北京的东北角,有一片被历史深刻烙印的土地——酒仙桥。
如果翻开新中国从农业社会向工业社会艰难跨越的史册,就能看到,酒仙桥曾有一个响亮的名字——“新中国电子工业摇篮”。
在“一五”计划期间,这片土地上拔地而起了一批以“7”打头的重点骨干工厂:718、738、751、761、774……它们构成了中国早期电子工业的脊梁,更创造了无数个震撼世界的“第一”。
在那个一切都要从零开始的年代,738厂制造了新中国第一部电子计算机,而震惊中外的“两弹一星”工程中,新中国第一颗原子弹的设计,正是依靠这台计算机推算出来的。
那时的酒仙桥,也随时上演着“从无到有”的奇迹。
时光荏苒,在这片肱骨之地的滋养下,历史的厚重与未来发展奇妙地交汇。厂房的轮廓逐渐被时代磨平,曾经的轰鸣隐入记忆。工业时代的核心,从电子走向计算,再由计算迈向智能,产业的底层逻辑正在被重新改写。
而酒仙桥,也开始遇见新的时代机遇。
当人工智能从概念落向产业,新的问题开始凸显:支撑其长期运行的算力、数据与基础设施,正在成为关键变量。
也是在这一背景下,北京持续推进人工智能相关基础设施与产业布局,计划投资800亿元布局算力与人工智能。
于是,这片土地再次迎来了人工智能产业的“轰鸣”,一家AI新国企——北电数智应运而生。

01 推理时代AI要“担责”
一边承接着酒仙桥沉淀下来的基因,另一边诞生于AI浪潮的起点,北电数智从一开始就带有鲜明的“原生AI企业”属性。
也正是在这样的背景之下,北电数智对这一轮AI热潮的观察,显得格外清醒。
回望过去几年的技术演进,大模型曾经历一场近乎狂热的“参数竞赛”:刷榜、对话演示、能力奇观层出不穷。然而,当这些模型走出实验室、进入真实产业场景时,问题迅速暴露——不少昂贵的AI一体机,最终沦为只能做轻量化任务的“玩具”。
在北电数智CMO、战略与市场负责人杨震看来,这类产品更多展示的是技术的可能性,却无法承担生产的必然性。而现在,AI推理时代已经正式来临,所谓“推理时代”,本质上是AI走向“确定性生产”的一次关键跃迁。

北电数智CMO、战略与市场负责人杨震
“而这场跃迁的核心门槛,在于‘因果责任’的建立。”杨震如是说。
杨震举了一个极具代表性的例子:如果让AI智能体来规划两周的行程,那么一旦安排出现错误,责任应由谁承担?如果责任边界无法界定,这项技术就难以进入严肃的商业契约体系。
换句话说,当AI开始参与真实决策,就必须成为“可追责的生产单元”。
随之,行业的焦虑也随之发生了变化。
当政府和企业尝试将核心数据交由模型处理时,一种更现实的顾虑开始浮现:数据隐私如何保障?模型输出是否稳定可信?国产芯片能否承载高强度推理所带来的成本压力?这些问题的本质,并不再是单点技术能力,而是系统层面的可控性与确定性。
这也意味着,单点技术的“奇迹”,无法再支撑复杂的产业运行。
02 重塑“新底座”:在异构与可信中筑起围栏
所以,北电数智致力于构建支撑AI在现实世界中安全、稳定运行的基础底座。加速摆脱依赖“大力出奇迹”的技术路径,转向以“系统工程”为核心的能力构建。
在北电数智的战略版图中新增了三件硬核武器:“前进”智算平台、“宝塔”模型适配平台,以及“红湖”可信数据空间。
这是北电数智为推理时代打造的“新底座”。这一底座的核心使命有两个:一是确定性,二是安全感。
确定性指的是本土算力的“确定性”突围。当前,中国智算市场正处于一个异构并行、生态分散的特殊时期。不同厂商的芯片、不同架构的集群,运行状态如同一座座孤岛,软硬件生态相互割裂。而对于工业级、医疗级的应用来说,任何一次微小的指令丢失或算力波动,都是毁灭性的。
北电数智通过“前进”智算平台,塑造出硬核的“捏合能力”。“前进·AI异构计算平台”能把多元异构算力真正组织成可统一调度、可持续运行、可面向应用交付的智能算力底座。该平台融合混元异构算力、高性能调度与工程化能力,围绕算力、数据、模型与智能应用之间的协同关系,重构国产算力的使用方式。

前进·AI异构计算平台
这同时也意味着,国产芯片的价值释放,正在从“单卡可用”进一步走向平台可管、集群可调、场景可落地。
但仅有算力的“可用”,并不足以支撑AI走向产业深水区,模型如何在复杂的国产异构环境中稳定运行,成为承上启下的关键一环。
这也正是“宝塔·模型适配平台”的价值所在。
作为一站式大模型开发与推理平台,“宝塔”覆盖模型微调、服务编排与推理加速等核心环节,贯穿从推理优化到部署落地的完整链路。其关键价值,在于打通模型能力与国产算力环境之间的“最后一公里”,显著降低大模型在异构芯片体系中的适配门槛。

“宝塔·模型适配平台”
当模型能够在不同架构之间实现稳定部署、调用与迭代,算力才真正从“资源”转化为“能力”。随着适配能力、推理性能与工程效率的同步提升,国产算力也开始具备支撑模型持续演进和规模化应用的现实条件。
如果说“前进”解决的是算力的确定性,“宝塔”解决的是模型的可落地性,那么底座的另一半重量,则压在数据的“安全感”之上。数据作为数字时代的生产要素,带着一种斯宾诺莎式的张力,其必须通过流动才能产生价值,但流动本身就意味着安全风险。
这也是导致许多政企“手握金山却不敢用”的根源。
而“红湖·可信数据服务”的核心价值在于以可信数据空间为牵引,构建覆盖数据存储、开发、可信使用、流通、托管等环节的全生命周期服务体系。

“红湖·可信数据服务”
红湖围绕数据可信流通、合规利用和价值释放,提供面向产业场景的数据底座支撑。在这一体系下,数据得以在“可用不可见”的前提下实现共享,并逐步具备可追溯、可审计的治理能力,让高价值行业数据在流转、调用和应用过程中拥有更清晰的规则边界与信任基础。
03 AI赋能,“一业一策”“一地一策”
正是在这样的底层能力支撑之上,北电数智进一步通过“一业一策”“一地一策”的理念,深度赋能医疗、工业、文旅、科研等垂直领域,甚至从宏观层面助力城市发展。
通过将统一的底座能力与差异化需求相结合,在多个复杂场景中逐步破解了长期存在的结构性矛盾,让数据要素真正从“可治理”走向“可用、好用”。
医疗行业的矛盾最为典型。我国医生总数不足510万,却要面对14亿人的健康需求,但优质的医疗资源,往往高度集中在东南沿海和一二线城市。到了基层,这种压力会被放大成具体而琐碎的日常:社区医院的医生一边要应对不断涌来的问诊,一边还要面对复杂的用药规范和医保规则,稍有疏漏,就可能造成重大事故。
于是,在这样的现实条件下,北电数智把AI嵌进了最前线的诊疗流程,使其成为兼具“全科辅助”与“专科支持”能力的智能助手。
在天坛医院的阿尔茨海默症早筛场景中,传统筛查量表评估往往需要至少40-60分钟,且需要单独安静房间和专业人员。如今,北电数智与天坛医院以认知障碍性疾病标准临床诊断为基础共同开发的认知筛查软件,只需要2-3分钟人机对话即可完成,且控制模型筛查准确程度实现“双80”。
在科研领域,AI则成了“破壁人”。 创新药研发向来面临“双十难题”——耗时10年、耗资10亿。北电数智与某个国家级重点实验室合作打造了AI制药平台。
针对科研体系中长期存在的数据孤岛与协同不足问题,北电数智提出以多智能体驱动的科研体系演进方向,探索构建面向生命过程与疾病机制研究的系统化技术能力。通过融合算力基础设施、数据资源与模型能力,推动科研从数据分析向知识建模与科学推理延伸,使人工智能逐步参与复杂系统认知过程,为生命科学未知领域的探索与创新药物研发提供新的支撑。
而在文旅与乡村的“田间地头”,AI同样“接地气”。 在北京怀柔脚下的北沟村,150多户高端民宿吸引了大量国内外游客。通过大语言模型的加持,操着“怀柔口音”的当地村民能用流利的英文与各国游客沟通。
“一业一策”解决的是行业层面的提效,那么“一地一策”考量的则是宏观层面的城市大局。选择一座城市落地AI,不能仅凭人口规模或算力消耗,更要看透当地的产业结构与发展焦虑。
杨震介绍说,北部某城市曾是蒙东人口最大的城市,但如今正面临连续5年人口下降,目前人口甚至跌破了400万。但是,要真正留住人,归根结底还是要留住产业、留住经济,让本地能够提供足够有吸引力的就业与收入空间。
但调研团队通过走访发现,当地一家牛羊肉企业年营收高达10个亿,但其中70%都是在给别家企业做代工。这意味着,微薄的利润留在了当地,而品牌溢价和税收却流向了外地。
针对这一断点,北电数智建议,应该通过赋予AI新的角色,补上“品牌能力”的短板,通过AI在城市文旅名片打造、内容生产上的能力叠加,将当地文化将能转化为可以被讲述、被传播、被消费的品牌表达。
再看一些旅居城市,有的聚集了超10万名“数字游民”。 如何让这些追求山清水秀的自由职业者真正“安家落户”?答案依然是系统化工程。
要留住年轻人的前提之一是解决他们“上有老、下有小”的后顾之忧。因此,这类城市的“一地一策”着重于通过AI赋能填补当地在医疗、教育等公共服务资源上的短板,用科技拉平地域鸿沟。
04 写在最后
无论是“前进”“宝塔”“红湖”的革新,还是“一业一策”“一地一策”的赋能,本质上都在解决同一个问题——AI如何从技术能力走向真实场景。
而一旦进入真实场景,衡量技术的标准也随之扩展,其不仅关乎“是否先进”,更在于“为了谁、服务谁”。
阿马蒂亚·森关于“能力”的讨论,提供了一种参照——技术进步的尺度,终究要落回人的处境、选择与尊严。而无论是缓解基层医疗的紧张,还是城市发展中关于教育、医疗与就业的现实焦虑,AI的价值,更在于能否将效率转化为公共价值,将能力沉淀为更具温度的社会支撑。
在这条从“可用”走向“有用”、再走向“可持续”的路径上,AI也在完成自己的“成人礼”——从一项技术,逐步演变为支撑现实运行的基础设施。
而北电数智所做的,正是为这一转变提供可落地的底座,让智能稳定、安全地进入产业、城市,最终进入人的生活。
好文章,需要你的鼓励
Uber一边与Waymo维持合作关系,一边公开批评其技术可靠性与扩张策略,同时豪掷逾100亿美元,联合Rivian、Lucid及Nuro自建自动驾驶车队。其中包括向Lucid投资5亿美元、向Rivian投资12.5亿美元,并计划于2026年底在旧金山推出商业无人出租车服务。分析认为,Uber此举意在避免被Waymo等纯自动驾驶运营商边缘化。
腾讯混元与北京大学等机构提出DR.Q算法,通过互信息最大化和渐进式优先经验回放,解决强化学习中表示偏差问题,在73个连续控制任务上超越多个强基线。
今天讲的出海案例是飞荣达,这家从深圳起步的屏蔽、散热与结构件供应商,越南基地已经进入批量交付阶段。
这篇论文提出TacoMAS框架,让多智能体AI系统在解题时同步演化团队架构和成员能力,快慢双循环设计使系统在四个基准测试上平均超越最强基线13.3%。