能够提供校园私有云平台建设、超融合平台建设、网络升级改造、校园统一身份认证以及AI校园应用平台建设，推动教学、科研、管理和服务全面数字化升级。 　　相关研究显示，在数据密集型科研场景中，高性能存储与计算资源协同能够显著提升科研数据处理效率，减少算力资源等待时间。安旭可协助客户建设AI智算平台、GPU资源池、高性能计算集群（HPC）、AI训练与推理平台以及算存协同架构，实现科研数据与科研算力深度融合。 　　安旭为客户带来的核心价值 　　提升科研效率：通过统一数据平台建设，实现科研数据集中管理和快速调用，减少数据查找和传输时间。科研人员能够将更多时间投入科研创新，而非数据管理工作。 　　提高资源利用率：传统高校普遍存在存储资源分散、服务器利用率低、重复建设严重，通过统一云平台和资源池建设，可实现计算、存储和网络资源统一调度，提高整体资源利用效率。强化数据安全能力，科研成果是高校的重要资产。 　　未来高校科研创新将更加依赖大模型训练、AI辅助科研、数据驱动创新、智能决策分析。安旭将帮助客户提前构建面向未来的数字底座，为AI科研时代做好准备。 　　携手构建智慧科研新未来 　　从新华三服务某知名985高校大数据分析与应用技术国家工程实验室可以看到，高校科研创新能力的提升离不开先进数字基础设施的支撑。 　　作为行业数字化建设的重要参与者，浙江安旭信息技术有限公司将持续发挥自身在云计算、大数据、人工智能、数据中心及行业数字化领域的技术优势，携手新华三等领先生态伙伴，为高校、科研院所和教育主管部门提供覆盖咨询规划、系统建设、集成交付与运维运营的全栈式服务能力。…

　　5月20日消息(水易)在人工智能从技术探索走向产业落地的今天，Token已不仅仅是大模型输出的基本单位，更成为衡量算力效能与商业价值的核心指标。随着国内日均Token调用量迈入百万亿级时代，AI基础设施的竞争焦点正从单一的算力堆叠，转向对“算力×联接”协同效率的极致追求。 　　正如紫光股份董事长、新华三集团总裁兼首席执行官于英涛在NAVIGATE 2026领航者峰会上所言，Token经济的价值范式将从“我有多少算力的硬件采购思维”转换为“我的算力产出了多少有效Token”的新投入产出比思维。 　　“网络已成为决定算力规模能否持续扩展、效能能否充分释放的关键变量。”新华三集团网络产品线总裁乔剡在接受C114等媒体专访时表示，新华三正基于Agentic AI-Defined Network(智能体定义网络)，通过“光电并行、算网调优、广域无损”三大技术创新，重构AI基础设施的联接底座，让每一个Token都具备极致性价比。 　　在传统数据中心架构中，网络主要承担基础连通功能。然而，在万卡集群乃至更大规模的智算场景中，网络的微小抖动或带宽瓶颈都可能导致昂贵的GPU资源闲置，直接制约Token的产出效率。 　　乔剡强调，当前的竞争比任何时候都更激烈，厂商必须进行极致的垂直整合与技术协同，才能获得10倍以上的增长因子。网络从物理层到链路层，到协议层到应用层，每一层都要去做创新，都要去做协同和整体性交付。 　　例如在物理层，针对SerDes速率迈向224G后电信号传输距离受限的挑战，新华三提出了“光电并行”演进路线：在机柜内利用电互联保障可靠性与成本优势，在机柜间通过光互联突破密度与功耗瓶颈。这不是简单的“光电替代”，而是在不同场景中选择最优介质，通过工程能力把光和电都做到极致，从而实现更高的互联密度。 　　另外，面对物理带宽利用率低，造成算力资源闲置与Token产出效率低下的问题，新华三依托多维度调优手段，在显著提升带宽利用率的同时，全面保障数据传输的高效与确定性。在实际的项目应用中，通过此项技术可以将万卡集群的GPU单卡带宽利用率提升到最高96%。 　　此外，随着“东数西算”工程的推进及单机房供电、空间限制的显现，跨数据中心的协同训练与数据传输已成为必然趋势。为破解跨数据中心算力协同的远距离传输瓶颈，新华三依托新一代广域无损传输技术打破地域壁垒，实现远距离算力协同，顺畅打通Token跨域流转通道。 　　当然，传统网络的开发和运维模式无法适应智算时代网络的要求，乔剡强调“AI for AI, Token for Token”愿景，用AI智能体来支撑智算时代网络的快速迭代，从而构建出智能、高效的新一代联接底座。为此，新华三正式发布全栈升级的Agentic AI-Defined Network(智能体定义网络)，实现三个层次的重构： 　　管理平台侧，将数十年经验转化为网络运维排障Skills库，打造云上云下一体化智能运维体系;网络操作系统侧，依托H3C…

　　近日，由英特尔主办的“重塑智能体时代芯引擎”英特尔®至强®6+新品发布会暨数据中心创新日盛大启幕。紫光股份旗下新华三集团作为核心合作伙伴之一参会，在主题演讲中深度分享AI原生存储UniStor X20000的创新实践，并在展区展示展区展示基于英特尔®至强®6+的两款旗舰服务器R4900 G7、R3900 G7以及R6900 G7 AI训推一体化方案，以全栈智算能力与英特尔深度协同，共筑智能体时代高效、普惠的算力底座。 　　浙江安旭信息技术有限公司作为新华三集团合作伙伴，深度参与本次智算生态共建，以“硬件+方案+服务”一体化能力，助力千行百业跨越智能门槛。 　　一、AI原生存储X20000|以存强算提速智算全流程 　　在大会演讲环节，新华三集团存储产品线首席产品经理王其勇带来《AI原生存储X20000助力智算效率提升》的主题分享，直击AI推理时代KV Cache膨胀、Token吞吐压力激增、存储瓶颈制约算力释放等核心痛点，给出以存强算的完整解法。 　　依托英特尔®至强®6 处理器强劲算力，新华三UniStor X20000打造面向大模型训推的AI原生存储，实现三大核心突破： 　　1.协议融合，降本提效：文件、对象、大数据协议互通，存储成本下降 60%，数据免搬迁，准备时间减少35%。 　　2.极致性能，加速训练：单节点带宽达200GB/s、300万IOPS，减少30% GPU训练等待时间；MLPerf Storage v2.0 RoCE…