然而，一个严峻的挑战随之而来：AI的“胃口”越来越大。Agent在执行任务时，需要频繁地读取参数、调用上下文、访问外部数据，对算力和存储的访问可能达到“一秒钟上百次”。如果网络跟不上，强大的算力就会在等待数据、排队通信中被白白浪费。

因此，AI时代的竞争焦点，正从单一的算力比拼，转向算力、存储与网络协同效率的全面较量。数据中心正在向“Token工厂”演进，而网络，就是这条生产线上至关重要的“运输线”。它不仅要让Token产得快（高算效），还要产得稳（高可用），更要安全地将Token运送到业务现场。当AI开始“吃”Token，我们急需一条更智能、更高效、更安全的“运输线”，来承载这场生产力的革命。

本期【搜狐AI伙伴计划】系列征文活动之【我们与AGI的距离】现已完结，让我们跟随@张贺飞、@数读社、@唐辰同学、@篮字计划、@张书乐如何为我们解读这场生产力革命？

当Agent开始“吃”Token，AI时代需要怎样的“运输线”？

@张贺飞：过去谈AI基础设施时，行业习惯把焦点放在算力上。有多少张GPU、集群规模有多大、模型训练和推理速度有多快，往往是最直观的指标。可当Agent开始进入千行百业，AI加速从“非生产环境”走向“核心业务系统”，影响Token产出的最大瓶颈并非单卡的计算能力，而是算力、存储和网络之间的协同效率。

Agent在执行任务时需要读取参数、调用上下文、访问外部数据、操作工具......对存储的访问可能达到“一秒钟上百次”。如果网络跟不上，算力就会在等待数据、排队通信和反复中转中被浪费。为了加速数据中心向“Token工厂”的演进，星河AI数据中心网络的方案可以归纳为两个关键词。

第一个是高算效。传统的数据中心架构，GPU访问存储系统中的样本数据时，必须绕道经过CPU进行中转。冗长的链路不可避免地存在绕行、中转和调度损耗，直接限制了单位时间内的Token产出。

星河AI数据中心网络的解法是“网算存协同”，即让NPU与存储直通，彻底省去了CPU中转的环节，传输带宽提升了8倍；配合存算混合场景下的流量差异化调度，整网吞吐超过98%，Token生产效率提升了2到5倍。

第二个是高可用。一个智能客服系统可以短暂停顿，但交易系统、诊疗系统、工业质检系统等核心生成系统不能中断。当Agent进入金融、医疗、制造、政务等业务，必须要保障Token生产的连续性。

星河AI数据中心网络内置了AI Core，把交换机故障重启时间压缩到了5秒，即使出现软硬件故障，也不会影响到推理业务。除了提升设备的可靠性，星河AI数据中心网络还通过光回损定位技术，实现了光链路分钟级脏污、松动检测，保证Token稳定生产0中断。

数据中心从“算力机房”到“Token工厂”，改变的不只是定位，还有效率和可用性：既要让Token产得快，还要让Token产得稳，两个指标同时成立才满足Agentic AI时代的要求。

SpaceX，从航天界“蜜雪冰城”到华尔街魅魔

@数读社：SpaceX讲了一个什么样的故事？我们认为是技术领先带来想象力的故事。其业务主要有三个板块：发射、星链Starlink、AI。这三个业务，特斯拉画了一个价值28.5万亿美元的饼，约合194万亿人民币。这个饼有多大，比现在中国的GDP都高。这显然过于离谱，但是也应当看这个数字为什么离谱。

第一项业务，发射业务的主角猎鹰和星舰，给到的市场预估非常理性，甚至有些保守。SpaceX预计，太空赋能的解决方案市场的空间有3700亿美元。

按照招股书中的数据，发射业务2025 年收入41亿美元，同比增长了7.6%。只看增速并不突出，而且一季度还出现了下滑，从8.7亿下滑到6.2亿，同比下滑28.4%。

但是发射业务是一切故事的开端，是SpaceX生态化反的根本。主要有这样几个突出优势：

便宜，最早是源于垂直整合的制造体系。SpaceX自主研发和生产火箭发动机，汽车工业的铸造工艺被应用到了航天发动机。材料也大幅优化，2500美元/吨的30X不锈钢替代3万美元/吨的碳纤维。一箭传三代，早期猎鹰9号，有80%的零部件通用于重型猎鹰，降低了制造和机械加工成本。

可复用。SpaceX不是最先做到可回收，但确实是第一家成功发射和回收轨道级火箭的私营企业。十年前，猎鹰9号通过“着陆腿”实现一级火箭回收，马斯克一箭封神。

联想还想把AI的故事讲下去

@唐辰同学：联想之所以在2025年赚到了AI的钱，并不完全归功于这些年的All in AI，关键还是赶上AI产业的拐点，即从训练转向推理的产业拐点。用雷军的话说，站在风口上，猪都会飞。

在硬件端，联想依托全球供应链网络，在AIPC领域采取激进策略，深度绑定黄仁勋的“五层蛋糕理论”，作为首批合作厂商承担生态整合任务，将芯片能力落地为终端体验，放大了整机集成商的交付价值。

ISG业务扭亏为盈，主要是依靠液冷技术积累和系统集成能力，吃到了企业级算力部署的红利。这也是联想All in AI后的第一个高光时刻，被视为拿到了AI门票。但这张门票并不容易拿稳，核心原因是联想没有解决老问题：没有核心技术。从早年选择“贸工技”，到后来的“科创板一日游”，再到如今，联想始终摘不掉“轻技术”标签。

柳传志曾被问过，联想是做大还是做强。他的回答是，还是做大吧。这实际也是在回答众所周知的“贸工技”和“技工贸”的路线问题。就联想的体量看，规模并不小，但这也是外界能看到的虚胖，它的问题还是无解。

换句话说，联想AI，没有灵魂，都掌握在别人手里。联想的角色定位更像是黄仁勋五层蛋糕里的一层，而不是自己动手做蛋糕，定游戏规则的玩家。

这放在戴尔和华为的坐标系里就很好理解。戴尔的生意模型，已经从卖电脑转向建AI工厂。它是英伟达全球最高级别核心合作伙伴，吃掉了北美高端算力集群最肥美的肉。目前，戴尔基础设施业务营收占比高达66%，手握513亿美元AI积压订单，基础设施利润率稳定在10.7%。

联想也因此还是被看作是“超级集成商”，难以享受AI原生公司的估值逻辑。

中国四大厂押注的机器人，还叠不好家里的枕巾

@通俗点说，机器人不能只会“夹起鞋子”，还要理解鞋该放到哪里；不能只会“拿起枕巾”，还要理解什么状态才算叠好；不能只会“捡起纸团”，还要判断这张纸到底该不该扔。

这条路听起来合理，但始终绕不开一个问题：数据。只是，家庭数据的获取成本极高且有隐私风险。这也解释了为什么自变量愿意和 58 到家合作，把机器人保洁服务推到 C 端。

149 元的价格，很难覆盖机器人、工程师和保洁人员一起上门的成本，但却可以换取宝贵的“真机数据”。每一次机器人卡在门槛前，每一次它把鞋放错位置，都是在为那个“世界模型”添砖加瓦。

问题在于，数据可以慢慢补，用户和市场未必愿意一直等。资本可以先为想象力买单，而用户只会为结果买单。发布会上捡起一团纸，让市场看到了“机器人走进家庭”的希望；但“咸鱼”家的这次测试，又暴露了个现实问题：家务机器人离真正成为家庭劳动力，至少现在还不行。

只能说，乐观一点看，自变量至少把机器人带进了真实家庭；但现实一点看，它现在更像一个刚开始上岗培训的新人。至于什么时候能像洗衣机、扫地机器人一样，成为普通家庭默认的一部分，恐怕还得等它先学会一件事：别让人类在旁边替它收拾残局。

除了李佳琦，没人想用AI购物？

@张书乐：有趣的AI柜姐，但也是无用的AI导购。3%的转换率，说明用AI购物的人肯定有，但只是好奇心驱使，但也担心“好奇害死猫”。AI在电商环节，确实有许多新功能发布。

如千问的AI导购，美团的AI智能规划游玩餐饮，以及微信、支付宝近日的AI支付揭幕战。

但对于大多数人而言，AI依然不够智能，且过分切入购物体验中充当“推销员”，也会带来一些不适应的感觉。至于所谓AI客服的各种答非所问、数字人主播给人的一种虚幻导购，都让AI和消费之间隔着一层浓郁的AI幻觉。

尤其是此前豆包帮忙在餐厅订位之类的AI幻觉舆情，也加重了普通消费者对电商AI的“十动然拒”。AI必然是未来电商的大势所趋，但并不一定是一个“柜姐”。

17日，微信支付正式上线“AI专属卡”，用户通过绑定AI智能体（如WorkBuddy）后，可用自然语言提出消费需求，AI将完成从推荐到支付的闭环操作。比如，用户可以召唤“美团生活助手”，告诉它想吃什么、想玩什么，借助微信支付AI专属卡购买团购，到店核销使用。

但这种体验，AI更多的扮演一个快速达成消费的角色而已。真正电商专属AI，应该是通过AI来精准画像，针对消费者日常消费的习惯，跳出算法模式的“信息茧房”问题，在底层为消费者提供更好的消费推荐服务。唯有如此，才能用润物细无声来突破“不要机器人推荐”的消费心理障碍。

AI发展太快，看不懂，太焦虑！搜狐AI伙伴计划帮你“懂行”，在此高大上的技术、产业趋势，都将被翻译成大白话，让你轻松看懂未来风向，不被时代落下。在AI的赋能下，把每一个“不可能”变成“可能”，线上线下，AI玩一起玩！下期我们精彩继续！