炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
近日，由新浪财经主办的AI投资峰会在北京举行，主题为“AI基建时代的确定性机会”，阿里云基础设施异构计算资深总监卢晓伟表示，AI应用已经从简单问答转向复杂多Agent任务链，行业重心也由模型训练，转向训练、微调、推理并重，超节点架构将是阿里云算力迭代主线。
卢晓伟指出，行业早期更多聚焦模型榜单、Demo效果，如今企业客户核心诉求已经切换至高并发承载、可控延迟、可预测成本、数据隔离等生产级指标，AI正式从实验场景迈入真实生产系统。同时应用形态从简单问答工具，演进至多Agent协同处理复杂任务链路，涉及知识检索、代码执行、工具调用等多重环节，这不仅拉动AI芯片需求爆发，也重塑CPU等配套硬件的角色定位。
行业资源分配逻辑同样发生切换，过去产业资源大量倾斜模型训练环节，当下已经过渡至训练 微调 持续推理并重的新阶段，倒逼底层基础设施重新设计。
针对市场高度关注的超节点架构的投入产出，卢晓伟披露实测业务数据：以MOE模型64卡部署为例，对比8台8卡服务器分散部署，同等卡量下超节点整机柜会带来TCO（总拥有成本）抬升，但单卡推理性能可提升40%以上，性能提升幅度跑赢成本增幅，推理场景下性价比改善更为突出。
他表示，超节点是阿里云AI服务器与推理基础设施的核心演进方向，未来资源重心将持续投向超节点产品迭代。统一的超节点硬件底座，也能够兼顾双十一等在线业务与AI训推任务，提升产品规划与落地效率。
谈及行业核心考核指标，卢晓伟强调，Token利用率效率是基础设施层最关键的观测指标。阿里云内部每月复盘Token产出全链路拆解，向上牵引超节点、IDC等全链条成本管控，通过硬件、系统层优化，实现算力资源降本增效。
新浪声明：新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。责任编辑：常福强