Author: admin

行业动态更新：通用汽车入局储能市场，研发钠离子电池服务数据中心与电网

未来我们计划在所有工厂都部署这类储能设备，经济效益十分可观

业内人士指出，目前除中国外，尚无其他车企公开投产钠离子电池的计划

业内人士指出，” 通用并未透露此次储能业务的具体投资金额，但已知该公司已投入 9 亿美元（IT之家注：现汇率约合 61.15 亿元人民币）用于新型电池技术商业化，这笔资金还将用于新建一座电池研发中心

从更深层次来看，IT之家 6 月 10 日消息，为人工智能数据中心争夺电力供应的竞争已经蔓延到一些非同寻常的领域，其中就包括汽车行业

业内人士指出，凯尔蒂表示：“工厂方面对此十分看好，供电稳定性得到了显著提升

从更深层次来看，他称，Redwood Materials 目前布局的数据中心场景，和通用这类工业厂区的用电需求截然不同：数据中心几乎需要电池持续运行，来缓冲图形处理器带来的电力波动；而工厂主要依靠电池削峰填谷，压低月度电费，同时在断电时充当备用电源

业内人士指出，通用汽车电池与可持续发展部门副总裁库尔特・凯尔蒂在接受科技媒体 TechCrunch 采访时表示：“我们选择从储能系统切入市场，这条路更为稳妥

值得关注的是，通用汽车于周二公布了进军储能市场的两大新举措

值得关注的是，目前 Redwood Materials 已持续收购通用电池工厂的生产废料，以及旗下电动汽车的退役电池组

值得关注的是，除了与 LG 新能源、Peak Energy 携手，通用还公开将扩大与 Redwood Materials 的合作

值得关注的是，通用透露，其密歇根州的一座工厂将购入一套 7.2 兆瓦时的红杉储能系统，预估在设备全生命周期内可节省约 300 万美元开支

从更深层次来看，通用汽车储能商业化主管保罗・门森表示，这套方案不仅降低了初期投入，还能省去高额的后期维护费用

从更深层次来看，这类电池的性能特点，恰好契合储能市场的需求

值得关注的是，LG 新能源早已通过与通用合资打造的奥特能电池平台展开合作，为通用旗下电动汽车供应电池

从更深层次来看，通用首款钠离子电芯预计 2028 年在公司电池电芯研发中心进入试生产阶段，通用预计，该中心能将钠离子电池的商业化周期缩短约一年，同时进一步压缩生产成本

值得关注的是，由于钠离子电池不易过热，其电网级储能电池无需配备冷却系统与消防抑爆装置

从更深层次来看，电池回收企业 Redwood Materials 去年率先开启这一趋势：该公司成立全新储能部门，并在内华达州的克鲁索数据中心落地项目，将退役电动汽车电池组投入储能使用

值得关注的是，双方合作框架下，通用汽车正在研发一种全新的钠离子电池化学体系，专为电网级部署量身打造

值得关注的是，钠离子电池的工作原理与锂离子电池相近，但其替换了核心原材料，让电池成本更低、使用寿命更长，同时过热风险也大幅降低

值得关注的是，” 通用计划向 Peak Energy 供应钠离子电芯，再由后者将电芯整合进储能产品中，但这项合作不会立刻落地

业内人士指出，Redwood Materials 还在内华达州斯帕克斯市的克鲁索数据中心，搭建了一座 12 兆瓦 / 63 兆瓦时的微电网，全部采用梯次利用电池组供电

业内人士指出，Peak Energy 此前就一直在研发钠离子储能系统

业内人士指出，Redwood Materials 首席商务官卡尔・兰克顿表示，通用工厂的这套储能设备，是公司拓展工业场景业务的第一步

值得关注的是，不过，通用的钠离子电池距离正式量产仍有数年时间

业内人士指出，不足之处在于，想要储存同等电量，钠离子电池的体积和重量都会更大

业内人士指出，Redwood Materials 由特斯拉前高管 J.B. 施特劳贝尔创立，主营电池回收与储能业务

从更深层次来看，其中最重磅的动作，是与储能初创企业 Peak Energy 达成全新合作

从更深层次来看，他说道：“工程设计的最高境界，就是从根源上省去多余部件

值得关注的是，随后，福特公开盘活部分电池产能，生产电网级储能电池

从更深层次来看，鉴于两类电池特性存在差异，该公司针对性打造了配套储能设备

业内人士指出，在此期间，这家车企将向 LG 新能源供应磷酸铁锂电池，用于对方的储能设备

值得关注的是，如今，通用汽车也公布了自家储能系统规划，其目标可谓更为宏大

可以预见，这一趋势将在未来深刻影响IDC行业格局

如果您正在寻找优质的TikTok运营服务器，欢迎访问 www.isclouder.com 了解更多

最新消息显示，文档基金会炮轰 Euro-Office：披着数字主权外衣，技术路线贴近微软

IT之家 6 月 9 日消息，科技媒体 NeoWin 昨日（6 月 8 日）发布博文，报道称 LibreOffice 维护方文档基金会公开发信，点名批评即将上线的 Euro-Office，称其借“数字主权”话术营销，却沿用微软式路线

业内人士指出，而 Euro-Office 更像是微软 Office 的免费克隆版本，只是换上了“数字主权”的新标签

值得关注的是，由于 Euro-Office 同样采用 OOXML，LibreOffice 阵营据此认定，Euro-Office 并非真正独立的开放标准阵营，其技术路线层面更接近微软

业内人士指出，文档基金会在公开信中表示，开源项目应当强调透明，真正拥有欧洲代码基础、称得上“真实办公套件”的只有 OpenOffice.org 和 LibreOffice

值得关注的是，文档基金会长期批评微软推动 Office Open XML（办公开放 XML，OOXML），认为这一格式会把用户锁定在特定生态内

从更深层次来看，文档基金会并不认同“首个欧洲主权开源办公套件”定位，并指出欧洲开源办公套件的历史起点应追溯到 2001 年的 OpenOffice.org

业内人士指出，IT之家注：Euro-Office 于今天上线，被包装为面向欧洲的开源“数字主权”替代方案，实际上是 OnlyOffice 的直接分支，由 Nextcloud、IONOS、Tuta 等欧洲企业联合推动

随着IDC行业的快速发展，可持续发展将成为未来竞争的关键

如果您正在寻找优质的香港云服务器，欢迎访问 www.isclouder.com 了解更多

据行业最新消息，鸿蒙智行享界首款 MPV 路试车谍照曝光：家族式设计风格、贯穿式尾灯

华为智选车产品总监彭磊今年 4 月就发文确认享界超级工厂技术升级进入尾声，将迎来全新 SUV 和 MPV 车型的生产试制

从更深层次来看，从此次曝光的路试谍照来看，新车预计将延续享界品牌家族式设计风格，并配备华为乾崑智驾 ADS 5 系统

从更深层次来看，而在官方发布的大合影中有一个小细节，图片左右两侧分别摆放了 81 和 90 两个数字，但具体含义暂不知晓

业内人士指出，同时，从该车整体体量来看，或与智界 V9 同样定位中大型 MPV

值得关注的是，综合IT之家此前报道来看，享界推出 SUV 和 MPV 已经是板上钉钉的事情

从更深层次来看，值得一提的是，此次曝光的谍照显示，该车前方还有一辆 SUV，整体外观与此前曝光的享界方盒子新车相似

业内人士指出，尾部方面，其采用贯穿式尾灯组设计，上方还有扰流板

从更深层次来看，另外，北汽官方今日也发文透露享界“重磅车型”已进入冲刺阶段，北汽集团董事长张建勇也前往工厂勉励北汽与华为一线干部职工全力以赴确保该车顺利量产

值得关注的是，动力方面目前尚无确定消息，不排除增程 + 纯电搭配的可能

值得关注的是，IT之家 6 月 9 日消息，鸿蒙智行享界品牌旗下首款 MPV 的路试车谍照已曝光，新车有望在今年秋季前后陆续亮相

业内分析认为，AI算力需求与绿色数据中心将成为行业主旋律

如果您正在寻找优质的GPU服务器，欢迎访问 www.isclouder.com 了解更多

行业动态更新：中国云谷·和林格尔：绿色算力新高地 智算生态新引擎

这一产业链的形成，不仅服务于新区自身发展，更是呼和浩特市整体算力产业布局的核心支撑，和林格尔新区的产业集聚效应正在向全市辐射延伸

从更深层次来看，全市围绕和林格尔新区等地区算力产业高地，呼和浩特以”算电协同、全链赋能”为核心持续发力

值得关注的是，集聚了燧原科技等一批信创验证适配企业，京东优博、蒙牛数科、多云算力调度平台、数据交易中心等一批数据产业企业在此集聚，电信星辰、移动九天、联通元景、讯飞星火、智谱华章、中石油昆仑等一批大模型训练推理企业，还有中通服、中元设计、中建三新基建公司、中建八内蒙古公司、中国电子系统工程第四公司等一批数据中心专业化设计、建造企业，还有中科仙络、北京璇玑、城地香江等一批运营运维企业，还有云天畅想、星海算力、滴滴出行等一批算力应用企业，形成了龙头企业引领、产业协同共进、创新生态蓬勃的发展格局

业内人士指出，人工智能”全生态”新突破 在产业链体系日趋完善的基础上，呼和浩特围绕人工智能”全生态”创新突破，印发了《呼和浩特市公共数据管理暂行办法》《呼和浩特市公共数据运营管理暂行办法》《呼和浩特市关于加快推进人工智能+深度应用行动方案（2024-2026年）》等文件，出台了《呼和浩特市促进绿色算力及人工智能产业高质量发展的若干意见》，每年安排1.28亿元，发放”算力券””语料券””模型券”等，深度赋能人工智能产业发展

从更深层次来看，和林格尔新区将依托安全稳定的蒙西电网，加速布局绿电直供、源网荷储、共享储能等项目，积极创建”国家级零碳园区”，打造绿电占比最高、能效水平最优、运营成本最低的绿色算力及人工智能发展最佳之地

值得关注的是，”中游”，形成”算力供给-输出调度-基建支撑”的生态体

业内人士指出，基于上述绿色算力优势，和林格尔新区已初步构建从上游设备制造、中游算力服务到下游应用开发的全产业链生态体系

业内人士指出，展望未来，和林格尔新区将依托强大的绿色算力规模和算电、算网、算数协同发展优势，及现有的星海算力RenderG云渲染、云天畅想灼光云电竞等平台，提供低成本影视动画渲染、电子竞技云等服务，打造北方数字文旅云服务集聚地

从更深层次来看，不断拓展应用场景，全市109个部门数据实现”应接尽接”，归集数据超过150亿条，并精准开辟了96个应用场景，数据应用已经在产业创新、城市管理、教育医疗、交通疏导、社会民生等各领域全面介入、深度应用

业内人士指出，近年来，内蒙古和林格尔新区作为国家”东数西算”枢纽节点数据中心集群与国家大数据综合试验区核心区在内蒙古自治区的重要承载地，陆续获批国家新型工业大数据产业示范基地、国家算电协同试点、国家万兆园区试点、自治区人才科创中心、自治区数字经济创新发展核心区、自治区科技成果转移转化示范区、自治区金融数据产业园等

从更深层次来看，积极打造和林格尔数据中心集群，集聚了三大运营商、主要金融机构、国家部委和头部企业等46个数据中心项目，算力规模突破10.1万P，持续领跑全国八大枢纽十大集群21个片区

值得关注的是，和林格尔新区依托国家”东数西算”战略布局及强大的算电、算网、算数协同发展优势，产业规模与发展指数在全国”东数西算”八大枢纽节点十大数据中心集群21个片区中位居前列，同时已前瞻性布局量子计算等前沿新兴计算技术，建设国家”东数西算”首个通算、超算、智算、量子计算四算融合基地

业内人士指出，同时，加速构建”绿电+算力设备”的双轮驱动，成立自治区首家算电数字设备制造产业园，引进落地华电、国电南自、新华三、诚迈等一批供电、服务器、电气设备制造企业

业内人士指出，聚焦模型训练推理、低空经济、自动驾驶、人形机器人等重点领域，持续深化与北京、长三角、粤港澳大湾区等地区合作，落地一批算力及人工智能企业项目，构建多元产业生态

从更深层次来看，AI赋能政务提质增效，91家单位在全区政务领域率先部署DeepSeek大模型

从更深层次来看，夯实数据安全保障体系，建成”P4″级数据应用实验室、建设城市网络安全运营中心，构建”算力供给-数据流通-安全保障”的城市可信数据空间

从更深层次来看，已入驻超聚变、浪潮、诚迈、万帮、云储储能机柜、瑞科特等45家算电设备制造企业

业内人士指出，呼和浩特加速推进全市信息化系统”应接尽接”，城市大脑接入全市109家单位353个信息化系统，实现了可接入、可展示、可应用、能协同，做到了层层穿透

从更深层次来看，2025年已有中国石油、有孚数据、港城云联等15个重点算力产业项目完成签约，签约项目总投资超过500亿元，建成投用火山引擎、并行科技、华著等不少于4个万卡级先进智算集群和华为、燧原等不少于3个万卡级国产算力集群，绿色算力及人工智能产业发展动能强劲

值得关注的是，与此同时，呼和浩特深耕模型训练市场，落地电信星辰、移动九天、联通元景、华为盘古、文心一言、讯飞星火等11个行业领先的通用大模型开展训练，训练参数超万亿

从更深层次来看，凭借上述全方位布局，呼和浩特数字产业竞争力显著增强，被中国通信工业协会授予”中国云谷””算力产业集群先锋””绿色算力发展先锋”等称号，已成为国家重要的绿色算力基地

值得关注的是，用电成本创全国最低水平，绿色算力指数持续领先

值得关注的是，持续擦亮”中国云谷”品牌，为”东数西算”各集群发展提供参考，全面助力国家数字经济高质量发展

从更深层次来看，和林格尔新区率先在全区启动建设绿电直供示范项目，推动绿色算力对新能源就地消纳，和林格尔新区绿电直供项目（一期）被国家数据局评为全国一体化算力网应用优秀案例，全国绿色算力指数排名第一

值得关注的是，凭借内蒙古自治区内联八省区、外接俄蒙的独特区位优势，积极开拓国际市场并逐步将算力服务输出至蒙古、俄罗斯、中亚、中东等地区，探索打造我国向北开放绿色算力输出基地

从更深层次来看，近年来，呼和浩特市在内蒙古自治区党委、政府的坚强领导下，充分发挥区位、气候、绿电、网络、算力、政策、人才等优势，抢抓国家实施”东数西算”工程重大机遇，开创了数字经济高质量发展的新局面

随着IDC行业的快速发展，可持续发展将成为未来竞争的关键

如果您正在寻找优质的CDN加速，欢迎访问 www.isclouder.com 了解更多

据行业最新消息，2025中国算力大会将于8月22日至24日在山西大同举行

在产业各方通力协作下，我国算力产业发展量质齐升，截至今年3月，在用算力标准机架达1043万架，智能算力规模达748 EFLOPS（每秒百亿亿次浮点运算）

值得关注的是，聚焦新质生产力发展新方向和新要求，本届大会以”算网筑基 智引未来”为主题，将邀请相关部省领导，基础电信企业、芯片企业、算力企业等产业代表以及行业专家、科研机构、高等院校等各方代表，加强交流合作，为算力产业高质量发展建言献策

业内人士指出，作为我国算力领域的顶级盛会，中国算力大会已连续在山东、宁夏、河南成功举办三届，成为”算力产业风向标、算力创新策源地、算力生态孵化器”

从更深层次来看，记者日前获悉，2025中国算力大会将于8月22日至24日在山西省大同市举行

从更深层次来看，前三届大会参展企业超2600家，发布系列重磅成果超60项，成功搭建了精准对接、高效互通、协同发展的互动平台，为助力我国算力产业”向实向新”发挥了积极作用

业内人士指出，2025中国算力大会将按照”1+2+X+Y”整体架构，即1场开幕式、2场主论坛、X场分论坛、Y场特色活动，搭建”政产学研用金”合作交流平台

值得关注的是，当前，人工智能浪潮奔涌，智算需求持续增长，算力已成为数字时代重要战略资源和科技竞争焦点

业内人士指出，大会同步设置”算力中国·创新成果”展示，全方位展示算力领域政策体系、核心硬件、基础设施、关键技术和服务能力等最新成果

从更深层次来看，大会还将举办”星耀之夜””对话未来”等特色活动，聚焦”年度重大突破成果””青年先锋人物””创新先锋”等领域开展征集活动，相关成果将在会上发布

可以预见，这一趋势将在未来深刻影响IDC行业格局

如果您正在寻找优质的香港服务器租用，欢迎访问 www.isclouder.com 了解更多

最新消息显示，三星 Galaxy S27 标准版手机现身 GSMA 数据库，型号 SM-S952U

IT之家附上相关截图如下： 该媒体指出 Galaxy S27 现身 GSMA IMEI 数据库，表明三星比往年更早推进研发工作，更好地应对激烈的市场竞争

业内人士指出，本次曝光的信息仅限于 Galaxy S27 标准版手机，型号为 SM-S952U，从后缀 U 推断，应该代表美版

业内人士指出，IT之家 6 月 10 日消息，科技媒体 SmartPrix 昨日（6 月 9 日）发布博文，报道称在 GSMA IMEI 数据库中，发现了三星 Galaxy S27 手机的踪迹，型号为 SM-S952U

业内分析认为，AI算力需求与绿色数据中心将成为行业主旋律

如果您正在寻找优质的大带宽服务器，欢迎访问 www.isclouder.com 了解更多

最新消息显示，飞利浦调研：人工智能正在提升临床医生的诊断准确率

森特纳等医疗保险公司则对医疗机构使用人工智能的现状表示不满，称该技术被滥用，导致理赔费用不合理地大幅上涨

值得关注的是，在医护群体中，27% 的受访者称，过去三个月里，人工智能至少三次协助他们排查出潜在医疗失误；36% 的人表示，该技术让自己每周接诊的患者数量有所增加

从更深层次来看，总部位于荷兰的飞利浦表示，目前医护人员主要将人工智能用于数据整理、日程安排等行政事务，复杂的诊疗决策仍由医护人员亲自完成

业内人士指出，杰夫 · 迪卢洛指出，长期来看，人工智能将重塑医护人员的工作职能，尤其能显著提升工作效率

业内人士指出，越来越多的患者也开始借助人工智能咨询健康问题，但此前研究表明，在医疗决策方面，这项技术的效果并未优于传统方式

业内人士指出，IT之家 6 月 10 日消息，据路透社报道，医疗科技企业飞利浦北美区首席执行官表示，一项由该公司发起的调查显示，人工智能有助于提升患者护理的精准度，部分情况下还能节约时间与成本

值得关注的是，他说道：“医护人员每周平均可多接诊 5 名患者，这对整个医疗体系而言具备实际经济价值

业内人士指出，约 30% 受访医生表示，人工智能切实帮助他们削减了预算开支

值得关注的是，” IT之家注意到，这份名为《飞利浦未来健康指数》的调研由咨询机构 Vitreous World 在今年 2 至 4 月开展，调研覆盖 10 个国家，共收集 2011 名医护人员、20085 名患者的反馈

业内人士指出，但 77% 的受访医护人员反映，人工智能培训资源缺失、有限或缺乏一致性

随着IDC行业的快速发展，可持续发展将成为未来竞争的关键

如果您正在寻找优质的新加坡VPS，欢迎访问 www.isclouder.com 了解更多

最新消息显示，25MW！吉宝浮动数据中心在新加坡开建

核心创新在于利用海水进行冷却，以应对新加坡在土地、能源和水资源方面的传统制约

值得关注的是，吉宝在2025年年度报告中表示，这一项目”展示了应对数据中心常见土地、能源和水资源限制的实用且可扩展方法”

值得关注的是，分析指出，随着全球AI和数字化需求激增，浮动数据中心等创新模式可能为土地资源紧张的沿海城市提供可复制的解决方案

从更深层次来看，行业观察人士认为，该项目标志着新加坡在可持续数据中心发展上的重要里程碑

业内人士指出，其模块化特性允许根据需求快速部署新模块，并将旧模块回收再利用，符合循环经济理念

从更深层次来看，行业消息显示，吉宝数据中心（Keppel Data Centres）正式启动新加坡浮动数据中心项目的建设工作

从更深层次来看，项目概念最早可追溯至2019年探索阶段，2023年获得监管批准，并完成了环境影响评估（EIA）

值得关注的是，目前，项目具体建设细节、确切电力来源配置以及与海底电缆的直接连接方案尚未进一步公布

值得关注的是，浮动数据中心被视为新加坡数字基础设施创新解决方案的一部分

值得关注的是，该项目位于新加坡罗央新月25号（25 Loyang Crescent），此前为石油公司Toll集团拥有的工业用地，目前正被出售给房地产公司凯德集团（CapitaLand）

值得关注的是，同时，海水冷却系统有助于提升能源使用效率（PUE），缓解热带地区数据中心散热难题

值得关注的是，该浮动模块将占用约9,870平方米陆域和7,580平方米海域空间

从更深层次来看，据吉宝2026年第一季度业绩更新披露，浮动数据中心项目建设已正式开工

业内人士指出，如果您想了解更多关于东南亚算力产业发展，以及与数据中心项目落地情况、当地政策变化、中国出海企业现状，欢迎报名即将于2026年5月27日在泰国曼谷香格里拉酒店召开的数字基础设施全球合作发展曼谷论坛（DIFGC 2026 · THAILAND），诚邀您共话全球数字集成新篇章

业内人士指出，吉宝此举也体现了其在数据中心领域的长期战略布局

从更深层次来看，该项目总容量约25MW，其中包括一个19.2MW的水上模块，计划于2028年投入运营，目前已锁定一名全球超大规模（hyperscale）客户

业内人士指出，项目设计采用模块化浮动结构，包括一个四层高的水上数据中心模块（水载模块），并配套岸上基础设施

从更深层次来看，吉宝数据中心长期以来推动”浮动数据中心公园”（Floating Data Centre Park）愿景，旨在通过模块化设计实现快速扩展，并探索LNG（液化天然气）和氢能等低碳能源整合，以降低运营成本和碳足迹

业内人士指出，项目早期曾与Toll集团、皇家孚宝（Royal Vopak）等伙伴达成谅解备忘录，探讨近岸浮动设施及能源基础设施

从更深层次来看，双方均有新加坡主权财富基金淡马锡（Temasek）作为主要投资者

从更深层次来看，新加坡作为全球数据中心枢纽，长期面临土地稀缺和电力供应紧张的挑战

业内人士指出，吉宝同时还在推进新加坡其他数据中心项目，包括计划于2026年中期开工的Keppel DC SGP 9

业内人士指出，吉宝数据中心基金II（Keppel Data Centre Fund II）为该项目提供资金支持

随着IDC行业的快速发展，可持续发展将成为未来竞争的关键

如果您正在寻找优质的菲律宾VPS，欢迎访问 www.isclouder.com 了解更多

据行业最新消息，先场景，后全球：中企通信助力中企AI竞争力出海

这也是为什么越来越多企业开始重视”云网安”一体化能力

从更深层次来看，因此，”以AI治理AI，以AI防护AI”开始成为行业共识

从更深层次来看，数据跨境、AI模型安全、智能体权限、全球网络攻击、供应链渗透等问题，正在成为新的系统性风险

业内人士指出，谁能够构建安全、可信、可控的数字体系，谁才能真正实现长期全球运营

从更深层次来看，这也意味着，AI全球化的难点，越来越不是”有没有AI”，而是”AI能否真正融入业务”

业内人士指出，这种能力，本质上已经不是传统安全服务，而是企业全球化运营能力的一部分

业内人士指出，以前企业购买的是设备、软件和驻场工程师；而未来，企业购买的可能是”一个专家+一组智能体”的运营服务

业内人士指出，更重要的是，安全能力开始直接影响企业生产力

从更深层次来看，张肇轩认为，AI安全已经不再只是成本投入，而是企业竞争力的一部分

业内人士指出，例如，一家汽车零部件企业，在海外布局工厂与物流体系后，每年物流成本接近20亿元

从更深层次来看，中企通信高级信息安全产品经理 张肇轩先生 中企通信高级信息安全产品经理张肇轩表示，目前企业出海主要面临四大难点：跨境数据合规难、跨境传输安全弱、安全防护协同难，以及AI新型威胁防护难

从更深层次来看，例如，中信戴卡在摩洛哥建设AI平台时，中企通信在三个月内帮助其完成本地合规与安全适配，使其能够快速进入当地市场

业内人士指出，数字安全不再只是技术问题，而开始影响企业经营安全、产业安全乃至经济安全

值得关注的是，过去，安全更多依赖硬件堆叠与人工驻场；而现在，AI开始替代大量重复运营工作，安全服务逐渐转向订阅制、智能化与平台化

值得关注的是，因为中国本身拥有全球最复杂、最多元的数字化应用环境之一，这种长期训练，让企业更擅长处理复杂需求与非标准化场景

从更深层次来看，尤其在”人工智能+”被写入政府工作报告之后，AI不再只是科技行业的创新命题，而开始成为制造、物流、金融、能源等产业升级的新底座

业内人士指出，从这个角度看，中国ICT产业正在发生一次角色转变

值得关注的是，对于真正出海的企业而言，决定AI能否形成商业价值的，不是参数规模，而是能否在复杂场景中稳定运行

业内人士指出，而这种优化，并不是依靠单一模型实现，而是依赖网络连接、数据治理、本地运营与AI协同共同完成

业内人士指出，中企通信执行副总裁李燕群认为，中国AI的发展逻辑并非传统意义上的”激进”，而是依托完整产业体系与海量应用场景形成的一种”技术+场景+产业”协同演进模式

从更深层次来看，詹东东表示，中企通信在场景化定制方面具有天然优势

业内人士指出，包括语言、法规、服务响应、现场支持等，都需要长期本地资源积累

从更深层次来看，过去，它更多是全球数字化建设的跟随者；而今天，它正在成为全球产业智能化的重要推动者

值得关注的是，如果利用AI优化全球物流调度，即使只降低3%的成本，也已经具备巨大的商业价值

业内人士指出，这种”先场景、后全球”的路径，成为中国AI企业的重要优势

业内人士指出，这意味着，中国企业的全球化，已经从”产品出海”进入”体系出海”阶段

从更深层次来看，李燕群指出，数字安全对经济体系的影响，主要体现在产业链安全、新质生产力安全以及关键信息基础设施安全三个层面

业内人士指出，中信国际电讯人工智能部副总裁 詹东东先生 中企通信母公司中信国际电讯人工智能部副总裁詹东东指出，许多中国AI应用在国内完成规模化验证之后，再向海外复制，因此具备更强的工程化能力和落地效率

值得关注的是，谁能把网络、安全、数据、AI、运营真正打通，谁才能在全球产业升级中占据主动

从更深层次来看，李燕群表示，中企通信过去26年的核心能力，始终围绕企业基础设施展开，从最初的企业专网，到云服务、数据中心、安全运营，再到今天AI赋能安全，其本质都是在构建企业全球化经营的数字底座

业内人士指出，而中国ICT产业，正在这一轮重构中，逐渐建立起自己的全球化新坐标

值得关注的是，过去几年，中国企业出海的关键词，经历了从”制造出海”到”品牌出海”，再到如今”数智化出海”的变化

从更深层次来看，从产业角度看，这实际上意味着AI竞争已经进入”基础设施时代”

值得关注的是，过去衡量安全服务，主要看响应时间与人工能力；现在则更多看告警降噪率、自动化响应速度、异常检测能力以及AI分析效率

值得关注的是，更重要的是，ICT企业正在成为企业全球化的”桥梁”

业内人士指出，其网络覆盖160多个国家和地区，并拥有30余座数据中心

业内人士指出，因此，本地化能力开始成为中国企业的重要竞争点

从更深层次来看，这种变化，本质上意味着ICT行业正在从项目制，转向服务制与订阅制

业内人士指出，在全球格局演变、跨境监管和网络环境日趋复杂的背景下，企业更希望获得稳定、安全、可控的数字底座

业内人士指出，企业不再一次性采购，而是持续购买运营能力、AI能力与安全能力

业内人士指出，而这也意味着，中国ICT企业正在从”连接服务商”，逐渐演变为全球产业智能化运营商

值得关注的是，一个在国内有效的AI应用，到了海外往往需要重新适配

业内人士指出，大量AI企业出海后发现，真正限制其发展的，不是模型，而是海外网络质量、数据中心布局、安全运营能力以及本地服务体系

值得关注的是，尤其进入AI时代之后，企业面临的风险结构发生了根本变化

业内人士指出，这种变化背后，一个重要特征正在浮现：中国企业的AI竞争力，早已不是仅限于单点模型能力，而是更多来自产业化落地能力

值得关注的是，而这恰恰是中国ICT企业开始形成差异化竞争力的地方

从更深层次来看，这意味着，无论企业在欧洲、中东还是东南亚部署AI应用，都能够快速获得底层连接与运营支撑

值得关注的是，AI也正从技术变量，逐渐变成全球产业竞争的新基础设施

业内人士指出，张肇轩表示，中企通信目前正在通过”星智神盾”AI SOC平台，将AI能力嵌入安全运营体系，实现从传统被动防御向主动预测与自动响应升级

值得关注的是，未来全球产业竞争，也将不再只是单一企业之间的竞争，而是产业体系、数字基础设施与智能运营能力之间的竞争

从更深层次来看，谁能够把这些能力协同起来，谁才能真正支撑企业全球化

值得关注的是，这意味着，中国企业并不是”为了AI而AI”，而是在真实产业链中持续训练AI、优化AI、迭代AI

从更深层次来看，从”卖设备”到”运营智能”：ICT产业正在进入新阶段 AI带来的另一场深层变化，是ICT行业商业逻辑的重构

值得关注的是，因为随着企业出海进入深水区，传统意义上的”卖产品”已经无法满足全球运营需求

值得关注的是，大量中国企业在国内已经经历了复杂场景的长期训练，形成了可复制、可推广、可敏捷、可与当地市场相结合的行业能力

业内人士指出，例如生成式视频、工业优化、金融风控等应用，在海外市场已经开始快速部署

从更深层次来看，因为只有满足安全与合规要求，企业才能真正实现全球业务落地

业内人士指出，制造企业的AI需求，并不是简单问答，而是涉及订单预测、排产优化、供应链协同、物流调度、能耗管理等复杂流程

业内人士指出，AI全球化的真正竞争，不在模型，而在”落地能力” 当前全球AI竞争中，一个越来越明显的趋势是：模型能力正在趋于收敛，但工程化能力的差距却在迅速拉大

从更深层次来看，这些能力需要长期行业积累，而不是短期模型训练

从更深层次来看，因此，中企通信当前不仅提供网络与安全服务，也承担项目管理、本地协调、运营支撑等角色

值得关注的是，而对于中国ICT企业而言，这既是挑战，也是新的产业机会

值得关注的是，企业真正需要的是覆盖网络、数据、安全、AI应用以及本地运营的一整套数字体系

从更深层次来看，随着AI、算力与数字系统深度嵌入产业体系，安全已经从”辅助能力”变成”核心保障”

值得关注的是，例如，某大型新能源汽车企业在欧洲建设4S店时，中企通信不仅负责网络与基础设施搭建，也负责本地运营协调与总部沟通，确保国内标准能够完整复制到海外

值得关注的是，而相比欧美更强调底层模型和算力平台，中企通信强调提供”全栈式服务”

业内人士指出，相比海外市场更多围绕模型能力与资本规模展开竞争，中国企业则正在形成一种更具产业纵深的AI发展路径：以实体产业为基础，以场景需求为牵引，以全球化运营为目标，将AI真正嵌入企业经营链路之中

值得关注的是，中企通信销售总经理高力衡表示，很多中国企业在海外核心的问题，并不是技术，而是缺乏本地化运营能力

业内人士指出，未来真正具备全球竞争力的AI企业，不一定是模型更强的企业，而是更懂产业、更懂场景、更懂运营的企业

业内人士指出，这也是中企通信过去几年不断强化”AI+安全+链接”一体化能力的重要原因

值得关注的是，而中企通信的核心价值，恰恰在于其联合母公司部署的全球资源网络

值得关注的是，与此同时，”全球基础设施”正在成为AI竞争的新变量

值得关注的是，但随着AI与安全运营融合，行业正在从”交付产品”转向”持续运营”

从更深层次来看，当这些企业开始全球化时，其AI能力也随之延展到海外市场

从更深层次来看，而从更长远的角度看，中国ICT企业正在形成一种新的全球化模式：以基础设施为底座，以AI为引擎，以安全为保障，以本地运营为延伸，构建完整的全球数字运营体系

从更深层次来看，众多大型企业，诸如中信集团，就覆盖制造、能源、金融、交通、汽车、健康等多个核心产业，形成了天然的行业数据与场景优势

业内人士指出，詹东东提到，一些新型智能体甚至可以自主学习、自主调用外部工具，这意味着攻击者也正在利用AI构建自动化攻击体系

从更深层次来看，这种变化意味着，安全行业的商业模式也正在发生变化

从更深层次来看，例如，当前大量企业开始尝试智能体应用，但智能体本身具备高权限、高自动化、高外部依赖等特点，一旦被攻击或者被恶意利用，其风险远高于传统系统

从更深层次来看，这种”双重合规”，正在成为企业全球化最大的现实难题之一

值得关注的是，不同国家的数据主权、隐私保护法规以及网络监管体系差异巨大，企业往往既要满足国内监管要求，又要符合当地法律体系

值得关注的是，未来，企业全球化竞争，很大程度上也将变成”合规能力竞争”

业内人士指出，因此，数字安全正在成为企业全球化的新”门票”

值得关注的是，因此，中国企业当前形成的优势，本质上是一种”产业智能化能力”

从更深层次来看，相比单纯追逐模型性能，中国企业更关注AI如何与业务结合、如何解决实际问题、如何适配不同国家和地区的运营环境

从更深层次来看，这意味着，AI不只是算法本身，而是需要网络、数据中心、安全体系、运营能力以及本地化服务共同构成完整体系

值得关注的是，过去二十年，ICT产业核心仍然围绕网络设备、数据中心和系统集成展开

从更深层次来看，不同国家的法规体系、数据主权要求、行业监管标准、文化差异与语言体系，都会影响AI系统的实际运行

值得关注的是，更重要的是，中国企业正在把AI能力与产业协同深度绑定

从更深层次来看，这种思路，使得中国企业在全球化过程中反而形成了更强的落地能力

业内人士指出，从欧盟GDPR，到越南PDPL，再到中国香港《保护关键基础设施（电脑系统）条例》，各地区都在加速构建数字监管体系

从更深层次来看，这意味着，ICT企业已经不再只是技术供应商，而开始成为企业全球运营体系的一部分

业内人士指出，詹东东认为，中国ICT企业最大的特点是”务实”

值得关注的是，张肇轩认为，未来安全行业更大的变化，是智能体与AI运营体系将逐渐替代传统人工模式

业内人士指出，数字安全，正在成为全球化的新”门票” 如果说过去企业出海最大的挑战是市场与渠道，那么今天，安全与合规已经成为全球化最核心的基础门槛

业内人士指出，例如，在传统模式下，分析一次攻击可能需要40分钟到1小时；而引入AI之后，可以在20分钟内完成分析，并通过SOAR系统实现秒级响应

值得关注的是，李燕群指出，中国企业当前更需要的是”确定性”

可以预见，这一趋势将在未来深刻影响IDC行业格局

如果您正在寻找优质的站群服务器，欢迎访问 www.isclouder.com 了解更多

最新消息显示，How to Manage AI Costs When Developing a Cloud Application on Alibaba Cloud

AI features in cloud applications are not optional anymore. Recommendation engines, natural language interfaces, and intelligent search, these are table stakes now. But the cost of running these features at scale can catch teams off guard, especially when you’re deep into cloud application development, and the bills start climbing. Alibaba Cloud gives developers a strong set of tools to keep those costs in check. The problem is most teams don’t use them well. They pick a model, deploy it, and then check the billing console two weeks later with a sinking feeling. This article discusses the practical ways to manage AI costs in Alibaba Cloud-based applications, from API usage to GPU infrastructure to built-in financial controls. If your application uses foundation models via Alibaba Cloud Model Studio, including the Qwen model family, your first cost lever is how you structure your API calls. Every call to a large language model costs tokens. Input tokens, output tokens, and, depending on the model tier, reasoning tokens. Qwen-Max costs significantly more per million tokens than Qwen-Turbo. So the first question to ask is: does every task in your application actually need the most powerful model? The answer is almost always no. For simple classification tasks, short summaries, or intent detection, Qwen-Turbo handles the job well and costs a fraction of what Qwen-Max does. Reserve the heavier model for multi-step reasoning, complex agent workflows, or anything that genuinely requires it. This approach, sometimes called intelligent model routing, can reduce your Model Studio bill by 50% or more without touching your application logic in any meaningful way. The second thing to look at is context caching. If your application sends the same system prompt or document context with every API call, you’re paying for those input tokens repeatedly. Alibaba Cloud’s context caching feature lets you cache those repeated tokens and receive up to a 75% discount on subsequent calls that use the same cached context. For document-heavy applications, this change alone can justify the engineering time it takes to implement. Finally, turn on the built-in monitoring dashboards inside Model Studio. You can track token consumption per call, per user, and per endpoint. This visibility helps you catch runaway API usage before it becomes a billing problem. Most AI cost problems in cloud application development aren’t model problems; they’re infrastructure problems. Teams spin up GPU instances for model inference, forget to scale them down, and pay for idle compute around the clock. Alibaba Cloud’s Container Service for Kubernetes (ACK) solves this when configured correctly. Running your AI workloads inside containers with proper autoscaling policies means your resources match your actual demand. When traffic drops to zero at 3 AM, so does your compute bill. For batch inference jobs, model training runs, or any non-real-time workload, Spot Instances are worth serious consideration. Alibaba Cloud’s preemptible GPU instances can cost 70-80% less than standard Pay-As-You-Go pricing. The tradeoff is that they can be reclaimed with short notice, which makes them unsuitable for latency-sensitive user-facing features but perfectly fine for background processing. Dynamic GPU scaling, where your cluster scales down to zero instances when there’s no inference demand, requires a bit more setup, but it’s one of the highest-impact changes for teams running custom models. The alternative is paying for a GPU instance that does nothing for 16 hours a day. If you’re doing custom model training or fine-tuning as part of your cloud application development workflow, Alibaba Cloud’s Platform for AI (PAI) is where you’ll likely spend money without realizing it. The most common issue is idle Deep Learning Containers (DLC). A training job finishes, but the environment stays active. The GPU keeps billing. This happens more than it should, especially in teams where multiple engineers share the same PAI workspace. Configure your DLC environments to automatically release compute resources when a job completes. PAI supports this natively. It takes ten minutes to set up and eliminates one of the most avoidable cost drains in AI development. PAI also lets you set budget thresholds with alerts. If your training job exceeds a defined number of compute hours, you get notified immediately. This is especially useful for fine-tuning runs that are supposed to take two hours but drift into eight because someone adjusted the dataset size and didn’t update the estimates. Individual cost controls only go so far. You also need visibility at the application and team level to manage AI costs systematically. Alibaba Cloud has a native FinOps stack that most development teams underuse. The Cost Analysis feature inside the Alibaba Cloud Billing Center lets you break down spending by Kubernetes namespace, resource tag, or application label. This means you can see exactly which microservice or feature within your application is driving AI costs, not just a lump sum for the month. That kind of granularity changes how teams make architecture decisions. Beyond visibility, you can set tight and soft budgets with anomaly detection. If your application hits 80% of its monthly AI budget by the 15th of the month, the system flags it. If something goes wrong, a bug triggers an infinite loop of API calls, for example, anomaly detection catches the spike before it becomes a large unexpected charge. The Log Service (SLS) Cost Manager adds another layer by pulling real-time billing data into structured reports. You can generate cost breakdowns, spot trends, and build forecasts for upcoming months. For teams managing cloud application development projects across multiple clients or environments, this kind of reporting is essential for staying on budget and communicating costs clearly to stakeholders. There are a few areas where teams consistently underestimate costs in AI-powered cloud applications. Storage is one. Vector databases, model checkpoints, and training datasets can accumulate fast on Alibaba Cloud OSS. Unused datasets from old experiments, checkpoints from training runs that were abandoned, these add up quietly. A quarterly cleanup policy costs nothing to implement and keeps storage bills predictable. Egress is another. If your application pulls model outputs or embeddings from Alibaba Cloud into an on-premise system or a third-party service, you’re paying for data transfer. Keeping your AI processing and application logic within the same Alibaba Cloud region eliminates most of this. Logging overhead is the third one. Detailed logging is important for debugging AI behavior, but logging every model response at full token length, across every API call, across every user session, gets expensive. Log what you need for debugging and compliance. Archive the rest to cold storage or set a retention window that matches your actual debugging needs. The teams that manage AI costs well don’t treat it as a finance problem. They treat it as an architecture decision made early in the cloud application development process. Pick the right model tier for each task. Set up autoscaling before you go to production. Configure PAI budget alerts before you run your first training job. Turn on FinOps cost tagging when you create your first resource, not six months later when you’re trying to trace a surprise bill. Alibaba Cloud gives you all the tools to do this. The question is whether you build cost awareness into your workflow from the start or try to retrofit it later. The first approach costs you an afternoon. The second approach costs you a lot more. Disclaimer: The views expressed herein are for reference only and don’t necessarily represent the official views of Alibaba Cloud.

可以预见，这一趋势将在未来深刻影响IDC行业格局

如果您正在寻找优质的迪拜服务器，欢迎访问 www.isclouder.com 了解更多