在從Agentic AI向Physical AI演進的新階段，企業智能化轉型面臨的挑戰，不再是單點技術的應用，而是——AI能力能否持續增長、持續復用、持續創造業務價值，且成本和風險可控。

軟通動力 AI Factory 打造的AI 飛輪增長模型，以數據、模型、智能體、場景為核心支點，通過各環節的正向循環與相互賦能，形成全鏈路、體系化的能力閉環，讓AI能力在企業內部持續沉淀、迭代、放大，最終產生從“工具應用” 到 “組織原生”的質變，真正讓智能成為企業的核心生產要素。

1為什么企業AI需要“飛輪模型”？

如果說單點AI應用，解決的是企業運行的效率問題；那么體系化AI能力，則解決的是企業業務的增長問題。當AI開始深度參與決策、流程與執行環節，AI能力需要能夠像生產系統一樣被持續生產、持續復用，智能化投入才會真正轉化為長期業務回報。

軟通動力的AI Factory解決方案正是一套把“AI能力規模化生產”的企業級運營體系，其核心功能包括智能決策支持、自動化流程執行和數字化映射與仿真優化，通過構建智能體矩陣，將硅基員工、具身員工和企業員工嵌入全價值鏈條，實現業務和管理的智能化升級。

軟通動力AI Factory的AI飛輪則由數據、模型、智能體、場景四大核心環節構成，形成數據驅動模型訓練、模型支撐智能體運行、智能體重構業務場景、場景持續生成數據資產的全流程閉環，各環節的成果都能反哺其他環節，推動企業整體AI能力持續增強。飛輪轉動的速度，則隨各環節的深度融合持續加快，企業的 AI 能力與業務價值也隨之指數級增長。

AI飛輪一旦轉動起來，邊際成本會快速下降，創新速度會持續提升，業務價值會加倍放大。由此，AI不再只是工具，而成為企業業務的增長引擎。

第一重飛輪：數據筑基，讓企業知識成為可復用的智能資產

數據是 AI 飛輪轉動的核心燃料。

軟通動力 AI Factory 打造的硅基員工知識大腦，打破企業內部數據孤島，整合 ERP/MES 系統業務數據、IoT 設備質檢數據、文檔 OA 制度數據等全維度私有數據，通過AI數據平臺完成專業的知識治理，將碎片化數據轉化為具有業務邏輯和價值的標準化 token，構建企業、部門、員工三級聯動的知識庫體系。

這些經過治理的高質量數據，會持續為 AI 模型訓練、智能體開發提供精準的業務支撐。同時，模型在場景中的應用又會產生新的業務數據，反向豐富知識庫，讓數據資產在循環中持續增值，為飛輪轉動筑牢數據根基。

第二重飛輪：算力托底，為 AI 飛輪提供穩定的動力輸出

算力是 AI 飛輪轉動的基礎動力。

軟通動力 AI Factory 搭建了On-Prem 私有智算中心 + On-Cloud 私有算力專區的混合算力架構——本地私有智算中心保障核心業務，云側彈性算力支持訓練與高峰負載，邊緣算力適配現場與實時場景。這一多元算力載體，依托軟通華方 OEM 硬件打造，包括GPU server、AIDC 數據中心集群版、Edge 端側一體機版等，并通過天元智算調度平臺實現算力的彈性調度、按需擴容與智能分配，確保高并發場景下的穩定輸出。

穩定的算力支撐讓數據處理、模型訓練、智能體運行、場景落地全流程高效推進。而隨著飛輪轉動，企業 AI 應用場景不斷豐富，算力的調度效率與適配能力也會持續優化，算力的規模化應用也會降低單位計算成本，讓飛輪轉動的“動力成本”持續下降。

第三重飛輪：平臺賦能，讓 AI 能力成為企業的通用生產力

平臺是 AI 飛輪的傳動核心，更是連接數據、算力與場景的關鍵樞紐。

軟通動力 AI Factory 深度整合軟通天璇 MaaS 平臺的模型服務體系，以及AIDE（AI 數據治理）、ASDM（AI 時代軟件研發流水線）體系，搭配自研AutoAgent 智能體開發平臺、IssMeta 數字孿生研發仿真平臺，構建起全棧式、多能力協同的 AI 軟件技術棧，形成從數據治理、模型服務、研發提效到智能體開發、虛擬仿真的全鏈路技術賦能體系，讓數據與算力的能力高效轉化為各場景可落地的智能工具。

ASDM 體系：

作為 AI 時代的軟件研發核心方法論，從 “為人構建系統” 轉向 “為 AI 構建系統”，覆蓋需求與設計、架構與規劃、編碼和測試、QA 與安全、DevOps 與持續交付全研發流程。通過構建場景化認知能力、閉環執行能力和自我迭代能力，搭配專屬AI Coding工具體系，為不同研發角色提供針對性 AI 化場景支撐，實現 “AI 主導、人工輔助” 的研發模式，最大化 AI 在研發價值流中的提效作用。

AIDE（AI 數據治理）平臺：

聚焦 AI 全生命周期的數據治理與服務管理，覆蓋數據采集、清洗、標注、質量評估、合規審計等核心環節，通過自動化工具與流程化管控，確保數據的高質量、高可用與高安全，為模型訓練和智能體開發提供可靠的數據底座。

AutoAgent 智能體開發平臺：

支持知識庫鏈接、工具調用、工作流編排，讓企業可快速開發適配自身業務的智能體，且通過任務節點解耦部署，完美適配高并發、分布式業務場景。

IssMeta 數字孿生研發仿真平臺：

融合多源數據采集、三維場景構建、物理規則仿真、虛實聯動控制等核心能力，覆蓋設備 / 產線 / 園區的數字建模、實時數據映射、仿真推演、故障模擬、優化決策全流程，通過標準化仿真組件、可視化編輯工具與自動化場景適配，實現物理實體與數字模型的精準映射、動態同步和閉環優化，為工業制造、能源電力等場景提供沉浸式仿真驗證、前瞻性決策支撐，筑牢物理世界智能化升級的虛擬試驗與運營底座。

平臺各產品體系深度協同、能力互補，形成數據治理解源、模型平臺筑基、研發方法提效、智能體開發落地、數字孿生仿真驗證的完整能力閉環，在場景應用中積累的開發經驗、模型模板、智能體組件、仿真場景方案和研發最佳實踐，并持續豐富平臺能力矩陣，全方位降低 AI 技術落地的技術門檻，推動飛輪加速轉動。

第四重飛輪：場景落地，讓 AI 價值反哺飛輪全環節

場景落地是 AI 飛輪轉動的最終目標，也是檢驗 AI 價值、反哺飛輪的關鍵環節。

軟通動力 AI Factory 以業務價值為導向，將飛輪前序環節的能力轉化為適配各行業的智能解決方案，打造了Agentic AI 自主智能體、Physical AI 具身智能體、Science AI 科學智能體三大體系，覆蓋制造、金融、醫藥、能源等全行業的核心業務場景。

在行業AI應用領域，軟通動力睿動智能體云平臺，提供了一站式的智能體構建與運維服務。其Agent Infra具備智能Runtime、記憶系統、Token治理與可觀測等性能，為企業級AI構建起穩定可靠的智能體運行底座。

在具身智能領域，軟通天擎、軟通天樞具身機器人實現物理世界的自主執行，完成工業巡檢、設備維保、焊接作業等復雜任務，推動 Physical AI 從虛擬走向現實。

在科學智能領域，谷硅動力Scientific AI賦能生命科學、物理仿真、材料研發等領域的創新研發，通過高性能計算與 AI 算法融合，加速技術突破與成果轉化。

隨著場景落地帶來的降本提效和創新增收，企業得以持續加大對 AI 的投入，進一步完善數據治理、升級算力架構、豐富平臺能力。AI應用場景中產生的新需求、新數據，又會推動數據、算力、平臺的持續迭代，讓 AI 飛輪進入“價值創造 - 能力升級 - 更多價值創造”的正向循環。

2AI從“工具應用”到“原生組織”的重構

企業AI轉型，正在從“技術部署期”進入“能力運營期”。拉開企業AI應用差距的，不只是誰先用上模型，更重要的是誰先建立起可持續進化的AI能力體系。

當數據持續增值、算力持續優化、平臺持續復用、場景持續擴展，企業的AI能力就會像飛輪一樣進入自加速狀態。企業的智能化轉型也不再是“一次性投入”，而是持續增值的能力建設，實現企業增長模式的升級。

軟通動力 AI Factory 的 AI 飛輪，并非四個環節的簡單疊加，而是深度融合、動態迭代的有機整體。在飛輪的轉動過程中，企業的 AI 能力會從 “單點試用” 逐步升級為 “體系化運營”，組織形態也會隨之完成從傳統模式到 AI 原生組織的重構——AI 從被動的效率工具變為主動的執行主體，組織架構從部門分割變為價值流導向，決策模式從經驗判斷變為全域知識智能，價值創造從線性增長變為指數效能。

目前，軟通動力 AI Factory解決方案已經在制造、零售、金融、醫藥健康、能源和汽車等行業廣泛落地實施。同時，軟通動力通過加強生態合作，攜手NVIDIA、矩陣起源等伙伴，共同為企業提供規模化、可復制的智能化轉型路徑。 依托這一飛輪模型，軟通動力正在以全鏈條的 AI 服務能力，助力企業讓智能融入組織基因，在 AI 時代的競爭中占據核心優勢，實現長期、可持續的增長。