21世纪经济报道记者 赵娜 报道

从机器人进厂参与装配，到智能客服替代人工座席，再到科研实验室借助大模型缩短研发周期，人工智能正在加速融入实体产业和工作生活的方方面面。

当生成式人工智能推动算力需求快速增长、GPU成为关键生产资料，异构芯片并存、模型迭代加快，都使算力调度与资源管理成为新的技术命题。

在这一变化之下，AI基础设施软件（AI Infra）正在成为一级市场的热门赛道。

“如果将云原生称为当时的技术浪潮，那么今天GPU和人工智能带来的，则是一场技术周期的更替。”今年2月，BoCloud博云创始人、CEO花磊在接受21世纪经济报道记者专访时透露，2025年公司已有近四成的占比来自AI Infra相关业务领域。

五年前，本报记者首次专访花磊。那次采访中，他回忆了惜别微软亚洲工程院、回到家乡苏州创业的过往，并谈及如何用云原生技术为中国企业的数字化转型打底。彼时的博云，是云计算浪潮中的参与者——为应用上云、架构重构提供底层支撑。

今年春节前夕再次对话，话题焦点发生迁移。

在新的AI技术变革中，容器云很自然地成为大模型调度和GPU管理的底层关键软件基础设施。“我们已从云原生公司转型为 AI Infra 公司。”花磊表示，今天的博云在做的，是基于在云原生领域的积累，为下一代AI客户提供更好地使用GPU、更高效地开发AI应用的一整套工具链。

一场顺势而为的战略转型

2014年前后，云计算加速普及，企业应用上云成为主旋律。微服务、分布式架构兴起，容器技术逐渐成熟，云原生成为新一代基础设施的重要形态。

那时的市场需求非常明确——应用要上云，架构要重构。同期，博云作为云计算解决方案服务商迅速成长。

2022年以来，生成式人工智能加速进入公众视野，大模型密集发布，GPU算力成为新的关键资源。加之GPU产品迭代节奏加快，企业开始重新审视自身的算力结构与底层架构。

新一轮技术演进的重心从“应用上云”逐渐转向“算力组织方式”。如果说在CPU时代，企业讨论的是虚拟化；那么进入GPU时代后，核心关注点转向池化和调度等。

国内市场的现实更加复杂。华为昇腾、海光DCU、阿里平头哥、百度昆仑芯等多种架构并存，芯片性能差异与生态分散并行。企业在部署AI应用时面临新的现实问题：不同架构的GPU如何统一管理？如何真正跑起来，并提升使用效率？

事实上，这种变化并非突然出现。花磊回忆，来自客户的信号在更早时就已显现——早在2020—2021年，公司便接触到一批科研机构客户。彼时，这些客户仍以云原生架构为主，但随着材料研究、仿真实验逐步引入GPU与大模型，需求结构开始发生变化。

不仅如此，需求也来自博云超过百家的中大型客户。这些企业的IT环境普遍呈现混合形态——传统应用与AI应用并存，CPU资源与GPU资源共存。技术周期的变化，在客户侧逐渐具体化。

正因如此，花磊说，“转型不是我们单方面决定的，是技术发展和客户需求推动的。”

基于此前在云原生领域的积累，博云将技术能力延伸至GPU调度与算力管理，围绕“如何更高效使用算力”展开布局。公司在技术演进和产品应用上并非完全推倒重来，而是在既有云原生底座上升级能力，使平台能够同时承载传统负载与AI工作负载。

如前述所言，存量客户的AI技术应用和智能化升级，也推动着博云业务转型的渐进式演进。截至2025年底，公司来自AI基础设施软件业务的收入占比已接近40%。

红海之外的AI基础设施竞速

航向已经明确，竞争不可避免。

金融行业是博云早期的深耕领域，也是国产化推进较早的行业之一。近期服务的一家省级农信社，成为转型后的又一标杆案例。

该机构在全省范围内推进智能客服、智能陪练等应用场景，选用了两家国产GPU产品。在国产化要求下，客户希望保持技术中立，不被单一芯片厂商绑定。

博云提供的AI基础设施软件，对两种GPU架构进行统一纳管，并叠加模型管理能力。在这一过程中，博云的优势来自两方面：对国产GPU的深度适配，以及云原生底座的延续性。

“我们的目标，是让国产GPU在实际场景中发挥更高效率。”花磊说，尽管国产芯片在性能上与海外产品仍存在差距，但通过软件层面的优化，可以缩小在具体应用中的体验差异。

具体而言，公司在网络调优、算力调度、模型适配等方面持续投入，尤其在推理场景中优化国产芯片表现。其推出的AIOS平台，已完成对主流国产GPU架构的适配，使客户在异构环境下部署AI应用时具备统一管理能力与更稳定的运行环境。

当然，不同GPU在不同模型上的表现亦有差异。为此，博云围绕“GPU+网络+调度平台+模型版本”的组合进行协同优化，尽可能降低客户的部署门槛。对于制造企业和科研机构而言，这意味着无需庞大的算法团队也能完成人工智能应用落地。

记者在采访中发现，在制造与科研布局之外，博云还有一条更长期的路径——参与开源生态。

对于一家做基础软件的公司来说，技术不可能在封闭环境中完成演进。它需要在更大范围内被使用、被检验，也需要在社区中不断修正与迭代。

花磊透露，在云原生阶段，博云便持续参与国际开源社区建设，作为CNCF（云原生计算基金会）成员企业参与相关项目。进入AI时代后，公司在开源领域的投入继续加码，比如成为openEuler社区白银捐赠人并围绕在AI的云原生开发部署环境一键获取、开箱即优、训推加速提效等展开合作。

对博云而言，这成为了一种双向互动。一方面，企业在社区中贡献组件与实践经验，在技术体系形成过程中保有参与权；另一方面，社区内的新技术、新方案，也会被快速引入具体产业场景。

截至当前，公司开源的制品库产品folib正是在这种互动中形成。按照规划，2026年还将有一套GPU池化平台对外开源。

驶入“AI+制造”与“AI+科研”的蓝海

如果说金融企业客户于博云更多是存量转化，那么制造与科研则是公司加速拓新的广阔蓝海。

相比竞争激烈的“AI+金融”市场，制造与科研更具增量空间，也非常符合国家战略需求和区域产业结构要求。因而，这两点这成为博云“新五年计划”的重点方向。

“制造业是‘国之重器’，也是AI落地较为现实的场景。”花磊举例说，在公司的服务的一家光缆制造企业，AI被用于产品选型、生产优化与营销决策。此外，公司推出了“AI+CAE”解决方案，将人工智能与工业仿真结合，通过虚拟测试替代部分实体实验来缩短研发周期。

类似探索也已经延伸至科研领域。这其中，医药研发、材料科学、气象预测等领域对算力与模型能力的依赖日益加深，能源与交通也可作为作为延展方向纳入AI基础设施软件服务的拓展布局。

本次专访的契机是博云完成Pre-IPO轮融资首轮交割。这时不必回避的资本市场现状是：一级市场AI基础设施赛道势起，但二级市场的热度仍集中在大模型和GPU。

具体来说，一级市场对AI基础设施软件的热情还在延续，但二级市场的价值兑现节奏并不一致；资本市场的焦点更多集中在GPU厂商与大模型企业，基础软件仍处在相对靠后的环节。

“随着行业应用逐步深入，底层调度与管理能力的价值会慢慢显现。”在花磊看来，真正的结构性机会来自AI与具体行业结合后的落地深度。“未来五年，AI基础设施软件与行业的结合，会决定一家公司的高度。”

“在 AI+制造领域，我们不仅会提供 AI Infra，还将躬身入局，直接参与制造业 AI 智能体的设计与最终落地。”访谈临近结束，他留下约定：“一年后我们再聚。那时的博云，会是一家‘AI Infra+AI行业’的公司。”