6月16日，浪潮计算机AI产品线负责人刘伟在上海金融展上接受澎湃新闻记者采访时透露，受益于算力基础设施建设的推进，浪潮搭载国内GPU和CPU的服务器规模今年将大幅提升。

“今年的AI服务器规模相对去年来说将有很大提升，实际上今年我们有机会做到更大。”刘伟表示，浪潮计算机国内的工厂扩建，包括液冷产线扩建，都在如火如荼地去推进，接下来全国还会进行大规模算力基础设施建设。

随着AI大模型、智能体在金融领域落地，信贷审批、保险理赔、政策合规审核等场景对算力消耗激增。这类业务需交叉调用征信、资产、监管政策等海量数据，单次业务会产生海量算力Token，倒逼金融机构升级算力架构。

浪潮提出，“算力Token化”变革，将GPU算力资源抽象为可计量、可调度、可计费的“Token”，像水电一样按需分配、跨池调度。

算力token化不是对现有模式的优化，而是对算力供给模式的重构。传统模式下，金融机构要想满足这个需求要“买多少台服务器”，算力token化模式下，金融机构关注的不是服务器，而是处理任务的能力。至于底层用的是哪台服务器、哪块GPU，不需要关心。算力token化模式下，通过浪潮的智算多云纳管平台可以统一调度异构云的算力资源，实现“一次接入，全域可用”。

浪潮金融行业部方案架构师马宏宾对澎湃新闻记者表示，今年5月份，国家进行了一轮国测，有七家国内GPU厂商共有九款人工智能训练推理芯片入围，这些厂商都是浪潮的核心合作伙伴。

“金融的生命线是安全可靠，浪潮计算机的生命线也是安全可靠，我们也是围绕安全可靠的产品来做的，从CPU、GPU到相关的关键IC类芯片，甚至到关键的固件，我们全部是按照最高的安全标准来执行的。”马宏宾表示。

刘伟也表示，拆解智能体处理的流程和步骤，GPU的计算在整个过程里边占到了28%，CPU占到72%。大模型训练完之后应用Agent智能体要去运行的时候，大家发现不需要那么多的GPU的算力，这是核心的点。

智能体时代，对CPU也提出了许多新的要求。在产品的性能和规格参数上，第一，要求更强的单核性能，核数多少可以根据场景去调整。第二，更高的主频。CPU除了做传统调度以外，还做数据的预处理、数据的分发，以及结果的一些尾部处理和显示，大量的数据在CPU上运行。这种需求的转变导致目前高频的CPU产品缺货。

据介绍，对于未来CPU和GPU在服务器里面的比例，专注于训练的服务器还是GPU占比更多，主流还是2：8，而针对智能体场景应用层面落地上，CPU和GPU服务器目前两者比例是1：1或者1：2。今年最火的龙虾一体机CPU和GPU的比例是1：2。一些小的机器人场景或者小的实时摄像头处理场景比例都是1：1了。

刘伟表示，之前人们总说AI是泡沫，因为AI只停留在数据中心里面，但现在AI走到了端侧、走到应用侧，AI在各行各业都在快速落地。

浪潮计算机是浪潮集团的核心硬件产业，致力开发设计基于ARM、C86等技术路线的电脑和服务器整机产品，服务于政府、金融、通信、能有交通等关键行业。