💿 基础设施 · 系统发布
浪潮数据发布自研 AI 数据操作系统：算力、算法、数据三位一体管理
传统云计算及分布式存储服务商浪潮数据正式宣布战略升级为 AI 基础设施服务商，并推出自研 AI 数据操作系统。该系统采用 “数据底座+算力引擎”双架构，首次实现对算力、算法、数据三种资源的统一编排与调度，为 AI 应用提供“开箱即用”的基础设施层。
综合公开信息整理
•
2026-07-31
•
全文约 4 分钟
#浪潮数据
#AI数据操作系统
#数据底座
#算力引擎
#基础设施
双架构
数据底座 + 算力引擎
三位一体
算力 · 算法 · 数据统一调度
全时全域
动态演化架构 · 多芯多模推理
⚡ 30 秒速览
- 核心战略转向：浪潮数据从传统云计算、分布式存储正式升级为 AI 基础设施服务商，标志性产品即 AI 数据操作系统。
- 双架构设计：“数据底座”负责海量数据存储与高效流转，“算力引擎”负责异构算力调度与推理加速，二者通过数控分离架构协同工作。
- 三大技术亮点：创新数控分离架构、无锁协程调度框架、全闪原生布局算法，分别解决数据瓶颈、调度延迟、I/O 效率问题。
- 全时全域动态演化：系统支持多芯多模高效推理引擎，并内置智能体（Agent）DesignRun 全流程运行环境，可直接承载 AI 应用。
- 产业链定位：面向企业级 AI 部署，为智算中心、自动驾驶、工业智能等场景提供统一底层平台。
01双架构设计：数据底座 + 算力引擎
AI 数据操作系统是管理算力、算法、数据三位一体资源的系统软件。其核心结构分为两层：
📦 数据底座
负责全量数据的存储、索引、清洗与版本管理。采用全闪原生布局算法，优化数据访问路径，解决传统数据湖“读得慢、写不动”的痛点。
⚙️ 算力引擎
负责异构算力（GPU、NPU、CPU）的统一调度与推理加速。搭载无锁协程调度框架，实现微秒级任务切换，提升多模型并发时的资源利用率。
注：双架构之间通过数控分离技术实现实时数据流与算力流的协同，避免传统架构中“数据等算力”或“算力等数据”的空转损耗。
02技术内核：三大核心能力
浪潮数据将 AI 数据操作系统提炼为三项关键能力，每一项都直接对应行业普遍痛点：
01
数控分离架构
数据流与算力流解耦，支持独立扩缩容，避免单点瓶颈
02
无锁协程调度
微秒级任务切换，消除锁竞争，提升多模型并发效率
03
全闪原生布局
针对 NVMe 全闪阵列优化数据排布，读写延迟降低 60% 以上
注：以上数据引用自浪潮数据官方技术白皮书，实际性能因部署环境而异。
03它能解决什么实际问题？
AI 数据操作系统并非“PPT 架构”，其设计直接针对企业级 AI 部署中的三类典型困境：
📊 智算中心：GPU 利用率低，数据搬运慢 典型场景
- 痛点：传统架构下，GPU 常因等待数据加载而空转，利用率不足 50%。
- 解决：数控分离架构让数据流与算力流独立调度，算力引擎按需拉取数据，利用率可提升至 85% 以上。
结论：同等硬件投入下，有效算力输出提升约 70%。
🤖 多模型推理：混合部署时资源争抢严重 典型场景
- 痛点：不同模型对 GPU、内存、I/O 需求差异大，导致资源碎片化，推理延迟抖动大。
- 解决：无锁协程调度框架支持微秒级任务切换，可将不同推理请求交错编排，平均延迟降低 40%。
实测：搭载 8 个不同模型并发推理时，P99 延迟降低 32%。
📁 数据版本管理：训练数据反复搬运，存储成本飙升 典型场景
- 痛点：每次模型迭代需重新拷贝全量数据集，存储成本高、版本管理混乱。
- 解决：数据底座内置版本化存储与零拷贝快照，训练数据仅存一份，通过指针切换实现版本跳转。
场景验证：某客户训练数据存储成本下降 55%，版本切换时间从分钟级降至秒级。
04为什么是浪潮数据做出来了？
浪潮数据此前以云计算、分布式存储闻名，在 AI 基础设施领域的积累并非一日之功。其核心优势在于“数据+算力”的双重基因——既有分布式存储系统的工程经验，又有面向智算中心的算力调度能力。
但一个诚实的注脚：
AI 数据操作系统目前仍处于早期发布阶段，尚未有大规模量产客户验证。其宣称的性能指标（如利用率提升 70%、延迟降低 40%）均基于官方测试环境，实际落地效果取决于具体场景的适配深度。
然而，这条路径本身值得关注——它代表了一种从“卖硬件”到“卖系统”的商业模式跃迁，也意味着企业级 AI 部署正在从“拼芯片”走向“拼基础软件”。
编辑核心判断
AI 基础设施的下半场，胜负手将从芯片参数转向系统软件——谁能把算力、算法、数据的管理成本降到最低，谁就能定义下一代企业级 AI 的底座标准。
▶开放与生态
AI 数据操作系统目前已面向合作伙伴开放内测，企业可通过浪潮数据官方渠道申请体验。作为浪潮数据战略升级后的首款核心产品，其生态兼容性与性能表现值得持续关注。
暂无公开体验入口 · 关注官方发布