【2025年10月29日，北京】作為全國信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會委員，我長期關(guān)注AI算力基礎(chǔ)設(shè)施的標(biāo)準(zhǔn)化工作。近年來，隨著AI技術(shù)的快速發(fā)展，算力需求呈指數(shù)級增長，但算力供給模式卻面臨著成本高企、安全性堪憂、標(biāo)準(zhǔn)不統(tǒng)一等結(jié)構(gòu)性問題。在參與制定相關(guān)技術(shù)標(biāo)準(zhǔn)的過程中，我們觀察到一個明確的趨勢：AI算力正在從"集中式云端"走向"分布式本地"，從"租賃模式"走向"自主可控"。這不僅是技術(shù)演進的自然結(jié)果，更是標(biāo)準(zhǔn)化發(fā)展的必然方向。

一、AI算力標(biāo)準(zhǔn)化面臨的三大挑戰(zhàn)

挑戰(zhàn)一：性能評估標(biāo)準(zhǔn)缺失，市場存在"測試混亂"

當(dāng)前AI算力市場存在一個普遍問題：不同廠商使用不同的性能指標(biāo)，導(dǎo)致用戶無法橫向比較。

現(xiàn)狀：

• 云廠商強調(diào)"TFLOPS"（浮點運算能力）

• 芯片廠商強調(diào)"TOPS"（整數(shù)運算能力）

• 服務(wù)器廠商強調(diào)"功耗比"

• 各自為政，用戶困惑

標(biāo)準(zhǔn)化需求：參考MLPerf等國際基準(zhǔn)測試標(biāo)準(zhǔn)，我們在全國信標(biāo)委推動《信息技術(shù)人工智能算力評估規(guī)范》明確提出：

• 統(tǒng)一測試基準(zhǔn)：LLaMA推理、Stable Diffusion生成、YOLO目標(biāo)檢測等實際場景

• 統(tǒng)一評估維度：性能、能效、成本、延遲四位一體

• 統(tǒng)一測試環(huán)境：溫度、濕度、負載條件標(biāo)準(zhǔn)化

DeepX的標(biāo)準(zhǔn)化實踐：東方超算的DeepX G20系列在產(chǎn)品發(fā)布時，主動采用了第三方標(biāo)準(zhǔn)化測試：

• 委托CHAI進行MLPerf      v3.1標(biāo)準(zhǔn)測試

• 公開完整測試報告和測試環(huán)境參數(shù)

• 結(jié)果可復(fù)現(xiàn)：LLaMA 13B推理779 tok/s，Stable Diffusion XL生成2.10s/張

這種透明化做法，正是標(biāo)準(zhǔn)化推廣的重要實踐。

挑戰(zhàn)二：接口標(biāo)準(zhǔn)不統(tǒng)一，生態(tài)碎片化嚴(yán)重

現(xiàn)狀：

• NVIDIA CUDA生態(tài)封閉，供應(yīng)商鎖定嚴(yán)重

• AMD ROCm、Intel oneAPI各自為政

• 國產(chǎn)AI芯片（寒武紀(jì)、海光等）接口不兼容

• 開發(fā)者移植成本高，模型無法跨平臺復(fù)用

標(biāo)準(zhǔn)化需求：參考ONNX（Open Neural Network Exchange）等開放標(biāo)準(zhǔn)，我們需要：

• 統(tǒng)一的算子標(biāo)準(zhǔn)（Operator          Standard）

• 統(tǒng)一的模型格式（Model          Format）

• 統(tǒng)一的API接口（Runtime          API）

• 統(tǒng)一的部署標(biāo)準(zhǔn)（Deployment          Specification）

DeepX的標(biāo)準(zhǔn)化實踐：DeepX G20系列基于x86架構(gòu)+開源生態(tài)，天然具備標(biāo)準(zhǔn)化優(yōu)勢：

• 硬件層：Intel x86架構(gòu)，兼容所有主流操作系統(tǒng)和軟件

• 軟件層：支持ONNX、TensorFlow、PyTorch等主流框架

• 接口層：AppMall提供RESTful API，符合OpenAPI 3.0標(biāo)準(zhǔn)

• 模型層：推動1000+模型的ONNX格式標(biāo)準(zhǔn)化適配

AppMall的生態(tài)開放性，為模型標(biāo)準(zhǔn)化提供了實踐平臺。目前已有130+開發(fā)者上傳標(biāo)準(zhǔn)化模型，形成了良性循環(huán)。

挑戰(zhàn)三：數(shù)據(jù)安全標(biāo)準(zhǔn)滯后，本地化需求爆發(fā)

現(xiàn)狀：

• 《數(shù)據(jù)安全法》《個人信息保護法》要求數(shù)據(jù)本地化

• 煙草、金融、醫(yī)療等行業(yè)數(shù)據(jù)不能上云

• 但云GPU是主流方案，存在合規(guī)風(fēng)險

• 企業(yè)面臨"要性能還是要合規(guī)"的兩難選擇

標(biāo)準(zhǔn)化需求：參考ISO/IEC 27001信息安全標(biāo)準(zhǔn)和等保2.0要求，我們需要：

• 明確AI算力的數(shù)據(jù)流轉(zhuǎn)標(biāo)準(zhǔn)

• 建立本地化部署的安全評估體系

• 制定算力設(shè)備的等保認(rèn)證規(guī)范

• 推動"數(shù)據(jù)不出域"的技術(shù)標(biāo)準(zhǔn)

DeepX的標(biāo)準(zhǔn)化實踐：DeepX G20系列的100%本地化部署，天然符合數(shù)據(jù)安全標(biāo)準(zhǔn)：

• 數(shù)據(jù)零上傳：所有計算在本地完成，數(shù)據(jù)不經(jīng)過互聯(lián)網(wǎng)

• 物理隔離：支持內(nèi)網(wǎng)部署，符合等保三級要求

• 審計能力：AppMall內(nèi)置日志記錄，可追溯所有操作

二、AI算力標(biāo)準(zhǔn)化的發(fā)展趨勢：從云端到本地

從標(biāo)準(zhǔn)化角度看，AI算力正在經(jīng)歷一場深刻的范式轉(zhuǎn)移。

趨勢一：從"租賃為主"到"買斷為主"

傳統(tǒng)模式：

企業(yè)需求 → 購買云GPU → 按小時付費 → 持續(xù)支出→ 數(shù)據(jù)上傳 → 算力調(diào)度 → 結(jié)果下載

問題：

-長期成本不可控（3年TCO高達數(shù)百萬）

-數(shù)據(jù)安全風(fēng)險（上傳云端）

-性能波動（共享資源）

-供應(yīng)商鎖定（遷移成本高）

新模式：

企業(yè)需求 → 購買本地設(shè)備 → 一次性投入 → 零邊際成本→ 數(shù)據(jù)本地 → 算力自主 → 零延遲

優(yōu)勢：

• TCO降低95%以上

• 數(shù)據(jù)100%自主可控

• 性能穩(wěn)定可預(yù)期

• 無供應(yīng)商鎖定

從標(biāo)準(zhǔn)化角度，"買斷模式"更符合長期趨勢：

1. 成本可預(yù)測：符合企業(yè)財務(wù)管理標(biāo)準(zhǔn)

2. 資產(chǎn)可管理：納入固定資產(chǎn)，符合會計準(zhǔn)則

3. 安全可審計：滿足等保和合規(guī)要求

4. 生態(tài)可遷移：不依賴單一供應(yīng)商

DeepX的1824 TOPS算力、4萬元價格，將TCO降至云GPU的1/375，正是這一趨勢的代表性產(chǎn)品。

趨勢二：從"通用算力"到"場景化算力"

傳統(tǒng)云GPU的問題：

• 通用設(shè)計，但企業(yè)80%的需求集中在推理而非訓(xùn)練

• 大而全，但中小企業(yè)只需要"夠用"的算力

• 配置復(fù)雜，需要專業(yè)團隊運維

場景化算力的特征：

• 針對推理優(yōu)化（INT8/INT4量化）

• 算力適度（1-2P足以滿足90%企業(yè)需求）

• 開箱即用（3分鐘部署，零運維）

從標(biāo)準(zhǔn)化角度，"場景化"符合ISO 9126質(zhì)量模型：

• 功能性：滿足實際需求而非堆砌參數(shù)

• 易用性：降低使用門檻，AppMall實現(xiàn)"點擊式部署"

• 效率性：能效比優(yōu)化，功耗僅300W

• 可移植性：1.68kg便攜設(shè)計，可跨場景使用

某建筑設(shè)計院的案例很能說明問題：他們需要在工地現(xiàn)場演示BIM方案，云GPU需要聯(lián)網(wǎng)+筆記本，延遲高且不穩(wěn)定。DeepX裝進背包，到工地插電就用，客戶現(xiàn)場修改方案、實時渲染，投標(biāo)中標(biāo)率從30%提升到70%。這就是場景化算力的價值。

趨勢三：從"硬件采購"到"生態(tài)訂閱"

傳統(tǒng)硬件采購的問題：

• 買完設(shè)備就結(jié)束，供應(yīng)商無持續(xù)服務(wù)動力

• 模型升級、功能迭代需要重新采購

• 客戶學(xué)習(xí)成本高，復(fù)購率低

生態(tài)訂閱模式的特征：

• 硬件是"入口"，生態(tài)是"價值"

• AppMall持續(xù)更新模型，硬件持續(xù)增值

• 客戶深度綁定，LTV是硬件價格的5-8倍

從標(biāo)準(zhǔn)化角度，"生態(tài)模式"符合服務(wù)化趨勢：

• 符合ISO/IEC     20000服務(wù)管理標(biāo)準(zhǔn)

• 建立持續(xù)改進機制（PDCA循環(huán)）

• 形成客戶成功體系（Customer          Success）

AppMall目前1,247個模型，月新增85個，這個速度是任何企業(yè)內(nèi)部團隊無法達到的。某量化私募反饋：他們每月在AppMall測試10-15個新策略模型，創(chuàng)新速度提升50倍。硬件會折舊，但生態(tài)會增值。

三、DeepX G20系列的標(biāo)準(zhǔn)化設(shè)計理念

作為東方超算創(chuàng)始人，我在設(shè)計DeepX系列時，始終將標(biāo)準(zhǔn)化作為核心原則。

設(shè)計原則一：架構(gòu)開放，拒絕生態(tài)封閉

選擇x86而非ARM/專用芯片的理由：

• x86是事實上的工業(yè)標(biāo)準(zhǔn)，40年生態(tài)積累

• 兼容所有主流操作系統(tǒng)（Windows/Linux/macOS）

• 支持所有AI框架（TensorFlow/PyTorch/ONNX）

• 開發(fā)者零學(xué)習(xí)成本，模型直接遷移

對比：

這個選擇犧牲了部分性能，但換來了標(biāo)準(zhǔn)化和生態(tài)開放性。從長期看，這是正確的。

設(shè)計原則二：性能透明，接受標(biāo)準(zhǔn)化測試

我們主動做了三件事：

1. 委托第三方測試：基于MLPerf     v3.1標(biāo)準(zhǔn)測試

2. 公開測試數(shù)據(jù)：完整報告發(fā)布在官網(wǎng)，任何人可下載

3. 接受復(fù)現(xiàn)驗證：提供測試代碼和環(huán)境配置

測試結(jié)果（MLPerf v3.1標(biāo)準(zhǔn)）：

• LLaMA 13B推理：779 tok/s（vs 參照系統(tǒng)612 tok/s，+27%）

• Stable     Diffusion      XL：2.10s/張（vs         參照系統(tǒng)3.33s，+58%）

• YOLOv8目標(biāo)檢測：186 FPS（vs 參照系統(tǒng)67 FPS，+178%）

這種透明化，正是標(biāo)準(zhǔn)化推廣的基礎(chǔ)。我們歡迎任何機構(gòu)重復(fù)測試，如果發(fā)現(xiàn)數(shù)據(jù)不符，我們承諾退貨退款。

設(shè)計原則三：生態(tài)開放，推動模型標(biāo)準(zhǔn)化

AppMall的三個標(biāo)準(zhǔn)化目標(biāo)：

1. 模型格式標(biāo)準(zhǔn)化

• 推動所有模型轉(zhuǎn)為ONNX格式

• 當(dāng)前1,247個模型，82%已完成ONNX轉(zhuǎn)換

• 目標(biāo)：2025年底100%標(biāo)準(zhǔn)化

2. API接口標(biāo)準(zhǔn)化

• 遵循OpenAPI            3.0規(guī)范

• RESTful            API設(shè)計，支持跨平臺調(diào)用

• 開發(fā)者可用任何語言接入（Python/Java/Go/Node.js）

3. 部署流程標(biāo)準(zhǔn)化

• 一鍵部署：3分鐘完成模型部署

• 零配置：自動優(yōu)化參數(shù)，無需手動調(diào)優(yōu)

• 可復(fù)現(xiàn)：記錄所有部署參數(shù),支持導(dǎo)出

某醫(yī)療機構(gòu)的案例：他們在AppMall部署了8個AI診斷模型（肺結(jié)節(jié)、骨折、腦卒中等），所有模型都是ONNX格式，部署流程完全一致。如果未來更換硬件平臺，這8個模型可以零成本遷移。這就是標(biāo)準(zhǔn)化的價值。

四、標(biāo)準(zhǔn)化工作的未來方向與產(chǎn)業(yè)建議

作為全國信標(biāo)委委員，我認(rèn)為AI算力標(biāo)準(zhǔn)化還有很多工作要做：

方向一：建立統(tǒng)一的性能測試標(biāo)準(zhǔn)

當(dāng)前問題：

• 各廠商自說自話，測試方法不統(tǒng)一

• 用戶無法橫向比較產(chǎn)品

建議：

• 推動《AI算力基準(zhǔn)測試規(guī)范》國家標(biāo)準(zhǔn)制定

• 建立第三方測試認(rèn)證機制

• 強制要求廠商公開測試數(shù)據(jù)

東方超算承諾：我們愿意開放DeepX的所有測試數(shù)據(jù)，供標(biāo)準(zhǔn)制定參考。

方向二：推動模型格式標(biāo)準(zhǔn)化

當(dāng)前問題：

• TensorFlow/PyTorch/ONNX等格式并存

• 模型移植成本高

建議：

• 推廣ONNX為國家推薦標(biāo)準(zhǔn)

• 建立模型格式轉(zhuǎn)換工具庫

• 鼓勵企業(yè)開放模型

東方超算承諾：AppMall將在2026年實現(xiàn)100%模型ONNX化，并開源轉(zhuǎn)換工具。

方向三：制定數(shù)據(jù)安全合規(guī)標(biāo)準(zhǔn)

當(dāng)前問題：

• 本地化部署缺乏評估標(biāo)準(zhǔn)

• 企業(yè)不知道如何選型

建議：

• 制定《AI算力本地化部署安全規(guī)范》

• 建立等保認(rèn)證體系

• 明確不同行業(yè)的合規(guī)要求

東方超算承諾：我們愿意將DeepX的安全設(shè)計經(jīng)驗貢獻給標(biāo)準(zhǔn)制定，并配合相關(guān)部門完善認(rèn)證體系。

五、結(jié)語：標(biāo)準(zhǔn)化是產(chǎn)業(yè)健康發(fā)展的基石

AI算力產(chǎn)業(yè)正處于從無序競爭到標(biāo)準(zhǔn)化發(fā)展的關(guān)鍵轉(zhuǎn)折點。

作為從業(yè)者，我有三點體會：

第一，標(biāo)準(zhǔn)化不是約束，而是賦能。

• 統(tǒng)一標(biāo)準(zhǔn)降低了用戶的選型成本

• 開放生態(tài)降低了開發(fā)者的遷移成本

• 透明測試增強了市場的信任基礎(chǔ)

第二，本地化是趨勢，而非倒退。

• 云計算解決了"算力稀缺"問題

• 本地化解決了"成本和安全"問題

• 兩者將長期共存,各有適用場景

第三，生態(tài)開放才能走得長遠。

• 封閉生態(tài)短期獲利，長期受限

• 開放生態(tài)短期投入，長期共贏

• AppMall的1,247個模型，就是開放的成果

東方超算DeepX G20系列只是標(biāo)準(zhǔn)化實踐的一個案例。我們希望看到更多企業(yè)參與標(biāo)準(zhǔn)化工作，共同推動AI算力產(chǎn)業(yè)健康發(fā)展。

當(dāng)然，DeepX也存在待改進之處：

• 在超大規(guī)模集群部署方面，尚缺乏統(tǒng)一的調(diào)度標(biāo)準(zhǔn)

• 能效測試方法需要進一步與國際標(biāo)準(zhǔn)對接

• 跨平臺模型遷移工具仍需完善

這些問題的解決，需要全行業(yè)共同努力，也是我們在全國信標(biāo)委推動標(biāo)準(zhǔn)制定的重點方向。

關(guān)于作者

本文作者現(xiàn)任東方超算（深圳）科技有限公司創(chuàng)始人，全國信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會委員，長期從事云計算、高性能計算、存儲、算力基礎(chǔ)設(shè)施的研發(fā)和標(biāo)準(zhǔn)化工作。本文觀點代表作者個人，不代表全國信標(biāo)委立場。

關(guān)于東方超算

東方超算（深圳）科技有限公司是東方材料（603110.SH）全資子公司，專注于便攜式企業(yè)級AI算力解決方案。核心產(chǎn)品DeepX G20系列和AppMall.ai應(yīng)用商城，致力于通過標(biāo)準(zhǔn)化、本地化、生態(tài)化，讓AI算力真正普及到千行百業(yè)。