IDC评出中国AI算力管理平台第一：范式四项关键能力获满分
IDC发布2026年中国AI算力管理平台评估报告
2026年9月，市场研究机构IDC发布了《中国AI算力管理平台技术能力评估，2026》。这份报告对国内多家主流AI算力管理平台供应商进行了系统性测评，最终范式在综合评分中位列第一。
评估围绕六大维度展开：算力资源管理、算力服务管理、算力运维、技术架构、业务场景支撑以及交付服务。范式在其中四个维度——算力资源管理、算力运维、技术架构和交付服务——均获得满分，明显高于行业基准线。
IDC指出，随着AI应用进入规模化落地阶段，智能体（Agent）技术的深化正在改变云基础设施的设计逻辑。AI算力平台不再只是提供基础计算资源，而是逐步演变为驱动企业智能化转型的核心IT系统。这种转变对算力管理平台提出了更高要求：不仅要兼容多种硬件，还要支持灵活调度、精细计量和稳定运维。
范式的技术优势：不绑定芯片厂商的统一平台
范式的核心策略是打造一个不依赖特定芯片厂商的统一管理软件。目前，该平台已适配包括昇腾、海光DCU、寒武纪、天数智芯、沐曦、摩尔线程、昆仑芯、燧原、平头哥、壁仞在内的十余家国产AI芯片，覆盖主流训练和推理场景。
这种广泛的兼容性让企业可以在不同品牌芯片上运行同一套模型，无需为每种硬件单独开发或适配代码。更重要的是，平台支持大规模训练任务与高并发推理任务在同一集群中混合部署，这对实际业务场景非常关键。
例如，某政策性银行就通过范式的三轨资源池架构，实现了“两地三中心”的算力统一纳管。这不仅提升了资源利用率，还保障了核心业务在迁移过程中的平稳运行。
零侵入多芯虚拟化：让现有代码直接跑起来
很多企业在引入新算力平台时最担心的就是改造成本。范式采用“零侵入”设计，意味着PyTorch、TensorFlow、vLLM、SGLang等主流框架和推理引擎无需修改业务代码即可直接运行。
背后的技术是GPU细粒度虚拟化。单张AI加速卡可以被灵活切分成多个逻辑单元，分配给不同任务使用。同时，平台通过资源配额机制确保多个任务并行时互不干扰，避免因某个任务占用过多资源而影响整体稳定性。
这种能力对企业特别实用。比如一个团队可能同时在做模型微调、批量推理和在线服务，传统方案往往需要划分独立集群，造成资源浪费。而范式平台允许这些任务共享同一物理资源池，按需分配，动态调整。
三轨资源池 + 四维调度：混合负载下的高效利用
范式平台将算力资源划分为三类池：独占、共享和超分。
- 独占池适用于对性能和隔离性要求极高的训练任务；
- 共享池用于常规推理或开发测试，多个任务可共用资源；
- 超分池则在保证服务质量的前提下，通过时间片复用进一步提升利用率。
调度系统在此基础上引入四个维度：任务优先级、硬件拓扑结构、实时负载状态和资源需求特征。这意味着平台不仅能根据任务类型分配资源，还能感知底层硬件连接方式（如NVLink拓扑），避免跨节点通信带来的性能损耗。
在实际运行中，这种调度策略显著提升了集群整体吞吐量。尤其在训练与推理混合的场景下，高优先级训练任务不会被突发的推理请求打断，而低延迟推理也能获得及时响应。
AI网关与双轨计量：看清成本，管住支出
企业引入AI后常面临一个问题：钱花在哪了？范式通过AI网关和双轨计量机制试图回答这个问题。
AI网关统一处理模型路由、API调用、访问控制和审计日志。所有对模型的请求都经过网关，形成统一入口，便于管理和监控。
更关键的是“卡时＋Token”双轨计量：
- 卡时记录实际占用的GPU时间，反映硬件资源消耗；
- Token统计模型输入输出的数据量，体现业务调用量。
两者结合，企业可以从两个角度分析成本效率。比如某个部门可能卡时不高但Token量巨大，说明他们在高频调用轻量模型；另一个团队卡时很高但Token少，可能是长时间训练大模型。这种细粒度数据有助于制定更合理的资源分配策略。
面向智能体的算力服务化
IDC报告特别提到，AI基础设施正从“云+AI”向“云原生+Agent协同”演进。智能体通常需要频繁调用多个模型，且负载波动剧烈，这对算力平台提出新挑战。
范式将异构算力封装为标准化服务，支持按需切分、复用和弹性扩缩容。当智能体发起请求时，AI网关可根据当前负载智能路由到最合适的服务实例。
同时，平台引入Token配额和超限熔断机制。一旦某个智能体或用户组的调用量超过预设阈值，系统会自动限流或暂停服务，防止资源被意外耗尽。这在多租户环境中尤为重要，既能保障SLA，又能控制成本风险。
全链路运维：从芯片到服务的可观测性
在异构算力环境下，故障排查往往非常复杂。范式平台提供了从物理节点、计算卡、运行任务到模型服务的全链路观测能力。
当某张GPU卡出现异常，系统能自动隔离故障单元，并将受影响的任务重新调度到健康节点。整个过程无需人工干预，最大限度减少业务中断。
此外，平台支持无公网环境下的私有化部署，满足金融、政务等对安全要求极高的行业需求。运维人员可以通过统一控制台查看集群状态、资源使用趋势和告警信息，大幅降低管理复杂度。
国产芯片适配进展
截至目前，范式平台已支持十余家国产AI芯片厂商的产品，包括：
- 华为昇腾系列
- 海光DCU
- 寒武纪思元系列
- 天数智芯
- 沐曦
- 摩尔线程
- 百度昆仑芯
- 燧原科技
- 阿里平头哥
- 壁仞科技
这种广泛的适配能力并非简单地“能跑就行”，而是深度优化后的稳定支持。例如，在昇腾芯片上，平台能充分利用其自研指令集和内存架构；在海光DCU上，则针对ROCm生态做了专门适配。
对企业而言，这意味着他们可以根据采购策略、供应链安全或性能需求自由选择硬件，而不必被单一厂商锁定。
范式CEO：AI进入规模化落地新阶段
范式创始人兼CEO戴文渊博士表示：“AI产业正从‘模型竞赛’迈向‘规模化落地’的新阶段。对企业来说，真正的挑战已不再是能否使用大模型，而是如何在可控成本和稳定运行的前提下，将智能体能力持续转化为业务生产力。”
他认为，IDC的评估结果反映出一个趋势：随着AI应用走向规模化，异构算力的统一管理、灵活调度和精细化运营正成为企业AI基础设施的关键能力。
范式未来将继续深耕异构算力调度与智能体基础设施，目标是帮助企业更高效、更经济、更可靠地释放AI价值。
行业趋势：算力平台角色正在转变
IDC在报告中强调，AI算力管理平台的角色正在发生根本性变化。过去，这类平台主要关注“纳管”——即把不同来源的算力纳入统一管理。现在，它需要提供完整的“算力生命周期管理”能力，包括池化、切分、调度、运维和计量。
特别是在智能体普及的背景下，平台必须支持高频、低延迟、多模型协同的调用模式。这不仅考验调度算法，也对网络、存储和监控体系提出更高要求。
未来，领先的AI算力平台很可能不再只是一个资源管理工具，而是成为企业智能化系统的“操作系统”——向上支撑各类AI应用，向下整合异构硬件，中间提供稳定、高效、可度量的服务能力。
范式此次在IDC评估中取得的领先位置，或许正是这一转型趋势的早期印证。