当业界还在讨论大模型的价值时，金山云高级副总裁刘涛认为，这并非泡沫。其判断依据是“沉浸式开发”等AI应用热潮的兴起，代码自动迭代已触及产业变革的“奇点”。
面对这一趋势，金山云宣布对其智算平台“金山云星流”进行全面升级，发布了覆盖模型全生命周期的训推平台、机器人平台及模型API服务，旨在重塑自身角色，投身未来生产力的竞争。
推理需求爆发，云厂商角色转变
过去一年，智算需求的主要推手已从模型训练转向推理侧。火山引擎日均Token调用量已达50万亿，豆包、千问等模型的外溢需求急速扩张。这标志着AI正深入实际场景，成为企业降本增效的实用工具。
金山云助理总裁孙晓指出，这种增速超越了传统IT基础设施的认知。因此，金山云将自身定位为“工程化的陪伴者”，致力于提供稳定、高效且具备极致性价比的Token服务，成为大模型这个“大脑”所需的“循环系统”。
平台演进：从资源交付到任务交付
金山云的演进路径清晰：
- 2023年：聚焦大规模智算网基础设施建设，比拼异构资源管理。
- 2024年：转向平台化与Serverless，核心是将资源交付转变为任务交付。
- 2026年目标：升级后的“星流平台”锚定效率提升、行业平台构建与推理加速。
为应对大规模训练任务的脆弱性，金山云自研了基于故障感知的自愈技术，能对硬件及软硬结合故障进行分级、秒级感知与快速处理，保障客户训练任务不中断。
布局“下半场”：具身智能与机器人平台
金山云将具身智能视为智算云的“下半场”。其发布的“星流机器人平台”旨在打通从数据采集、标注到模型训练、部署与仿真的全链路闭环，解决“从算法研发到真实场景部署”的落地难题。
以自动驾驶为例，云端训练对多模态点云数据的处理能力要求极高。金山云通过构建闭环数据平台，帮助客户更便捷地处理海量数据。刘涛展望，未来5到10年，家庭服务机器人将逐步落地，形成一个万亿级赛道，金山云的目标是成为该赛道的“底座”和“引擎”。
开放生态与极致工程优化
坚持“不做大模型”的承诺，使金山云在生态建设上更加开放。其基于开源模型，依托自研技术，提供高性价比的Token服务，并能快速上线业内热门模型的推理服务。
在技术栈上，金山云聚焦以推理加速为核心，通过PD分离（预填充和解码分离）及量化技术，极致压低时延、提升吞吐。其从游戏等高并发场景中沉淀的极限压测经验，也被应用于大模型推理的优化中。
未来竞争：应用驱动与工程能力
未来，技术层面的竞争将持续，但真正的分水岭在于“应用”。视频生成实用化、VLA模型在终端泛化、Agent在日常生活中的渗透，将推动推理需求指数级增长。
智算云的红利期不会永久持续。唯有能解决极限工程难题、打通行业数据闭环、提供极致性价比Token服务的厂商，才能在潮水退去后屹立不倒。
