一句话看懂：IDC 发布《中国 AI 算力管理平台技术能力评估，2026》，范式在算力资源管理、算力运维、技术架构、交付服务四个维度均获满分，综合评分位列第一。这说明当 AI 应用转向规模化落地，异构算力怎么”管好、调度好、算清账”正成为企业选型的关键指标。
事件核心：发生了什么
2026 年 9 月 21 日，IDC 发布上述评估报告，对中国市场多家主流 AI 算力管理平台提供商进行技术能力评估，覆盖算力资源管理、算力服务管理、算力运维、技术架构、业务场景支撑及交付服务六大维度。范式在其中四个维度拿到满分，且能力值大幅领先业界基准线。
从公开信息看，范式的平台以不绑定芯片厂商的统一管理软件为核心，目前已适配昇腾、海光 DCU、寒武纪、天数智芯、沐曦、摩尔线程、昆仑芯、燧原、平头哥、壁仞等十余家厂商的计算卡，支持主流模型在不同品牌芯片上做训练和推理。具体能力包括：零侵入多芯虚拟化，可将单卡切分给多个任务，PyTorch、TensorFlow、vLLM、SGLang 等框架无需改代码即可运行；三轨资源池（独占、共享、超分）配合任务优先级、硬件拓扑、实时负载做统一调度；AI 网关统一管理模型路由、API 调用与审计，并以”卡时＋Token”双轨计量成本；面向 Agent 场景把异构算力封装为可调用服务，支持弹性扩缩容与 Token 配额、超限熔断。报告还提到，某政策性银行用其三轨资源池架构实现两地三中心算力统一纳管。
为什么重要
IDC 的观点是，AI 基础设施正从”云+AI”走向”云原生+Agent 协同”，算力管理平台也从单纯的算力纳管，演化为覆盖池化、切分、调度、运维的综合能力。这背后是一个现实问题：智能体应用高频调用、负载波动大，如果底层算力被单一芯片或单一调度方式锁死，成本和稳定性都难以控制。范式此次评估领先，一定程度上说明”跨芯片统一管理+精细化计量”这条路线正在被市场验证。
对用户/开发者/创作者的影响
对开发者而言，零侵入虚拟化和多框架兼容意味着迁移成本降低——已有的 PyTorch、vLLM 推理服务不必重写就能跑在多种国产卡上。对企业和团队采购者，双轨计量把成本拆成”卡时”和”Token”两个口径，更容易判断钱花在资源占用还是模型调用上，做预算和限流时更有依据。对做 Agent 应用的创作者，标准化算力服务和智能路由能缓解高频调用下的扩容与费用失控问题。需要注意的是，以上能力目前公开信息多来自厂商与 IDC 报告，实际体验仍取决于具体部署环境。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是这类平台在真实大规模集群中的稳定性与调度效率，是否有第三方或客户侧数据佐证；二是计费方式（卡时＋Token）会不会成为行业通用口径，竞品是否跟进；三是随着智能体调用量上升，Token 配额、熔断等成本控制机制是否足够细粒度，以及国产芯片适配名单和性能表现能否持续扩展。
来源：InfoQ CN
