北京2026年2月25日 美通社 －－ 在从Agentic AI向Physical AI演进的新阶段，企业智能化转型面临的挑战，不再是单点技术的应用，而是AI能力能否持续增长、持续复用、持续创造业务价值，且成本和风险可控。
软通动力 AI Factory 打造的AI 飞轮增长模型，以数据、模型、智能体、场景为核心支点，通过各环节的正向循环与相互赋能，形成全链路、体系化的能力闭环，让AI能力在企业内部持续沉淀、迭代、放大，最终产生从“工具应用” 到 “组织原生” 的质变，真正让智能成为企业的核心生产要素。
1、为什么企业AI需要“飞轮模型”？
如果说单点AI应用，解决的是企业运行的效率问题；那么体系化AI能力，则解决的是企业业务的增长问题。当AI开始深度参与决策、流程与执行环节，AI能力需要能够像生产系统一样被持续生产、持续复用，智能化投入才会真正转化为长期业务回报。
软通动力的AI Factory解决方案正是一套把“AI能力规模化生产”的企业级运营体系，其核心功能包括智能决策支持、自动化流程执行和数字化映射与仿真优化，通过构建智能体矩阵，将硅基员工、具身员工和企业员工嵌入全价值链条，实现业务和管理的智能化升级。
软通动力AI Factory的AI飞轮则由数据、模型、智能体、场景四大核心环节构成，形成数据驱动模型训练、模型支撑智能体运行、智能体重构业务场景、场景持续生成数据资产的全流程闭环，各环节的成果都能反哺其他环节，推动企业整体AI能力持续增强。飞轮转动的速度，则随各环节的深度融合持续加快，企业的 AI 能力与业务价值也随之指数级增长。
AI飞轮一旦转动起来，边际成本会快速下降，创新速度会持续提升，业务价值会加倍放大。由此，AI不再只是工具，而成为企业业务的增长引擎。
第一重飞轮：数据筑基，让企业知识成为可复用的智能资产
数据是 AI 飞轮转动的核心燃料。
软通动力 AI Factory 打造的硅基员工知识大脑，打破企业内部数据孤岛，整合 ERPMES 系统业务数据、IoT 设备质检数据、文档 OA 制度数据等全维度私有数据，通过AI数据平台完成专业的知识治理，将碎片化数据转化为具有业务逻辑和价值的标准化 token，构建企业、部门、员工三级联动的知识库体系。
这些经过治理的高质量数据，会持续为 AI 模型训练、智能体开发提供精准的业务支撑。同时，模型在场景中的应用又会产生新的业务数据，反向丰富知识库，让数据资产在循环中持续增值，为飞轮转动筑牢数据根基。
第二重飞轮：算力托底，为 AI 飞轮提供稳定的动力输出
算力是 AI 飞轮转动的基础动力。
软通动力 AI Factory 搭建了On－Prem 私有智算中心 ＋ On－Cloud 私有算力专区的混合算力架构本地私有智算中心保障核心业务，云侧弹性算力支持训练与高峰负载，边缘算力适配现场与实时场景。这一多元算力载体，依托软通华方 OEM 硬件打造，包括GPU server、AIDC 数据中心集群版、Edge 端侧一体机版等，并通过天元智算调度平台实现算力的弹性调度、按需扩容与智能分配，确保高并发场景下的稳定输出。
稳定的算力支撑让数据处理、模型训练、智能体运行、场景落地全流程高效推进。而随着飞轮转动，企业 AI 应用场景不断丰富，算力的调度效率与适配能力也会持续优化，算力的规模化应用也会降低单位计算成本，让飞轮转动的“动力成本”持续下降。
第三重飞轮：平台赋能，让 AI 能力成为企业的通用生产力
平台是 AI 飞轮的传动核心，更是连接数据、算力与场景的关键枢纽。
软通动力 AI Factory 深度整合软通天璇 MaaS 平台的模型服务体系，以及AIDE（AI 数据治理）、ASDM（AI 时代软件研发流水线）体系，搭配自研AutoAgent 智能体开发平台、IssMeta 数字孪生研发仿真平台，构建起全栈式、多能力协同的 AI 软件技术栈，形成从数据治理、模型服务、研发提效到智能体开发、虚拟仿真的全链路技术赋能体系，让数据与算力的能力高效转化为各场景可落地的智能工具。
- ASDM 体系：
作为 AI 时代的软件研发核心方法论，从 “为人构建系统” 转向 “为 AI 构建系统”，覆盖需求与设计、架构与规划、编码和测试、QA 与安全、DevOps 与持续交付全研发流程。通过构建场景化认知能力、闭环执行能力和自我迭代能力，搭配专属AI Coding工具体系，为不同研发角色提供针对性 AI 化场景支撑，实现 “AI 主导、人工辅助” 的研发模式，最大化 AI 在研发价值流中的提效作用。 - AIDE（AI 数据治理）平台：
聚焦 AI 全生命周期的数据治理与服务管理，覆盖数据采集、清洗、标注、质量评估、合规审计等核心环节，通过自动化工具与流程化管控，确保数据的高质量、高可用与高安全，为模型训练和智能体开发提供可靠的数据底座。 - AutoAgent 智能体开发平台：
支持知识库链接、工具调用、工作流编排，让企业可快速开发适配自身业务的智能体，且通过任务节点解耦部署，完美适配高并发、分布式业务场景。 - IssMeta 数字孪生研发仿真平台：
融合多源数据采集、三维场景构建、物理规则仿真、虚实联动控制等核心能力，覆盖设备 产线 园区的数字建模、实时数据映射、仿真推演、故障模拟、优化决策全流程，通过标准化仿真组件、可视化编辑工具与自动化场景适配，实现物理实体与数字模型的精准映射、动态同步和闭环优化，为工业制造、能源电力等场景提供沉浸式仿真验证、前瞻性决策支撑，筑牢物理世界智能化升级的虚拟试验与运营底座。
平台各产品体系深度协同、能力互补，形成数据治理解源、模型平台筑基、研发方法提效、智能体开发落地、数字孪生仿真验证的完整能力闭环，在场景应用中积累的开发经验、模型模板、智能体组件、仿真场景方案和研发最佳实践，并持续丰富平台能力矩阵，全方位降低 AI 技术落地的技术门槛，推动飞轮加速转动。
第四重飞轮：场景落地，让 AI 价值反哺飞轮全环节
场景落地是 AI 飞轮转动的最终目标，也是检验 AI 价值、反哺飞轮的关键环节。
软通动力 AI Factory 以业务价值为导向，将飞轮前序环节的能力转化为适配各行业的智能解决方案，打造了Agentic AI 自主智能体、Physical AI 具身智能体、Science AI 科学智能体三大体系，覆盖制造、金融、医药、能源等全行业的核心业务场景。
- 在行业AI应用领域，软通动力睿动智能体云平台，提供了一站式的智能体构建与运维服务。其Agent Infra具备智能Runtime、记忆系统、Token治理与可观测等性能，为企业级AI构建起稳定可靠的智能体运行底座。
- 在具身智能领域，软通天擎、软通天枢具身机器人实现物理世界的自主执行，完成工业巡检、设备维保、焊接作业等复杂任务，推动 Physical AI 从虚拟走向现实。
- 在科学智能领域，谷硅动力Scientific AI赋能生命科学、物理仿真、材料研发等领域的创新研发，通过高性能计算与 AI 算法融合，加速技术突破与成果转化。
随着场景落地带来的降本提效和创新增收，企业得以持续加大对 AI 的投入，进一步完善数据治理、升级算力架构、丰富平台能力。AI应用场景中产生的新需求、新数据，又会推动数据、算力、平台的持续迭代，让 AI 飞轮进入“价值创造 － 能力升级 － 更多价值创造”的正向循环。
2、AI从“工具应用”到“原生组织”的重构
企业AI转型，正在从“技术部署期”进入“能力运营期”。拉开企业AI应用差距的，不只是谁先用上模型，更重要的是谁先建立起可持续进化的AI能力体系。
当数据持续增值、算力持续优化、平台持续复用、场景持续扩展，企业的AI能力就会像飞轮一样进入自加速状态。企业的智能化转型也不再是“一次性投入”，而是持续增值的能力建设，实现企业增长模式的升级。
软通动力 AI Factory 的 AI 飞轮，并非四个环节的简单叠加，而是深度融合、动态迭代的有机整体。在飞轮的转动过程中，企业的 AI 能力会从 “单点试用” 逐步升级为 “体系化运营”，组织形态也会随之完成从传统模式到 AI 原生组织的重构AI 从被动的效率工具变为主动的执行主体，组织架构从部门分割变为价值流导向，决策模式从经验判断变为全域知识智能，价值创造从线性增长变为指数效能。
目前，软通动力 AI Factory解决方案已经在制造、零售、金融、医药健康、能源和汽车等行业广泛落地实施。同时，软通动力通过加强生态合作，携手NVIDIA、矩阵起源等伙伴，共同为企业提供规模化、可复制的智能化转型路径。
依托这一飞轮模型，软通动力正在以全链条的 AI 服务能力，助力企业让智能融入组织基因，在 AI 时代的竞争中占据核心优势，实现长期、可持续的增长。