10 月 14 日至 16 日，2026 人工智能产业大会（AIIC2026）在山东济南黄河国际会展中心举行。大会由中国信息通信研究院联合山东省工业和信息化厅、济南市人民政府共同主办，以 " 加快推进人工智能赋能新型工业化 " 为主题。

10 月 14 日上午，由中国信通院依托人工智能产业发展联盟（AIIA）智能原生工作组举办的 " 智能原生 " 论坛如期举行。华瑞指数云（ExponTech）联合创始人兼 CTO 曹羽中受邀出席，发表题为《从算力到知力：智能原生时代的下一个基础设施命题》的主题演讲。他的核心判断是：当模型与算力同时收敛，AI 基础设施的核心命题正在从 " 送算力 " 转向 " 养知力 "。

模型在趋同、算力在商品化，下一场战争在 " 上下文 "

曹羽中指出，2026 年 AI 行业的底层变量正在同时收敛：旗舰模型的基准分差收窄到几个百分点，Token 价格一年跌去一个数量级，算力可按 Token 计价。当模型与算力都趋同，AI 产品靠什么分出高下？他的答案是上下文（Context）。他把接入顶级模型、却没有上下文体系的 Agent 形容为 " 每天早晨都会失忆的天才 "。上下文也不等于记忆：交互记忆只是最薄的一层，完整的上下文还包括业务知识与业务数据—— " 只做交互记忆而不打通业务知识，等于守着金矿淘沙。"Agent 的天花板不在模型，在 Context；谁拥有用户的上下文，谁就拥有一切。

华瑞指数云联合创始人兼 CTO 曹羽中

算力之外是 " 知力 "：存得下只是字节，调得动才是知识

" 行业习惯沿着 ' 算力 ' 的对仗把它归入 ' 存力 '，但 ' 存 ' 字总把人带向容量、硬盘、存储系统，把这件事看小了。" 曹羽中由此提出一个更具指向性的词——知力：全部上下文（业务知识、业务数据、交互记忆）的全链路能力，存储、管理、全局共享、精确检索、语义检索，最终汇聚为一次模型交互所需的上下文。存力存得下的只是字节，知力调得动的才是知识。

算力决定 AI 想得多快，知力决定 AI 知道多少、想得多对。两者的根本区别在于时间属性——算力算过即忘；知力算一次、全局留存、千路并发共享，越积累越快越便宜。推理算力中 75% 以上耗在 Prefill，其中大量是重复计算；DeepSeek 公开实测显示，同等 Token 工作量下，全局 KV 缓存与零缓存的成本相差数十倍。" 在推理时代，继续单纯堆卡，是在为 ' 遗忘 ' 付费。" 由此他给出一个反直觉的建议：企业走向智能化的第一优先级，不是再采购更多 GPU——先让算过的不再重算，把业务知识与历史数据变成 AI 的上下文。

KV Cache 撞上 " 内存墙 "，行业共识已经形成

上下文从 32K 迈向 128K 乃至每会话 1M+ tokens，KV Cache 不再是性能优化，而是 AI 的工作记忆，但它撞上了 " 内存墙 "：一次 300K token 会话的 KV 空间约 180GB，远超单卡 HBM 容量；HBM 一满，放不下的 KV 只能被驱逐，重算代价是 O ( n² ) 。某 Token 工厂的生产实测显示，仅用 HBM 的 8 卡 GPU 节点上，并发从 120 升到 150，首 Token 时延（TTFT）便从 22 秒飙升到 615 秒——不是算力不够，而是记忆放不下。

行业共识已经形成——用 SSD 池化卸载 KV Cache。DeepSeek 默认为所有用户开启缓存，命中率 99.8% 与 0 之间的真实账单相差约 90 倍；NVIDIA 在 2026 年 1 月发布 CMX（Context Memory eXtension）架构，以 SSD＋高速网络构成 G3.5 共享层。"CMX 五层各司其职，但只有 G3.5 让上下文成为集群的公共资产。" 围绕这一判断，华瑞指数云已形成完整的产品拼图：WDS 与 WFS 守住数据底座，WADP 让业务知识与业务数据高效供给 AI 管线，WQS ——全球最早的 AI 原生 KV Cache 存储，直接为 " 上下文 " 而生；四个产品全部构建在全自研分布式引擎WiDE之上。

以存换算：生产现场的 " 账本 "

演讲披露了两组生产环境实测数据。某 Token 工厂以 8 卡 GPU 推理节点搭配 3 节点 WQS 存储集群，仅切换 KV Cache 方案：150 并发下 TTFT 从 615 秒降至 28 秒，下降 95%；常规并发吞吐翻倍；30 轮长上下文输入吞吐提升 44 倍。" 存算协同不是锦上添花，而是大模型高并发、长上下文生产场景下的必经之路。"

在某大型企业，DeepSeek V4 Flash、4 台 8×H20，WQS 与推理引擎同机融合部署，同机 A/B 对比：不新增一台机器，TTFT 从 53.1 秒降至 21.3 秒、减少 60%，输出吞吐提升 3.06 倍。数据来自不同口径：实验室极限场景下 TTFT 加速 20 倍、吞吐提升 22 倍；真实业务 A/B 中吞吐提升 4.4 — 4.7 倍。只要 KV 被反复引用，" 读取代替重算 " 就在放大产出。账本同样清晰：1 个 WQS 节点可支撑 3 台 GPU 服务器，即3 台 GPU＋1 台 WQS ≈ 6 台 GPU。

让上下文成为集群的公共资产

当 KV Cache 从 " 某张卡的私有状态 " 变成集群的公共资产，算力调度将不再被缓存位置绑架——请求可以落在任何一张卡上，命中的是同一份全局缓存。曹羽中把它概括为一句话：知力基础设施让 " 上下文 " 像电力一样被集群共享，算一次，处处可用。

面向未来三到五年，他判断竞争将转向 " 谁能更低成本地留存、共享、复用上下文 "。为此，华瑞指数云向产业界发出标准共识、评测体系、生态共建三项倡议——推动共享 KV 池（G3.5）的接口与性能基线、以命中率和单 Token 成本为核心的公开评测，以及从推理框架、算力调度到芯片网络的端到端协同。