紫光股份Codex · 实盘不做把握 8/10
北京时间·🕒 发布 18:03:29时区推断·⟳ 抓取 18:51:27·⚡ 决策 07-28 22:35:45 +3h44m·91.1 天前
紫光股份旗下新华三展示Token云方案并披露可信云大会获奖案例
该信号主要是紫光股份旗下新华三在行业大会的技术方案展示、演讲和获奖案例宣传,未披露新增订单、合同金额、客户采购承诺或业绩指引变化。
📄 原文紫光股份↗ 原文
多元开放 高效灵活,紫光股份旗下新华三智能云亮相可信云大会
7月28日,由中国通信标准化协会主办、中国信通院承办的2026可信云大会暨首届Token云服务大会在京启幕。本届大会聚焦大模型规模化落地下算力、Token生产、可信云服务等产业核心议题,汇聚产学研企各界共探AI基础设施升级路径。紫光股份旗…
不做 紫光股份(000938.SZ)
公司官方宣传稿,未披露新增订单、金额、客户采购承诺或业绩增量,属于超大AI云/算力叙事下的软催化,不做。
展开详情(成交明细 / 研究档案 / 原文全文 / 决策记录链)
研究档案
🔎 新鲜度:最早出现 2026-07-28 · 扩散 low · price-in 风险 medium ↗
关键理由
- 该信号主要是紫光股份旗下新华三在行业大会的技术方案展示、演讲和获奖案例宣传,未披露新增订单、合同金额、客户采购承诺或业绩指引变化。
- 文中提到的万卡级、十万卡级案例和300节点、50PB项目属于能力展示与既有落地案例,无法证明本次事件带来短周期新增收入或利润。
主要风险
- 若后续另有正式中标、合同金额或大客户采购公告,需要作为新催化重新研判。
原文全文
展开原文 · 1,775 字
7月28日,由中国通信标准化协会主办、中国信通院承办的2026可信云大会暨首届Token云服务大会在京启幕。本届大会聚焦大模型规模化落地下算力、Token生产、可信云服务等产业核心议题,汇聚产学研企各界共探AI基础设施升级路径。紫光股份旗下新华三集团受邀出席本次大会并发表主题演讲,全方位展示全栈AI智能云技术实力与行业落地成果。同时,新华三与中国矿产资源集团舟山发展有限公司联合申报的分布式可信私有云创新应用项目获评可信云用户创新应用优秀实践,联合信通院编制的《AI赋能数字基础设施:ICT智能体的技术突破与建设指南》也于大会正式发布。
01
全链路系统优化,构建高性价比Token生产底座
本届大会核心议题围绕Token云服务产业爆发展开,IDC数据显示,全球与中国日均Token消耗呈指数级增长,海量推理需求倒逼云平台从传统资源调度转向AI负载运营。
新华三集团云与数智产品部总监李永平在演讲中指出,当前行业普遍面临算力闲置、推理延迟高、Token生产成本居高不下、数据合规信任缺失四大痛点,单纯依靠硬件堆叠无法实现规模化AI普惠,唯有计算、存储、网络、推理、网关全栈协同优化,才能系统性打造Token极致性价比。
基于CloudOS AI智能云底座,新华三推出全栈Token解决方案,真正实现“算力用得好、模型用得省、应用能落地、运营用得稳”。算力方面实现GPU、NPU、通用算力全域异构统一纳管,支持最高73728卡集群弹性扩展,自研超节点架构大幅提升集群互联带宽与单卡推理性能;存储系统搭载XCache AI原生缓存系统,通过KVCache多级卸载技术,首Token延迟(TTFT)降低90%,同等算力并发承载能力提升10倍;网络层依托拓扑感知低延时集合通信库,通信时延下降50%,实现故障秒级感知、分钟级自愈;推理引擎内置显存优化、模型量化、PD分离分布式架构,兼容vLLM、TensorRT等20+主流训推框架,适配100+国内外大模型。配套AI智能路由网关与一体化MaaS平台,实现多模型统一接入、Token级精准计量、缓存差异化计费,搭建从用户请求、智能调度、模型推理到Token流式输出的完整服务闭环。
当前,新华三正致力于将算力运营从资源导向转为价值导向,已有万卡级国产科研智算中心、十万卡集团级智算云两大标杆落地,帮助客户算力利用率大幅提升,单位Token生产成本显著下降,完成从硬件租赁向TaaS(Token as a Service)长效经营模式转型。
02
携手中国矿产资源集团舟山发展有限公司打造国产化私有云可信创新样板
大会同步公布了2026可信云用户创新应用实践获奖名单,新华三联合中国矿产资源集团舟山发展有限公司申报的分布式可信私有云创新应用入选优秀实践案例,为央国企国产化、多数据中心统一云平台建设提供可复制范本。
双方基于新华三分布式云架构,落地多数据中心,实现资源、业务、运营三级统一管控。项目采用一云多芯国产化软硬件体系,全面适配国产芯片、操作系统与数据库,满足自主可信测评要求;搭建主备容灾体系,保障业务连续稳定运行;构建租户级一体化安全资源池,覆盖虚拟WAF、数据库审计、主机防护、统一日志审计等能力,满足等保2.0三级合规标准。
平台上线以来已稳定承载300节点、50PB存储规模业务,打通多源数据壁垒,实现统一运维、精细化管控与全域数据资产赋能,兼顾算力共享、数据安全与成本管控,充分印证新华三智能云在央国企私有云、国产化可信底座领域成熟落地能力。
此外,新华三联合中国信通院共同编撰的《AI赋能数字基础设施:ICT智能体的技术突破与建设指南》也在大会正式发布。指南围绕算、网、存、云、安、维一体化智能体建设梳理核心技术路径与落地规范,助力产业统一技术共识,加速AI基础设施标准化规模化落地。
当前云计算正式迈入AI智能云新阶段,Token云服务成为释放AI生产力的核心载体。作为数字化及AI解决方案领导者,新华三将持续深耕“算力×联接”核心优势,以全栈协同技术优化持续降低Token使用成本,依托成熟可信云平台、规模化行业落地案例、标准化产业研究成果,面向全行业输出高性价比、自主可信的AI智能云解决方案,以高效智能云底座培育新质生产力,助力国内AI产业高质量、可持续发展。
预览时标签不可点
01
全链路系统优化,构建高性价比Token生产底座
本届大会核心议题围绕Token云服务产业爆发展开,IDC数据显示,全球与中国日均Token消耗呈指数级增长,海量推理需求倒逼云平台从传统资源调度转向AI负载运营。
新华三集团云与数智产品部总监李永平在演讲中指出,当前行业普遍面临算力闲置、推理延迟高、Token生产成本居高不下、数据合规信任缺失四大痛点,单纯依靠硬件堆叠无法实现规模化AI普惠,唯有计算、存储、网络、推理、网关全栈协同优化,才能系统性打造Token极致性价比。
基于CloudOS AI智能云底座,新华三推出全栈Token解决方案,真正实现“算力用得好、模型用得省、应用能落地、运营用得稳”。算力方面实现GPU、NPU、通用算力全域异构统一纳管,支持最高73728卡集群弹性扩展,自研超节点架构大幅提升集群互联带宽与单卡推理性能;存储系统搭载XCache AI原生缓存系统,通过KVCache多级卸载技术,首Token延迟(TTFT)降低90%,同等算力并发承载能力提升10倍;网络层依托拓扑感知低延时集合通信库,通信时延下降50%,实现故障秒级感知、分钟级自愈;推理引擎内置显存优化、模型量化、PD分离分布式架构,兼容vLLM、TensorRT等20+主流训推框架,适配100+国内外大模型。配套AI智能路由网关与一体化MaaS平台,实现多模型统一接入、Token级精准计量、缓存差异化计费,搭建从用户请求、智能调度、模型推理到Token流式输出的完整服务闭环。
当前,新华三正致力于将算力运营从资源导向转为价值导向,已有万卡级国产科研智算中心、十万卡集团级智算云两大标杆落地,帮助客户算力利用率大幅提升,单位Token生产成本显著下降,完成从硬件租赁向TaaS(Token as a Service)长效经营模式转型。
02
携手中国矿产资源集团舟山发展有限公司打造国产化私有云可信创新样板
大会同步公布了2026可信云用户创新应用实践获奖名单,新华三联合中国矿产资源集团舟山发展有限公司申报的分布式可信私有云创新应用入选优秀实践案例,为央国企国产化、多数据中心统一云平台建设提供可复制范本。
双方基于新华三分布式云架构,落地多数据中心,实现资源、业务、运营三级统一管控。项目采用一云多芯国产化软硬件体系,全面适配国产芯片、操作系统与数据库,满足自主可信测评要求;搭建主备容灾体系,保障业务连续稳定运行;构建租户级一体化安全资源池,覆盖虚拟WAF、数据库审计、主机防护、统一日志审计等能力,满足等保2.0三级合规标准。
平台上线以来已稳定承载300节点、50PB存储规模业务,打通多源数据壁垒,实现统一运维、精细化管控与全域数据资产赋能,兼顾算力共享、数据安全与成本管控,充分印证新华三智能云在央国企私有云、国产化可信底座领域成熟落地能力。
此外,新华三联合中国信通院共同编撰的《AI赋能数字基础设施:ICT智能体的技术突破与建设指南》也在大会正式发布。指南围绕算、网、存、云、安、维一体化智能体建设梳理核心技术路径与落地规范,助力产业统一技术共识,加速AI基础设施标准化规模化落地。
当前云计算正式迈入AI智能云新阶段,Token云服务成为释放AI生产力的核心载体。作为数字化及AI解决方案领导者,新华三将持续深耕“算力×联接”核心优势,以全栈协同技术优化持续降低Token使用成本,依托成熟可信云平台、规模化行业落地案例、标准化产业研究成果,面向全行业输出高性价比、自主可信的AI智能云解决方案,以高效智能云底座培育新质生产力,助力国内AI产业高质量、可持续发展。
预览时标签不可点
决策记录链 · 只追加
每次领取产生一条记录,重新决策追加一条并以 supersedes 指向被替代的记录(ADR 0014)。
这条决策早于决策账本(2026-10-08 起逐条追加),没有追加记录。