作者 | 杨睿琪
编辑 | 刘毓坤
2026年MWC上海展上，赛柏特完成了其MWC国内首秀。这家深耕企业组网18年、累计服务上万家中大型企业的通信服务商，正式对外公布全新品牌定位：全球AI算网基础设施服务商。赛柏特CEO张慧在接受网科技媒体专访时，围绕AI算力落地的核心痛点、分布式算力网络的未来趋势、算力供需错配的破解之道，以及AI Agent等新应用对网络的革新要求，做出了系统解答。
“当下行业已经形成共识：采购GPU硬件只是第一步，真正的难题在于算力的高效落地与全链路运维，这也是大量企业‘算力闲置、投入打水漂’的核心原因。”张慧开门见山。
结合服务上万家中大型企业的实战经验，她将当前企业使用AI算力面临的痛点归纳为四个方面。
一是多模型管理碎片化。“如今市面上主流大模型多达数十款，企业往往分散接入不同模型，账号、权限、计费相互割裂，模型切换后上下文无法续接，员工使用体验差，管理难度陡增。”
二是网络成为算力瓶颈。“不少企业硬件算力充足，但跨区域训推、远程调用时，公网延迟高、丢包率突出，直接拉低模型训练与推理效率，出现‘算力空转、网络拖后腿’的现象。”
三是算力运维成本居高不下。从硬件部署、网络调试到模型运维，整套流程需要专业团队支撑，中小团队难以承担高昂的人力与时间成本。
四是算力资源利用率失衡。企业自建GPU集群多为一次性重资产投入，面对AI业务潮汐式波动，高峰算力不足、低谷大量硬件闲置，资源浪费严重。
针对以上痛点，赛柏特本次发布的AI网关、模联网大带宽SD-WAN、GPU算力服务三大算力网络产品形成组合拳，从模型、网络、算力三层一站式解决问题。
张慧逐一介绍了三款产品的落地成效。AI网关可统一接入ChatGPT、DeepSeek、通义千问等50余款主流大模型，实现一站式调用、统一Token计费，还具备跨模型记忆能力，保障上下文连贯。目前该产品已在头部在线职业教育平台落地，“帮助企业将AI运维工作量降低70%，终端服务满意度提升20%以上”。
模联网大带宽SD-WAN依托赛柏特10T级全球骨干网，提供单链路100G以上超大带宽，跨区域传输延迟可控制在20ms以内。“国内头部新能源车企自动驾驶团队商用后，跨城链路延迟从200ms以上降至35ms以内，丢包率近乎归零，模型训练效率提升40%”。
GPU算力服务提供H100、H200等全品类主流GPU资源，支持按小时计费、弹性扩缩容。“头部短视频平台接入后，依靠算力弹性伸缩匹配业务峰谷，整体算力成本下降30%，且全程在私有骨干网传输，规避公网数据风险”。“简单来说，我们让企业买得到算力，更能用好、用省、用安全算力。”
当被问及未来企业使用AI算力是否会像今天用云服务一样“按需调用”时，张慧的判断非常明确。
“AI算力全面走向‘云化、按需调用’是必然趋势，企业大规模自建GPU集群的模式会逐步被弱化，这和当下企业普遍使用云服务、不再自建服务器是同一个发展逻辑。”
她给出了两点核心理由。一方面，AI产业迭代速度极快，GPU硬件更新换代周期短，单款硬件很快面临性能落后的问题。“如果企业坚持自建GPU集群，不仅前期硬件采购、机房搭建是巨额重资产投入，后续硬件迭代、机房运维、电力消耗都会带来持续成本压力，对于绝大多数非算力核心企业而言，重资产模式性价比越来越低。”
另一方面，AI业务本身具备极强的波动性。“大模型训练、AI审核、智能交互等业务时而算力需求爆发，时而进入低谷，固定的自建算力很难匹配动态业务需求，必然造成大量资源闲置。”
基于18年全球组网的技术与节点积淀，赛柏特如今全力布局全球分布式算力网络，核心就是推动算力资源池化、服务化。公司依托全球140余个POP节点、30余个数据中心，整合全域算力与网络资源，将分散的GPU算力、网络链路、运维能力打包成标准化服务。“未来企业无需再重金采购、运维GPU硬件，只需根据自身业务需求，像使用水电、公有云一样，按需调用、弹性扩容、按使用量付费。”
不过她也坦承，“这并不代表自建GPU会完全消失，对于少数有极致数据安全、专属算力需求的超大型企业，局部私有化算力仍会存在。但对90%以上的政企、互联网、制造、教育类企业而言，算力‘按需调用’将成为主流选择。赛柏特的分布式算力网络，就是要成为连接算力供给方与需求方的桥梁，让算力自由流动、随取随用。”
当前AI算力行业一个普遍的现象是——运营商集中建设智算中心，但大量企业反馈“有算力找不到客户，有客户找不到算力”。张慧将这一问题定义为结构性供需错配。
“各大运营商、数据中心集中建设智算中心，海量算力资源落地，但资源分散、信息不互通、跨区域调度困难；而大量有AI算力需求的企业，找不到适配自身业务规格、网络环境、安全要求的算力，尤其跨地域、跨运营商的算力对接门槛极高，最终形成‘算力孤岛’。”
赛柏特依托全球网络底座、全域节点布局、算网一体化能力，从三个维度打通壁垒。
第一，搭建统一算力撮合与调度平台。 “我们深度联动各大运营商、第三方数据中心，整合各地智算中心的闲置算力、专用算力资源，形成统一算力资源池；同时面向广大企业客户，精准收集不同场景的算力需求，包括大模型训练、AI推理、自动驾驶仿真、AI内容审核等差异化需求，实现算力供给与企业需求的智能匹配，让闲置算力找到落地场景，让刚需客户快速匹配对应算力。”
第二，依托骨干网络实现跨域算力流通。“很多智算中心硬件达标，但跨区域互联能力薄弱，算力只能服务本地客户。而赛柏特拥有成熟的跨境、跨城骨干网络，能够打通不同区域、不同运营商的智算中心链路，打破地域壁垒，让西部闲置算力可以供给东部高需求企业，边缘算力可以就近服务本地AI终端应用，盘活全域资源。”
第三，提供“算力+网络+运维+安全”一体化配套服务。 “很多智算中心仅提供硬件算力，缺少配套网络、运维、数据安全能力，即便对接上客户，也难以满足AI业务的复杂要求。赛柏特补齐这一短板，为算力资源方提供网络承载、智能运维服务，为需求方提供算网一体解决方案，降低双方对接后的落地难度，让算力不仅‘找得到’，更‘用得稳’。”
张慧用一句话总结了三方协同的逻辑：“运营商和数据中心负责‘建算力’，赛柏特负责‘联算力、调算力、运营算力’，三方协同打通产业链，从根源上解决算力供需脱节的行业痛点。”
AI Agent、智能机器人、自动驾驶正在从概念走向规模化落地。张慧指出，这类实时性、交互性、移动性极强的应用，“彻底颠覆了传统办公、传统互联网业务对网络的要求，传统通用网络已经无法承载”，催生出四大全新核心要求。
一是极致低时延。“自动驾驶、远程操控机器人、实时交互型AI Agent，指令传输、数据反馈必须做到毫秒级响应，一旦延迟过高，会直接影响运行安全与交互体验。”
二是超高可靠性、极低丢包。这类应用多涉及人身安全与业务连续性，“网络不能出现中断、频繁丢包，稳定性要求远高于普通上网业务。”
三是超大带宽+大上行能力。“机器人、自动驾驶会实时回传高清视频、雷达数据、传感器数据，上行流量爆发，传统侧重下行的网络架构难以支撑。”
四是云边端协同能力。这类应用并非单一终端运行，而是终端、边缘节点、云端算力联动，“要求网络实现算力、数据、指令在云、边、端之间无缝流转。”
针对以上需求，赛柏特形成了清晰的技术优势与业务布局。模联网大带宽SD-WAN原生适配大带宽、低时延场景，跨区域链路延迟可稳定控制在20-35ms，丢包率趋近于零。依托全球边缘POP节点布局，打造边缘算网一体化架构，将算力、网络下沉到终端侧，实现边缘就近计算、就近传输。OneSight AI智能运维平台可实现全网故障自动排查、快速处置。
在场景化布局上，赛柏特已为国内头部新能源车企自动驾驶训练业务提供专属网络服务；在AI Agent领域，依托AI网关产品实现多智能体统一接入、统一管理。“未来我们还会持续深化云边端算网协同技术，针对各类应用持续优化专属网络策略，助力这类前沿AI应用规模化落地。”
采访最后，张慧明确了赛柏特的产业定位。“我们是全球AI算网基础设施服务商，不做AI大模型，也不与云厂商争夺公有云市场，核心定位是做好‘算力流动的底座’ ，携手运营商、数据中心、大模型厂商、云厂商共建开放共生的产业生态，这也是我们长期坚持的方向。”
她最看好三大类商业机会。第一，算力网络调度与算力运营服务。“无论是运营商的智算中心，还是企业自建算力集群，都需要专业的算网调度能力来提升价值，这是整个产业链最基础、体量最大的机会，也是赛柏特的核心主场。”第二，边缘算网一体化服务。 随着AI Agent、机器人、自动驾驶等终端应用普及，“靠近终端的边缘节点，需要兼具网络传输、本地计算、数据安全的一体化方案，场景丰富、落地空间广阔。”第三，AI全链路安全与合规服务。“AI业务涉及大量企业数据、用户隐私、训练数据，多模型接入、跨网数据传输、私有化部署等环节，都存在数据泄露、访问失控的风险。兼顾AI高效运行与数据安全、行业合规的配套服务，会成为企业选型的硬性标准。”
此外，面向垂直行业的定制化AI算网解决方案也具备巨大潜力，“金融、教育、制造、互联网等不同行业，对算力规格、网络策略、部署模式、合规要求各不相同，通用产品无法满足需求，行业定制化服务将成为新增长点。”
对于下一步规划，张慧表示赛柏特将持续深化与运营商、数据中心的生态合作，“一方面打通双方资源，实现网络、算力、节点深度互通，联合推出标准化算网产品；另一方面联合打造行业解决方案，落地到更多政企客户。同时我们会持续打磨AI网关、模联网、GPU算力服务三大核心产品，今年三季度AI网关将全面开放商用，力争2026年服务超百家企业，和所有生态伙伴一起，夯实AI算网基础设施，携手挖掘产业新机遇，共同推动数智产业稳步发展。”
赢金配资提示：文章来自网络，不代表本站观点。
