中文
English
摘要
时代命题：从“算力规模”到“词元（Token）价值”
当前，人工智能正从通用大模型走向垂直行业深度赋能。2026年《政府工作报告》首次提出“打造智能经济新形态”，明确实施超大规模智算集群、算电协同等新基建工程；国家数据局印发《2026年数字经济发展工作要点》，将“筑牢数字基础设施底座”列为首要任务之一；“十五五”规划纲要更是将“提升数智化发展水平”单独成篇，统筹推进算力设施建设。从国家战略到产业实践，构建坚实高效的算力底座已成为驱动数智化转型的关键命题。
- 私有化部署 —— 数据与算力完全掌控于本地，安全与隐私更有保障。
- 安全可控 —— 集成供配电、制冷与数据安全系统，确保全天候稳定运行。
- 定制化服务 —— 从硬件到智能体，依据行业与业务需求量身打造专属 AI 方案。
学会副理事长吴斌在致辞中充分肯定了我司的探索路径。他指出，当前企业推进AI应用面临的最现实难题，往往不是找不到模型，而是缺少一套能稳定、安全、高效运行的基础设施。德塔森特从硬件起步，逐步向上延伸至智能运维平台和AI智算服务，形成完整全栈能力——这正是帮助企业解决AI落地“最后一公里”问题的关键支撑。
值得一提的是，德塔森特在AI产品创新方面持续发力。2025年2月，我们正式推出大模型本地化部署一体机，专为企业和机构设计，集成了服务器、IT设备、空调、供配电、动环监控等基础设施，为用户提供高性能、高可靠性且即插即用的人工智能计算平台，满足各行业对大规模数据处理、复杂模型训练和实时推理的多样化需求。2026年1月，江苏子公司入驻南京并首发“AI边缘智算一体机”，集成了高性能算力模组、智能调度系统与一体化散热架构，面向智能制造、智慧交通、能源管理等场景，致力于在边缘侧实现低延迟、高可靠的实时智能决策。
从大模型本地化部署一体机到AI边缘智算一体机，德塔森特正在构建覆盖“云—边—端”的全栈AI基础设施产品矩阵，为各行各业构建专属智能体解决方案提供强大支撑。与会专家对我司方案的完整性和落地能力给予了高度评价。
高校代表聚焦算力统筹与集约化建设。宁波大学信息中心数字教学发展部主任杜晓毅指出，当前高校AI基础设施建设存在“算力烟囱”现象，建议由学会牵头探索建立市级高校算力共享联盟，实现资源整合与统一调度，走“小步快跑、分阶段投入”的务实路径——这一观点引发了广泛共鸣。数据中心代表关注成本与安全，倾向轻量化路径。医疗与教育领域专家则分享了基层公共卫生低成本AI辅助诊疗、信创适配、智能体教学场景应用等实践经验。宁波财经学院机械工程学院副院长张育斌提到，学院正在关注AI人才培养中的真实性算力训练以及智能制造中智能体与硬件的结合，希望能就农业板块的AI模型应用与我司及与会团队开展交流合作。
整场研讨直面一线诉求，高效达成了“企业出题、博士解题”的协同实效。我们认真记录了每一位专家的建议和需求，这些宝贵意见将直接纳入我司后续产品迭代和技术研发的参考方向。
下一步，我们将在学会和市科协指导下，持续参与“博士帮·企业强”产学研双走进行动，以开放心态深化产学研合作，持续优化产品与技术，为宁波乃至全国的数字经济与人工智能产业高质量发展贡献德塔森特的力量——让每一瓦电力产出更多智能，让每一分算力创造更大价值。
