当"全栈智能"成为新潮流，紫鸾6.0如何重构云计算未来

当前，云计算正进入一个新的发展周期，人工智能的快速进化也在重塑整个行业格局。生成式AI的崛起，使得AI应用从专业技术人员的工具演变为大众可用的生产力工具，而这一切都离不开云计算的支撑。

从“百模大战”到“千模大战”，AI大模型的不断推陈出新，使企业对于AI的需求从概念验证进入大规模商业化应用阶段。过去一年，AI技术的突破性进展推动了云计算市场增长，开源模型（如DeepSeek）的出现，使企业能够更低成本地获取高质量AI能力，云计算公司的市值也因此大幅增长。

随着大模型技术的普及，越来越多的企业开始在云端部署AI应用。数据显示，今年约有70%的企业，尤其是B端企业，将依托云平台进行AI应用的开发与运营。企业的数字化转型不再局限于传统的信息化，而是向数据驱动的智能化演进。

“从硬件到软件，整个产业链正在发生深刻变革。企业对云服务的需求发生了显著变化，更加注重平台服务（PaaS）和行业知识的深度应用。紫光云推出「云底座+基础模型+行业应用」的融合方案，助推差异化行业应用的落地。”紫光云公司总裁王燕平日前在接受笔者的采访时表示，未来云与AI的关系将更加紧密，云不仅是AI应用的载体，同时也是AI能力的加速器。

事实上，过去云计算主要以IaaS（基础设施即服务）为主，提供计算、存储、网络等基础资源。然而，随着AI的普及，云的核心价值正在向PaaS层迁移。

王燕平进一步指出，“PaaS涉及数据库、中间件、AI大模型等服务，甚至进一步向行业应用层延伸。SaaS（软件即服务）层则继续承担ERP、CRM等通用软件服务的角色。在新一代云计算架构中，PaaS的地位正在迅速上升，因为它决定了企业是否能真正用好AI。”

紫鸾6.0：全栈智能云的落地实践

2024年，紫光云发布了紫鸾5.0，开启了全面拥抱AI的时代，实现了国产化能力、敏捷开发、数字化、数据要素等多方面的创新。回顾过去一年，AI技术为云计算领域带来了深远变革。

在技术架构层面，大模型正在推动行业应用的智能化重构，成为市场竞争的核心。与此同时，云计算的升级方向也愈发明确——未来的云必须实现“三算合一”，即AI智算算力、通用算力和HPC超算算力的深度融合。仅仅提供算力已不足以支撑未来业务的发展，云需要更加智能、更加高效，才能真正满足AI时代的需求。

“云原生架构的快速落地，是大模型技术变革的重要支撑。所有AI应用几乎都依赖于云原生环境，没有容器化技术的支撑，就难以高效运行AI任务。”在紫光云首席技术官柳义利看来，云原生不仅是AI应用创新的关键，更是推动企业智能化升级的核心引擎。与此同时，AI也成为了数据变现的关键纽带。数据本身并不能直接被大模型使用，在数据与AI应用之间，亟需一个“知识平台”来进行转化，使AI开发更简单、更高效。在这样的趋势下，敏捷开发不再是选择，而是刚需。

此外，随着端侧设备的不断升级，机器人、自助终端等智能设备的大规模普及，云已经从过去传统的云数据中心延伸到云边协同的整体架构，这定会带动整个边缘节点对云计算能力的增强。为应对这个演进，紫光云一直践行创新引领，推出紫鸾6.0满足客户差异化、个性化需求。

具体来看，紫鸾6.0有着三大核心能力：

首先是普惠化。紫光云在今年推出了三个重量级的普惠解决方案：紫鸾应用容器一体机融入AI能力，让云能够更轻量化地落地到边端。

“去年3月的时候我们主打双栈，实现了虚机和容器的双重承载，并且能够实现动态调配资源。今年在全栈的基础又增加了AI的能力，即实现了虚拟机+容器+AI智算的商业落地。”柳义利表示，云公司天生擅长“一驱多”架构，紫光云不仅具备传统计算虚拟化能力，还进一步实现了GPU虚拟化，全面支持vGPU技术，将一块GPU资源高效分配给多个用户共享，这是帮助客户降本增效的最佳方式。

过去企业若想构建一个AI计算平台，动辄需要投入百万级别的预算，而紫鸾大模型一体机精简版极大降低了AI的应用门槛。

同时，打造高性能智算中心，实现云上“三算合一”，通过大模型训练、推理和知识管理平台实现智算赋能，借助智能体开放、应用商城推动创新应用发展。这些方案不仅降低了中小企业的上云门槛，还通过AI能力的加持，提升云服务的灵活性和效率。

其次是极致的型变。其体现出紫鸾6.0的灵活部署能力：紫鸾6.0提供最轻云管，3台服务器即可运行全栈云管平台，让用户可随规模横向扩展；提供最小边缘方案，支持单节点边缘和多节点集群等多种部署方式；极简中心，提供7节点的云一体机解决方案，实现极简部署、极简开通、极简运维。

最后，结合当前各行业“深度用云”的诉求，紫鸾6.0通过“贴身的定制+全流程咨询服务”围绕云的建-用-管全周期，提供云建设规划咨询、云灾备规划咨询、应用上云咨询、DevOps咨询、云迁移服务、云运营与运维服务以及源码级定制开发服务，为用户打造行业专属的云。

“在应用层面，我们具备了政府、教育、企业、医疗等领域的应用开发能力，并提供定制开发辅导服务。”柳义利表示，紫光云可以提供智慧城市解决方案，帮助客户从应用层开发到硬件基础设施的全栈解决方案。借助AI技术，应用开发变得更加简单和高效，这也是未来至关重要的能力。

紫鸾知识平台，让AI真正懂行业

在AI的加持下，定制化已成为满足客户个性化需求的高效方式。每个企业的需求都值得被认真对待，我们追求的不是千篇一律的通用模型，而是独特的行业体验和创新。

然而，尽管行业大模型应用快速落地，真正解决行业痛点仍然是一个值得深思的问题。大模型在行业落地时，如何与私域知识深度结合是一个关键挑战。

当前有两种主要方式：一种是把私域数据收集起来，通过标注等方式做成专门用于大模型微调的数据集，行业数据集加上通用大模型做技术微调；另一种则是不做微调，在通用大模型旁边做成一个知识库。

需要注意的是，大模型的行业落地，并不仅仅是部署的问题，而是如何让AI真正理解行业知识的问题。过去，大模型主要依赖通用数据进行训练，但企业的私有数据往往是最具价值的。紫鸾知识平台作为紫光云此次发布会的重磅产品之一，正是为了解决这一痛点——聚焦私域知识管理与AIGC（生成式AI）落地应用，帮助企业将海量数据资产转化为可调用的智能知识服务，实现从原始数据到智能服务的跃迁。

“在紫鸾6.0中，配置和相关问题可以作为知识库放在一旁。当大模型提问时，系统可以随时查询知识库，并利用大模型本身的逻辑总结和表达能力，将知识库中的信息消化后再输出。”紫光云产品与研发部副总裁唐元武表示，这两种方式各有优劣，实际应用中往往需要结合使用，以确保行业知识的精准性和可用性。

此外，从数据到知识有一个关键的过程，即如何从数据中提取出有意义的知识。对于大模型来说，这个知识的表现形式通常是文本形式。虽然多模态（如图片）也能包含知识，但在语言模型中，知识通常以文本化的形式呈现。因此，从数据到知识的转变是一个跨越的过程。

紫鸾知识平台的不同之处在于它的采集能力。与大模型中每个人手动上传内容不同，知识平台采用的是自动采集方式。企业中生产的所有知识，无论属于谁，都将自动被采集并存储，形成企业的知识库。这种采集和更新的方式是自动化的，确保了知识的持续更新和完整性。

采集完成后，数据需要经过一系列流程才能转化为大模型所需的文字表。具体流程包括转化、识别、去噪、提取和切片。

但大模型无法判断内容质量，因此需要四大算法来支持知识的更新：首先是知识迭代，动态检测知识的更新内容，不仅从文件的角度，还从语义的维度来判断，最终选出更新的知识；其次是解决冲突问题，当PPT发出去后，每个人根据自己的理解进行演绎，需要有办法将这些错误信息排除；还有是知识裁减冗余，让更新的信息及时反馈到大模型和知识库，越用越新、越用越好、越用越准；最后是权限的管理，企业必须具备对知识权限的管理，这更有利于确保数据安全。