数字经济观察网 - 软信官网

蓝耘首席科学家 孙雄勇博士

随着人工智能技术的飞速发展，教育行业正迎来前所未有的智能化转型浪潮。高校作为国家战略实施的重要阵地，在推进数字化与AI落地的过程中，面临着算力资源匮乏、技术门槛高、产教融合不畅等多重挑战。蓝耘科技集团股份有限公司作为在算力基础设施与AI技术服务领域经验丰富的企业，一直服务于Minimax等AI公司及各大高校、央国企。目前，公司正致力于将其成熟的技术解决方案拓展至高校领域，为高校提供从底层算力到上层应用的支持。近日，中教全媒体专访了蓝耘科技集团首席科学家孙雄勇博士，深入探讨高校AI转型的痛点、蓝耘的技术路径与未来愿景。

破解高校AI落地困局筑基智能教育新基建

中教全媒体：孙博士，您好！请您首先介绍下蓝耘科技集团股份有限公司的基本发展情况？

孙雄勇：蓝耘科技集团股份有限公司成立于2004年，是国家高新技术企业及国家级专精特新“小巨人”企业。蓝耘科技始终致力于构建面向人工智能时代的算力基础设施，为AI应用提供全栈式服务能力。

公司以自主研发的“元生代MetaGen”智算中心操作系统（AIDC-OS）为核心技术生态，深度融合多元异构算力底座与算力调度平台、AI模型训推平台、MaaS服务平台、AI数据生成平台、智能体开发平台等全栈自研产品矩阵，打造“算力中心+数据工厂+模型广场”三位一体的赋能体系，为各行业提供从底层算力支撑到AI应用落地的全栈式赋能，助力其智能化升级与创新发展。

中教全媒体：国家正大力推进教育数字化与AI转型。在您看来，高校在落实这一国家战略时，面临哪些核心痛点与挑战？

孙雄勇：自ChatGPT发布问世以来，全社会逐渐形成一个共识：人工智能技术已步入成熟阶段，并将在不远的将来深刻重构各行各业的工作模式与发展路径。高校作为落实国家战略的重要阵地，在积极响应教育数字化与AI转型的过程中，也面临着多方面的现实挑战。

当前，人工智能技术迭代迅速，各大厂商技术竞争激烈，新资源、新模型层出不穷。在这一背景下，高校在推进AI落地时主要面临以下几类挑战：

一是优质算力资源供给不足。不仅总量上存在缺口，更因技术更新周期不断缩短——几乎无法以年计，甚至按月迭代，导致现有算力设备极易落后，难以持续满足科研与教学的前沿需求。另外，校内算力资源也存在孤岛现象。过去几年中，不少实验室或科研团队自行采购算力设备，形成了分散的算力节点，缺乏统一管理。如何有效整合这些算力资源、实现高效利用，成为当前高校亟需解决的现实问题。

二是AI算力部署与运营的技术门槛较高。从硬件选型到平台搭建，再到后期运维，都需要较强的专业技术能力，这为不少高校带来了实施壁垒。

三是产教融合机制尚不完善。人工智能作为应用性极强的领域，需要紧密的产业协作来推动人才培养与技术创新，目前这方面的衔接仍有提升空间。

为应对上述挑战，高校亟需围绕以下几个目标构建教育与AI融合能力：

首先，建设统一、高效、可扩展的AI算力基础设施。通过系统化方案缓解优质算力匮乏与算力资源孤岛问题，提升整体资源利用效率。

其次，打造校级算力共享平台。实现对全校GPU等高性能算力资源的统一调度与共享，避免重复投入，最大化资源价值。

再次，降低AI使用门槛，推动技术普惠。让AI能力不仅服务于计算机或工科专业，还能赋能全校各学科师生，支持跨学科教学、课程融合、实习实训与科研创新，实现“开箱即用”的便捷体验。

最后，构建具备持续演进能力的AI算力基础设施。AI技术仍处于高速发展阶段，高校的算力基础设施必须具备良好的扩展性与适应性，以支撑未来技术升级、规模扩容与应用场景拓展，为科研创新与产教融合奠定长远基础。

构建“算力底座+平台+服务”三位一体赋能体系全面赋能教育智能化发展

中教全媒体：面对这些痛点和挑战，蓝耘科技能够为高校提供哪些技术产品和一体化解决方案？

孙雄勇：蓝耘科技作为专业的算力基础设施服务商，基于在教育行业的持续探索与积累，我们围绕高校在人工智能转型中的核心需求，构建了一套完整的解决方案，旨在全方位支撑高校AI人才培养与科研创新。

一、构建高性能算力底座，夯实AI基础设施

在算力基础设施层面，我们充分发挥自身在资源池化与智能调度方面的核心优势，协助高校高效构建校级智算中心。通过打造稳定、高效、可扩展的算力底座，我们能够充分满足高校在AI模型训练、推理以及上层应用开发的全方位算力需求。

二、打造四大核心平台产品，支撑AI全流程应用

在算力基础之上，我们自主研发并整合了四大关键平台产品，形成覆盖AI开发与应用全链条的技术支撑体系：

一是算力调度平台：蓝耘算力调度平台可协助高校整合自有分散算力资源，通过这一统一的平台，解决高校普遍面临的算力资源分散、调度困难和运维复杂三大核心难题，整合并高效利用学校内跨校区、多类型（通算、超算、智算）的异构算力资源，从而为教学、科研和管理提供统一的服务。

二是训推一体化平台：AI模型训推一体化平台是专业AI开发者和研究人员的核心工作台，提供从模型诞生到应用的完整生命周期管理环境。

三是MaaS平台：MaaS（模型即服务）平台是推动AI在全校范围内普及应用的关键加速器，通过标准化API接口提供服务，蓝耘MaaS平台包括了DeepSeek、QWen等在内的优秀开源模型，并可实现模型的定制化开发，满足不同专业师生使用AI的需求。

四是智能体开发平台：作为AI应用创新的核心基础设施，该平台集成了我们长期建设的MCP Server广场、千万级语义词典及数据合成工具链，大幅降低了智能体应用的开发门槛。

这四大平台共同构成了从算力获取、模型训练到应用开发的全流程解决方案。

三、深化产教融合，赋能AI人才培养与教学创新

我们认为，平台建设的最终目标是服务于教学与人才培养。因此，在技术平台之上，我们正积极推动以下工作：

一是AI通识课程体系建设：我们将蓝耘在算力基础设施建设与平台研发过程中积累的核心技术、实践案例与方法论，系统性地转化为人工智能通识课程，助力高校AI教学内容更新与质量提升。

二是师资培训与实训基地建设：我们为高校教师提供AI技术专项培训，校企共建真实环境，供师生进行实地演练，打造“企业级”的实训基地，强化实践教学环节。

三是校企合作开展AI应用创新竞赛：我们积极与高校联合组织各类AI创新大赛与黑客松活动（如已成功举办的MCP开发挑战赛），以赛促学、以赛促创，激发学生创新潜能，紧密对接产业前沿需求。

综上所述，蓝耘科技致力于通过“算力底座+平台支撑+内容与服务”的三位一体模式，为高校提供不仅限于技术设施，更涵盖课程、实训与竞赛的综合性解决方案，全面助力教育数字化与智能化转型。

中教全媒体：对于资金和运维人才都相对紧张的高职院校，自建智算中心是否“高不可攀”？蓝耘的方案在初始投入、运维成本和能耗控制上做了哪些优化，使其成为一所普通高职院校也能负担的“普惠型”选择？

孙雄勇：这确实是一个非常现实的问题。我们的解决方案正是为了将“普惠”落到实处，主要通过以下几种方式来优化初始投入、运维成本和能耗控制：

一、核心路径：采用“混合云”模式，大幅降低初始投资

对于一所普通高职院校，我们并不建议其一次性投入巨资自建大型算力中心。更优的解决方案是建设一个小规模、节点式的自有算力中心作为基础和核心。当遇到周期性、高强度的算力需求（如大规模模型训练或集中实训）时，学校可以无缝地通过混合云模式，按需、弹性地接入我们蓝耘平台的云端算力。这将学校的固定资产投入转变为灵活的运营支出，极大地减轻了初期的资金压力。

二、盘活存量：整合校内现有算力，形成“虚拟智算中心”

许多学校内部其实分散着不少算力资源。我们另一大优势是可以通过统一的算力调度平台，将各院系、实验室零散的GPU服务器和工作站整合起来，形成一个统一管理、按需分配的虚拟化资源池。这几乎无需新的硬件采购，就能立刻提升现有资产的利用效率，打破“算力孤岛”，这本身就是一种高效的节能降耗。

三、拓宽渠道：多元化资金来源与合作模式

在资金来源上，除了学校自有经费，我们强烈建议并可以协助学校积极申报国家及地方的“产教融合专项资金”、“教育现代化专项”、“实验室建设专项”等专项补贴。此外，蓝耘在合作中也非常灵活，可以考虑以部分设备或软件平台投入等方式，共同建设智算中心，进一步降低校方的现金支出压力。

中教全媒体：高校情况各异，在您看来，不同类型的高校应如何选择最适合自己的部署方案？

孙雄勇：总结来说，我们为不同类型的高校规划了清晰的部署路径：

第一，对于资金充足的高校而言，完全有能力自建智算中心。蓝耘科技可为此提供完整的端到端解决方案，覆盖从机房规划到系统落地的全流程。

蓝耘科技在机房建设中，采用先进的液冷技术，具备成熟的能效管理与部署经验。该技术方案在实际运行中稳定可靠，能够为高校自建智算中心提供扎实的技术支撑与建设范式。

第二，对于存在资金限制的学校，我们提供另一套高效整合方案。通过蓝耘科技现有的智能调度平台，学校能够在较短时间内，将分散于各实验室与科研团队的算力资源进行统一纳管与调度，从而在无需大规模硬件投入的情况下，构建一个虚拟化的校级计算中心。该方案旨在充分激活并利用学校现有的异构算力，实现资源集约化管理与弹性共享，显著提升算力利用效率，以较低成本满足校内多样化的科研与教学需求。

第三，面对普通高职院校，学校可直接接入蓝耘科技现有的云端GPU算力资源，通过VPN等安全连接方式，将云端算力以服务形式引入校内，供特定项目或团队专项使用。该模式本质上是一种云端算力租用方式，具备部署快速、投入成本低、弹性扩展性强等特点，能够有效降低学校的初始投资与运维压力。

中教全媒体：一位市场营销专业的老师，没有任何AI开发基础，他能否利用蓝耘MaaS平台，快速为自己的课程创建一个“市场趋势智能分析”的实训模块？这个过程大概需要多久？

孙雄勇：蓝耘的MaaS服务平台提供开箱即用的大模型服务，包括DeepSeek、通义千问等热门模型在内的多种大模型，基本都已集成在平台中，用户能够快速调用，实现便捷部署与应用。

此外，蓝耘还发布了自研的智能体开发平台。该平台覆盖了从创建、部署、管理到发布的完整智能体开发闭环流程。平台内置了面向多个垂直行业的工作流模板，并内置数千项MCP Server服务，为用户提供了坚实的技术基础。

值得强调的是，即使是不懂编码、没有开发背景的教师或学生，也能通过自然语言交互或拖拉拽的方式，轻松搭建自己的智能体应用。举例来说，如果一位教师希望构建一个课堂演示案例，借助平台提供的模板、开放的网页数据以及MaaS大模型能力，可能仅需一小时，就能完成从资料检索、内容提炼到生成完整课堂讲稿的演示（Demo）。

若教师希望进一步整合自有数据——例如已有的讲稿、Excel表格或统计数据，并生成特定版式或可视化结果，则需要先将数据导入平台进行向量化处理。即便如此，对于完全没有开发经验的使用者而言，整个过程也仅需半天即可完成。而如果希望进一步打磨课件、试讲或结合数字人技术，整体耗时也仅需一天左右。即使是初次构建数字人口播方案，一至两天也完全足够；待熟悉后，所需时间更可缩短至半天。

总体而言，蓝耘平台致力于通过低门槛、高效率的工具支持，让非技术用户也能快速实现智能化应用的构建与迭代。

中教全媒体：蓝耘科技在知识图谱建设方面取得了哪些成果？

孙雄勇：在知识图谱方面，蓝耘科技目前已构建了一个覆盖千万级术语的语义词典，这本身就可以视为知识图谱的重要组成部分。该词典不仅收录大量专业术语，还建立了丰富的语义关联与分类体系。例如，每个词条均关联《中图分类法》体系下的详细分类号，确保术语结构清晰、体系完整。

这一专业语义词典在数据融合与核证过程中发挥着关键作用。以“工业废水处理”为例，该领域涉及众多专业方法与术语，仅废水处理方法就多达数十种。我们的词典全面覆盖这些术语，能够在数据合成阶段有效保障内容的多样性与专业性，避免因术语缺失或语义偏差导致信息不完整或专业度下降。

目前，这一语义词典已成为我们数据体系中的核心组成部分，为知识图谱的进一步建设与应用提供了坚实基础。

中教全媒体：您提出的“平台四件套”是一个非常清晰的产品体系。这将如何支撑一名学生在校期间进阶式、全周期的学习成长？

孙雄勇：蓝耘在AI体系中所构建的这一系列平台，源于自身产品与业务发展的实际需求，是经过持续探索与实践的成果。这些平台——包括容器云平台、训推一体化平台、MaaS平台以及智能体开发平台，不仅为我们所用，也构成了一个支撑AI人才培养的完整体系。该体系能够很好地满足AI时代对人才全面能力的要求，支持学生在校期间实现进阶式、全周期的学习与成长。

具体来说，这一平台体系涵盖从基础技能学习、模型开发到实际应用的全流程：

容器云平台能够帮助学生掌握工程化技能，提供轻量级、标准化的环境隔离与资源部署能力。学生可在其中快速部署课程所需的软件框架与操作系统，无需关注底层复杂配置，从而初步建立开发运维思维与工程化实践能力。

AI训推平台支持学生开展深度学习相关的模型训练、推理与调优，具备分布式计算能力，可满足从基础实验到中大型科研项目的多样化算力需求。

MaaS平台让学生能够直接调用各类大模型，进行模型微调与二次开发。学生可重点学习如何利用现有大模型解决实际问题，包括提示词工程、模型微调等关键技术，增强对前沿技术的应用能力。

智能体开发平台则推动学习成果向实际应用落地。学生可将模型、MCP工具与数据资源进行集成，设计具备自主规划与工具调用能力的复杂AI应用——即“AI智能体”。

通过这样一套平台体系的实践训练，学生能够在工程化思维、模型研发、大模型应用与智能体构建等多个关键维度得到系统培养，为成长为符合AI时代需求的复合型人才奠定坚实基础。

聚焦垂直深耕、技术整合与生态共建重塑智能教育新范式

中教全媒体：市场上既有传统的IT集成商，也有云服务巨头。作为一家深耕教育的算力服务商，您认为蓝耘科技的核心优势是什么？

孙雄勇：蓝耘始终专注于发挥自身优势，深耕垂直领域，建立起差异化的竞争力。具体而言，我们的优势主要体现在以下几个方面：

第一，我们坚持在垂直行业中提供深度定制化服务。以MaaS平台为例，我们并非盲目部署所有开源模型，而是围绕特定行业和场景，精选部分模型进行深度打磨与优化。例如，我们重点聚焦如DeepSeek、千问、万相等图文生成与理解模型，致力于将推理性能提升至极致。同时，针对如“千问”这类在长文本处理方面具备潜力的模型，我们会结合具体场景需求进行定向调优，以进一步增强其在长文本任务中的表现力。在教育行业中，学术论文、学位论文等均属典型长文本场景，通用模型往往处理不佳。而我们通过场景化优化，使模型在该领域表现更为出色，从而有力支撑教育与学术类AI应用的落地。

第二，蓝耘在高性能计算领域拥有深厚的专业积累。作为公司的核心能力之一，我们在算力基础设施建设、资源调度、集群管理以及高并发支持等方面，具备扎实的技术底蕴与优化经验。我们能够为高校等客户提供针对GPU算力的深度优化服务，帮助用户充分发挥硬件性能。

第三，我们具备技术与资源的高效整合能力。蓝耘能够将底层的高性能计算基础设施与上层的云服务平台、训推平台等无缝衔接，构建起完整、协同的算力服务生态，为用户提供一体化的应用支撑。

最后，专业的运维服务同样是我们不可忽视的优势。在复杂的算力环境中，运维保障直接关系到计算环境的稳定性与专业性。我们能够为高校客户提供可靠的技术支持与运维服务，确保各类智能计算任务平稳、高效运行。

中教全媒体：面对AI技术的飞速迭代，您对教育智能化发展的未来前景有何预期？蓝耘科技又将为构建“AI原生教育生态”做出怎样的努力？

孙雄勇：在整个AI领域，我认为不久的将来，人工智能必将像水、电、煤一样，深度赋能包括教育在内的每一个行业。在这一进程中，蓝耘科技将致力于推动教育智能化的发展，重点聚焦在以下几个方向：

第一，我们将依托在GPU算力建设与资源管理中心所积累的技术与能力，持续优化打磨，助力教育机构构建高质量、高可用的算力基础设施。我们致力于为教育行业提供高并发、高性能的训练与推理算力支持，并针对教育场景特点，推出灵活按需的付费模式，从而降低高职院校及各类教育单位部署AI应用、开展科研创新的门槛。

第二，我们将整合算力调度平台、AI训推平台、MaaS平台以及智能体开发平台等产品体系，打造一套面向高校的综合解决方案，全面支持教育行业实现AI应用的快速落地与规模化部署。

第三，我们计划与高校共建人工智能与算力领域的产教融合中心，通过校企协同，加速AI技术在校园场景中的实际应用与成果转化。

第四，蓝耘将充分发挥自身在算力建设与技术实践方面的优势，与高校共同构建AI人才培养体系。通过将行业实战经验深度融合至教学环节，我们致力于让学生提前接触真实的AI研发环境。此举不仅为蓝耘储备了未来的核心人才，更为社会持续输送能无缝对接企业需求的高素质毕业生，实现校企之间的双向赋能。

结语

展望未来，人工智能与教育的深度融合将催生全新的教育范式与学习方式。作为教育智能化进程的坚定推动者，蓝耘科技将持续聚焦算力基础设施创新与教育场景深度融合，通过技术赋能、生态共建与人才培养的战略布局，助力构建更智能、更普惠、更开放的AI原生教育新生态，让前沿技术真正转化为提升教学质量、赋能人才培养、推动教育公平的坚实力量。