博客
AI 基础设施、GPU 虚拟化、智能体与行业实践
为什么企业"养虾"要智能体平台化
外贸业务订单、报关、回款、费用散落在企业微信和多张 Excel 之间，ERP 追不上业务节奏。一个智能体不够，企业要的是一整套可落地的智能体平台。
在智能体时代，GPU虚拟化有哪些作用
智能体时代的一次客户请求要同时跑 0.5B 到 70B+ 的一整条模型链路，小模型要随叫随到、大模型要关键时刻能上、峰谷还彼此错开。GPU 虚拟化要解的题，已经从"切卡省钱"变成"整套系统能不能高效运转"。
为什么大模型一体机吞吐上不去
大模型一体机吞吐上不去，通常不是模型装不下，而是被算力利用、KV Cache、卡间通信和在线调度这四笔账卡住；如果是 MoE 模型，还要额外看专家路由和热点拥堵。
从一个词元，到驾驭一支智能体团队
大模型会理解、会生成，但企业要的往往是跨系统执行。本文用"词元→技能→智能体→驾驭框架"四级结构，解释 AI 怎样从会说话变成会做事，以及什么时候该上智能体，什么时候不该。
同思智能体：让业务流程真正长出可控、可落地的AI执行力
同思智能体把模型、知识、工具、审批和业务流程编排在一起，让企业把一线经验、标准流程和系统能力沉淀成可以长期运行的智能体应用。
无界模型云：超高性价比的词元供应商
无界模型云把 Token 价格压到主流 API 的一半，靠的不是补贴，而是砍掉中间商、盘活分布式算力网络、用自研推理引擎把每张卡的性能榨干。
同思AI网关：企业的智算流量中控
同思AI网关把分散在各业务系统里的模型调用统一收口，在输入、输出、工具调用和留痕四个环节架起规则与审计，让模型从"能用"进到"敢用"生产环境。
同思引擎：把 GPU 变成算力池
同思引擎把 GPU 从整卡采购改成按业务供给的算力服务，核心能力包括异构虚拟化、池化调度、统一纳管和 VM/容器双栈交付。
Tensor Engine | 同思引擎技术细节解析：为什么 GPU 虚拟化不能只停留在“切卡”
从一线 AI Infra 的真实矛盾出发，解释 GPU 虚拟化的四条路线，以及同思引擎为什么选择“从设备走向算力”的架构方向。
为什么大模型一体机吞吐上不去
大模型一体机吞吐上不去，往往不是"总显存不够"，而是卡间协同、显存占用、服务调度和模型路由四层漏斗没有打通。
某全球领先企业协作平台：全球多区域 GPU 推理成本降低 58%–65%
20+ 业务线、100+ AI 模型、全球十余个 Region——一家全球领先的企业协作平台如何用 TensorFusion 实现 GPU 算力精细化管理与大规模降本
AI 基础设施伙伴如何构建联邦算力网络并管理 SLA
以客户真实处境出发：跨集群调度、数据本地化与 SLA 三者如何同时成立。
GPU 厂商伙伴如何通过多租户隔离提升算力变现
站在客户视角：如何把"淡季闲置算力"变成收入，同时又能让企业客户放心。
GPU FinOps 实战：实例选型、Karpenter 与成本护栏
从客户真实经历出发，讲清楚如何通过选型、弹性与成本护栏，让 GPU 支出变得可预测。
MLOps 团队如何缩短训练与推理流水线周期
从客户视角讲清楚：为什么 GPU 排队会拖慢迭代，以及怎样通过资源池化把训练与推理各归其位。
中小企业如何低成本启动 GPU 业务
站在客户的真实处境里：既要尽快上线 AI 功能，又不想被 GPU 运维和预算拖住。
企业 IT 内部 AI 平台：多租户 GPU 成本分摊实践
某企业 IT 部门通过 TensorFusion 建设内部 AI 平台，实现 GPU 成本透明归集与多团队共享。
规模化视觉质检：跨工厂池化 GPU 资源
某制造企业通过 TensorFusion 池化 GPU 资源，在缺陷检测、吞吐与成本控制上获得显著改善。
医疗影像 AI 分诊如何用共享 GPU 加速
某医院集团通过 TensorFusion 池化 GPU 资源，缩短影像周转时间并稳定 GPU 成本。
公安视频分析如何实现"数据不动、算力动"并降低响应延迟
某市公安局通过 TensorFusion 池化 GPU 资源，实现低延迟告警与更高利用率。
金融行业如何用池化 GPU 降低风险分析延迟
某金融机构通过 TensorFusion 池化 GPU 资源，加速反欺诈与风险评分，同时降低约 38% GPU 成本。
教育行业如何实现"随时可用"的 GPU 实验室，同时降低 70% 成本
某区域教育网络通过 TensorFusion 池化 GPU 资源，为 AI 课程提供稳定性能并显著降低成本。
十方融海：让每位学员都有自己的 AI 实训环境
十方融海与安徽融合智算联合打造交互式智慧课堂系统，实现 AI 实训环境随到随用、教学体验大幅提升，同时将算力成本降低超 80%。