产品
AI 已经能用。要进入核心业务，还差三种确定性。
客户购买的不是 GPU 组网，也不是 API，而是把 AI 接入核心业务的确定性——每一种确定性都有可复核的交付证据。
01
数据与执行边界
处理、检索、日志与工具调用，都发生在企业选定的控制域内。
交付证据 · 数据流图 · 权限矩阵 · 出站审计
02
领域知识资产
原始知识与衍生资产（回答、专家纠正、评测集、适配器）形成闭环，始终只按企业授权使用。
交付证据 · 知识闭环 · 保留规则 · 使用条款
03
稳定服务质量
高峰期关键业务及时响应；升级与故障按计划处置。
交付证据 · SLO 报告 · 容量表 · 恢复演练
平台
一个平台：控制点始终在企业边界内。
开放接口连接现有系统；知识、模型与服务质量由同一治理层管理。外部 API 是可选且需审批的出口，而不是本地服务故障时默认启用的降级路径。
客户选定的部署与数据控制域
业务入口
- 代码与研发助手
- 知识问答 / 内部流程
- 企业应用 / Agent
治理与接入
- 身份 / 权限 / 配额
- 路由 / 审批 / 审计
- 兼容 OpenAI 与 Anthropic 的 API
知识与执行
- 权限感知的本地 RAG
- 受控工具 / 密钥隔离
- 评测集 / 版本管理
推理与资源
- 开放权重模型服务
- 可横向扩展的 GPU 资源池
- RoCE / 缓存 / 可观测
贯穿全链路：数据分级 · 出站策略 · 安全日志 · 模型回归 · 服务目标 · 成本计量
即插即用 API
改一个 API 地址，从云端切到私有部署。
同一网关同时提供 OpenAI 与 Anthropic 两种格式的接口。模型名、提示词、工具定义与会话逻辑都不用改；身份与配额由网关按人、按部门下发。
OPENAI_BASE_URL = https://ai.corp.internal/v1 OPENAI_API_KEY = <企业网关签发的密钥> ANTHROPIC_BASE_URL = 同一网关
- 编码 Agent: Claude Code · Codex CLI · Cursor · Cline · OpenCode
- Agent / 工作流框架: Dify · n8n · LangChain · LlamaIndex · OpenAI Agents SDK
- 企业应用: IM 机器人 · 知识问答 · 内部系统集成 · RAG 服务
数据边界
三级数据控制：私有执行给企业最大的控制边界。
第 1 级
不用于训练
约束数据用途。反馈、工具与合同范围仍需逐项核查。
第 2 级
零数据留存
约束数据保留。“不留存”不等于“不在外部处理”。
第 3 级
私有执行
推理、知识检索与日志位于客户选定的控制域，客户同时承担相应的运营责任。
买得到的算力 · 可重编译的以太网
三种产品形态：从桌边试点到可扩展服务池。
标准 PCIe GPU 与以太网，买得到、布得成。同一平台、同一治理层、同一验收口径——每种形态都包含交换机与版本化的 RoCE 网络 profile。
形态 A · 紧凑型
4 / 8 × DGX Spark
内存
512 / 1,024 GB 统一内存
网络
CX204Q-2D16Y
- 4 × 400G
- 2 × 200G
- 16 × 25G
适用
1–8 路交互
研发小组、部门知识库、隔离网试点。
扩展
- 4 台
- 8 台
形态 B · 企业服务集群
4 / 8 / 16 × RTX PRO 5000 72GB
内存
288 / 576 / 1,152 GB 显存
网络
CX732Q-N
- 32 × 400G
适用
16–128 路并发
部门到事业部级的 RAG、Agent 与代码助手。
扩展
- 4 卡 · 1 节点
- 8 卡 · 2 节点
- 16 卡 · 4 节点
形态 C · 可扩展服务池
8 / 16 / 32 × MetaX C550 64GB
内存
512 / 1,024 / 2,048 GB 显存
网络
CX864E-N
- 64 × 800G RoCEv2
适用
64–256 路并发
国产算力要求、高并发长文档、多部门共享。
扩展
- 8 卡 · 1 节点
- 16 卡 · 2 节点
- 32 卡 · 4 节点
可重编译的以太网 · 模型定义网络
版本化的工作负载与网络 profile。
从工作负载与 QoS / SLO 要求出发，生成整张网络的版本化配置，下发到交换机、网卡、NCCL 与 vLLM 参数，再完成部署。模型变化时，网络随之重新编译。
- 1
描述工作负载
- 模型架构：层数、专家数、KV 大小
- 并行方式：TP / EP / DP
- P:D 比例、上下文长度、并发
- GPU 与网卡清单
- 2
编译网络
- 按推理阶段生成流量矩阵
- 缓冲区规划与 PFC headroom
- ECN / DCQCN 阈值
- 优先级、队列与 ECMP 规划
- 3
交付版本化 profile
- 交换机与网卡配置产物，以及 NCCL 与 vLLM 参数
- 自动化验证测试套件
- 供客户签认的 SLO 报告
- 模型变化时重新编译
AsterFlow 是本方案使用的 profile 工作流：负责配置、验证与变更控制。
测试数据
在以太网上实测。
以下为我们自测的关键结果，每项均附主要测试条件。
形态 C · MetaX C550
10,046 tok/s
2 节点 · 1P1D · DeepSeek V4.0 Flash
- 单节点
- 5,300 tok/s
形态 B · RTX PRO 5000
1,142 tok/s
4 卡 · C16 路 · Qwen3.8-Flash-Next
- GLM 5.3 Flash
- 808 tok/s
可签认的 tok/s
在你的负载上签认的性能，而不是规格书上的数字。
模型评测
3 个模型 平均分 / 100
- Claude Opus 5.595.5
- Qwen3.8-Flash-Next（xhigh）94.7
- GLM 5.3 Flash（high）93.7
6 道按运行结果评分的系统编程题；各模型取最佳推理档位。
Artificial Analysis 智能指数
- Claude Opus 5.5 (max)58
- GLM-5.3-Flash42
- Qwen3.8-Flash-Next40
- DeepSeek V4.1 Flash (max)39
来源：Artificial Analysis Intelligence Index v4.3.2，2026-09-25 快照；max 为最高推理设定。
单位经济性
≤1.2×*
每百万输出 token 成本，相当于 DeepSeek API 峰谷均价（约 75% 利用率）
合成负载；结果随模型、负载与配置变化。完整测试报告可在签署 NDA 后提供。 * 情景估算；详情可应要求提供。
交付
从一个高价值流程开始，交付可运营的服务。
Solution as a Generated Service（解决方案即生成式服务）不是一次性演示，而是持续评估与迭代的交付方式。客户负责业务、数据与安全授权；Ardelva 与交付伙伴负责集成、适配与验收证据。
01
定义业务
确定数据边界、任务集、业务质量与服务目标。
→ 业务与验收基线
02
两节点验证
完成模型适配、真实负载测试、安全与成本复核。
→ PoC 证据包
03
上线交付
接入身份、数据与工具；部署监控、回滚与运维流程。
→ 可运营的服务
04
运行与扩展
复核质量、用量与成本；达成条件后扩至 4 / 8 节点。
→ 容量与优化计划