引言：AI技術(shù)革命的"雙子星"與系統(tǒng)化突破
2025年伊始，中國AI領(lǐng)域迎來標志性突破——DeepSeek-R1開源大模型以1/30于OpenAI o1的API成本實現(xiàn)同等推理性能的壯舉震動全球，其"小力出奇跡"的技術(shù)哲學(xué)顛覆了傳統(tǒng)AI研發(fā)范式。緊隨其后，Manus智能體憑借多智能體協(xié)同與任務(wù)閉環(huán)執(zhí)行能力，在非公開測試階段即引發(fā)"中國版AutoGPT"的熱議。這場由認知模型（DeepSeek）與智能體執(zhí)行終端（Manus）共同掀起的風暴，正推動生成式AI從單點能力突破向系統(tǒng)化架構(gòu)躍遷。
行業(yè)數(shù)據(jù)顯示，搭載DeepSeek-R1的智能系統(tǒng)已在金融、醫(yī)療領(lǐng)域?qū)崿F(xiàn)8倍效率提升，而Manus展示的簡歷篩選、股票分析等復(fù)雜任務(wù)處理能力，更驗證了"思考-決策-執(zhí)行” 全鏈路智能化的五層式生成式人工智能應(yīng)用系統(tǒng)架構(gòu)日趨主流。這種"算法創(chuàng)新+工程突破"的雙輪驅(qū)動，標志著中國在生成式人工智能系統(tǒng)架構(gòu)領(lǐng)域?qū)崿F(xiàn)從追隨到并跑的質(zhì)變。
本文接下來的內(nèi)容組織如下:
一、概念解析: 科普大語言模型（LLM）與智能體（AI Agent）的核心定義與技術(shù)邊界；
二、架構(gòu)拆解: 圍繞五層式生成式人工智能運用系統(tǒng)架構(gòu)展開,包括：模型基座層，提示模板層，鏈式處理層，智能體層，多智能體協(xié)作層；
三、技術(shù)賦能路徑: 解析七大技術(shù)要素（運用定義系統(tǒng)、AI Fabric異構(gòu)算力調(diào)度、大模型基座、先進液冷、可持續(xù)擴展架構(gòu)、安全防護、智能體電算協(xié)同）；
四、生態(tài)實踐：攜手合作伙伴開展的3個方向上的創(chuàng)新工作介紹。
一、大模型LLM是認知引擎(大腦), AI Agent是具身智能體”
人工智能技術(shù)正經(jīng)歷從判別式AI 1.0（以分類、檢測為核心）向生成式AI 2.0（以創(chuàng)造、推理為特征）的范式躍遷。以DeepSeek-R1，OpenAIo1/o3等為代表的推理大模型，突破了早期模型的三大核心瓶頸：邏輯不可靠（如數(shù)學(xué)符號混淆）、幻覺頻發(fā)（如虛構(gòu)法律條文）和多模態(tài)協(xié)同不足（如跨文本-圖像推理斷裂）。
在回答問題之前先生成一個詳細的內(nèi)部思維鏈,模擬人類大腦的深思熟慮,逐步分解復(fù)雜的問題,在提高答案的準確性和深度上，取得了驚人的進展，其表現(xiàn)出來的智慧程度，再次觸發(fā)業(yè)界對“大模型技術(shù)能力邊界“的熱議。
以Manus等為代表的AI Agent，是一種半自主系統(tǒng)（終極階段是全自主），能夠與環(huán)境交互并代表用戶執(zhí)行任務(wù)，具有自主性，可以在無需持續(xù)人工干預(yù)的情況下工作。
AI Agent通過分析數(shù)據(jù)來進行決策，并根據(jù)反饋不斷學(xué)習和改進，以適應(yīng)不斷變化的環(huán)境和用戶需求。這些智能系統(tǒng)廣泛應(yīng)用于各個領(lǐng)域，如智能客服、自動駕駛汽車和智能家居助手等，為用戶提供高效便捷的服務(wù)，幫助人們更好地應(yīng)對復(fù)雜多變的任務(wù)和挑戰(zhàn)，提高工作和生活的效率。
二、五層式生成式人工智能運用系統(tǒng)架構(gòu)的技術(shù)躍遷：構(gòu)建虛實融合的智能體協(xié)同
五層式生成式人工智能應(yīng)用系統(tǒng)架構(gòu)以大語言模型操作系統(tǒng)為核心基座，通過分層設(shè)計貫通底層算力資源支撐、模型訓(xùn)練與推理優(yōu)化、智能體任務(wù)編排，實現(xiàn)多智能體協(xié)作，形成從硬件資源到群體智能的全棧技術(shù)閉環(huán)。
其分層架構(gòu)及功能如下：
1、模型基座層（Models）：作為系統(tǒng)基礎(chǔ)能力底座，通過多模態(tài)大模型API調(diào)用（如文本/圖像/代碼生成）與多機態(tài)支持（云端/邊緣端部署）構(gòu)建操作系統(tǒng)級服務(wù)能力，在成本控制與算力調(diào)度層面實現(xiàn)動態(tài)優(yōu)化，支撐上層應(yīng)用開發(fā)。
2、提示模板層（Prompt）：通過結(jié)構(gòu)化模板設(shè)計實現(xiàn)動態(tài)適配與場景復(fù)用，其核心機制包括變量占位符注入、角色指令分層（系統(tǒng)指令定義任務(wù)規(guī)則，用戶輸入填充動態(tài)參數(shù)），以及多模態(tài)格式控制，顯著提升生成內(nèi)容與業(yè)務(wù)需求的匹配度，提升意圖識別準確率。
該層通過工程化模板復(fù)用降低開發(fā)復(fù)雜度，可借由預(yù)定義任務(wù)指令與上下文規(guī)則，結(jié)合多輪對話消息鏈實現(xiàn)復(fù)雜邏輯編排，也可使用LangChain的PromptTemplate類實現(xiàn)跨領(lǐng)域任務(wù)快速遷移，提升模型輸出準確率。
3、鏈式處理層（Chains）：基于思維鏈（CoT）技術(shù)構(gòu)建任務(wù)流水線引擎，將復(fù)雜需求拆解為有序子任務(wù)序列，包含順序鏈（Sequential Chain）確保線性執(zhí)行、路由鏈（Router Chain）實現(xiàn)條件分支，以及轉(zhuǎn)換鏈（Transform Chain）插入自定義處理邏輯，其核心價值在于標準化流程復(fù)用與靈活組合能力。
4、智能體層（Agent）：能夠通過傳感器感知環(huán)境，并通過執(zhí)行器自主采取行動以實現(xiàn)特定目標的實體，其核心特性包括自主性（無需外部干預(yù)）、反應(yīng)性（快速響應(yīng)環(huán)境變化）、主動性（基于目標主動規(guī)劃）及社會性（與其他智能體協(xié)作）。
通過集成大語言模型（LLM）作為認知中樞，結(jié)合工具調(diào)用（如API接口、機械臂控制）和長期記憶模塊，實現(xiàn)從文本交互到物理世界改造的技術(shù)躍遷。
5、多智能體協(xié)作層（Multi-Agent）：通過分布式自治架構(gòu)實現(xiàn)復(fù)雜任務(wù)的高效協(xié)同，其核心機制包括動態(tài)任務(wù)分解、角色分工（如生成者、評審者、協(xié)調(diào)者等）以及智能體間的實時通信與協(xié)商，通過共享記憶網(wǎng)絡(luò)和共識模型實現(xiàn)全局狀態(tài)同步。
例如OpenManus框架通過PlanningTool將用戶需求拆解為線性子任務(wù)序列，并動態(tài)分配至專業(yè)化智能體（如代碼生成Agent、部署驗證Agent），結(jié)合工具鏈實現(xiàn)端到端閉環(huán)；多智能體協(xié)作可通過信息共享與交叉驗證，突破單一模型的認知邊界，解決復(fù)雜長鏈任務(wù)。
三、協(xié)同生態(tài)驅(qū)動的全棧生成式AI架構(gòu)創(chuàng)新：安擎基于七大技術(shù)要素構(gòu)建五層式系統(tǒng)，賦能虛擬認知至物理改造的智能范式演進
安擎協(xié)同生態(tài)合作伙伴圍繞生成式人工智能應(yīng)用系統(tǒng)架構(gòu)的七大技術(shù)要素：運用定義系統(tǒng)架構(gòu)、GenAI光電路交換（OCS）互聯(lián)架構(gòu)、強韌大模型基座層、智能調(diào)試與根因定位技術(shù)、先進液冷方案、可持續(xù)碳優(yōu)化計算體系、系統(tǒng)安全及智能體電算協(xié)同管理，構(gòu)建覆蓋虛擬認知至物理改造的全棧技術(shù)體系，通過多層級技術(shù)融合實現(xiàn)五層式架構(gòu)（模型基座層→提示模板層→鏈式處理層→智能體層→多智能體協(xié)作層）的深度優(yōu)化。
2025年重點開展的創(chuàng)新項目及工作介紹如下：
基于分布式OCS開放互連技術(shù)，首創(chuàng)“Switchless” Scale Up和Scale Out 雙向融合系統(tǒng)架構(gòu)：
該系統(tǒng)架構(gòu)專為生成式人工智能（GenAI）應(yīng)用設(shè)計，提供開放互聯(lián)及靈活配置的優(yōu)化運行環(huán)境，實現(xiàn)跨物理服務(wù)器的高速卡間與機間互聯(lián)，充分滿足多樣化GenAI對大規(guī)模多維并行處理和實時數(shù)據(jù)交換的高要求。
分布式OCS技術(shù)憑借異構(gòu)資源池化與智能管理策略，顯著提升資源利用效率，確保業(yè)務(wù)應(yīng)用性能卓越與資源優(yōu)化，為構(gòu)建先進的綠色智能計算開放生態(tài)奠定堅實基礎(chǔ)。同時，該技術(shù)內(nèi)置的可靠容錯與冗余機制，有效保障系統(tǒng)的高可用性和業(yè)務(wù)連續(xù)性，大幅降低系統(tǒng)故障風險。
通過首創(chuàng)的“Switchless”雙向融合系統(tǒng)架構(gòu)，我們在AI服務(wù)器及系統(tǒng)架構(gòu)領(lǐng)域開辟了一條全新路徑，有力推動了多樣化GenAI業(yè)務(wù)的創(chuàng)新應(yīng)用與產(chǎn)品競爭力的提升。
基于超流體技術(shù)的先進冷板油冷方案，100%解決水冷板漏液業(yè)界痛點：
高性能GPU和CPU因功耗巨大且散熱需求高，給Gen AI服務(wù)器系統(tǒng)的冷卻帶來了極大挑戰(zhàn)。目前，間接接觸液體冷卻系統(tǒng)（如冷板輔助方案）普遍采用水或丙二醇與水的混合物作為冷卻介質(zhì)。然而，在電子設(shè)備中，水冷系統(tǒng)存在泄漏隱患，一旦管理不當，可能會對敏感元件造成重大損害。即便是微小的泄漏，也可能引發(fā)短路和腐蝕，進而導(dǎo)致系統(tǒng)停機或產(chǎn)生高昂的維修成本。盡管通過加強防漏連接、及時檢測泄漏和實施定期維護等常規(guī)工程措施可以降低這些風險，但泄漏問題依然難以完全根除。這已成為數(shù)據(jù)中心在大規(guī)模部署高端人工智能服務(wù)器時，水冷解決方案所面臨的關(guān)鍵行業(yè)痛點之一。
本項目發(fā)布了一種創(chuàng)新的冷板液冷解決方案，該方案融合了基于綠色介電冷卻液的創(chuàng)新超流體技術(shù)，以及優(yōu)化設(shè)計的冷板與中心分配單元（CDU）。
這一創(chuàng)新設(shè)計成功解決了水冷系統(tǒng)長期存在的泄漏隱患這一行業(yè)難題，能夠在高密度AI服務(wù)器系統(tǒng)中對單芯片TDP（熱設(shè)計功耗）超過1500W的高性能處理器實現(xiàn)高效且可靠的冷卻。
Ultra Pooling GenAI Rack Scale系統(tǒng)架構(gòu)方案 “綠色超池智算基座”：
該實現(xiàn)方案以最小化的池化POD單元為基礎(chǔ)構(gòu)建模塊，包括專為推理設(shè)計的"通用AI加速卡"POD、企業(yè)級推理GPU POD，以及為大規(guī)模數(shù)據(jù)訓(xùn)練定制的GPU POD。
系統(tǒng)根據(jù)工作負載需求，動態(tài)組合POD 節(jié)點，以實現(xiàn)資源的高效配置。Ultra Host Processor Node（UHP）作為系統(tǒng)的智能管理中心，集中監(jiān)控和管理機架內(nèi)的服務(wù)器、存儲和網(wǎng)絡(luò)設(shè)備，負責供電、散熱、 遠程控制、故障診斷、報警和系統(tǒng)安全管理。UHP也是 GenAI 應(yīng)用的優(yōu)化核心，提供模型感知、基于DeepSeek時代的Scaling Law策略的工作負載調(diào)度、機架級碳優(yōu)化計算，以及支持 Climatik 和 Gen AI Operator等運作。Ultra Pooling Switch (UPS)利用開放互聯(lián)OCS 技術(shù)，執(zhí)行AI Fabric功能組裝，實現(xiàn)異構(gòu) GPU 資源的有效池化。與 Ultra Host Processor Node (UHP)相結(jié)合，UPS 能夠根據(jù)不同應(yīng)用場景的需求，靈活重構(gòu)系統(tǒng)資源池。UPS支持運行包括 UALINK、Ethernet、OISA 在內(nèi)的Scale up 互聯(lián)，確保 GPU POD之間的高效互聯(lián)。
綠色超池智算基座具備高度的適應(yīng)性，能夠覆蓋從數(shù)據(jù)中心到邊緣計算的多種部署場景。它不僅能夠擴展成多機架的 Super POD，滿足超大規(guī)模數(shù)據(jù)中心的需求；也能在單機 架內(nèi)集成 CDU、UPS、儲能單元和電力算力協(xié)同單元，適用于企業(yè) 邊緣和邊緣數(shù)據(jù)中心等邊緣計算環(huán)境。這種靈活性使得系統(tǒng)能夠根據(jù)不同環(huán)境的需求進行定制和擴展。
后續(xù)，安擎資深技術(shù)專家將陸續(xù)推出一系列技術(shù)專欄內(nèi)容，深入剖析前沿技術(shù)與行業(yè)應(yīng)用。若您對前沿技術(shù)洞察、實用技術(shù)干貨感興趣，歡迎持續(xù)關(guān)注我們，一同解鎖更多專業(yè)知識。
公眾號
公網(wǎng)安備 12011402001065號 
