GPU 利用率提升 1.3 倍:ZStack AIOS 帮助企业高效盘活异构算力
企业的 GPU 数量增加了,业务等待算力的情况却没有明显减少。 这正在成为不少 AI 基础设施项目的真实处境。早期采购的 NVIDIA GPU 仍在使用,国产 GPU 陆续进入数据中心,同一品牌内部又有不同代际和型号。 真正值得企业关注的问题是:在继续采购 GPU 之前,现有资源是否已经被充分组织起来,并能按业务需要及时供给?

老系统也能接 Agent:ZStack Zentrix 帮助企业盘活存量业务能力
AI 应用的价值还没释放,系统改造的成本已经摆在眼前。 用了 10 年的系统,是否必须因此退出舞台?对于仍有业务价值、具备可用接口的系统,企业可以从现有基础继续向前。

推倒重建是死路:运营商云底座的 AI 化,只有平滑演进这一条路
虚拟化存量仍在持续承载核心业务,政企云对资源交付与服务质量提出更高要求;与此同时,AI 带来了 GPU、模型、知识库和推理服务等新需求。运营商不只是要建设更多算力,更要思考:这些算力如何被统一调度、标准交付、持续运营,并最终成为面向内外部客户的服务能力。 云底座重构的核心,正在从“替换一个平台”走向“构建一套可经营的算力体系”。

开发者在用“打折Claude”,IT 部门知道吗?AI 网关把模型接入管起来
如果开发者把这个客户端装在公司电脑上,发给模型的代码会经过哪些服务?这台电脑上还存着哪些可能被窃取的凭据?这些情况,IT 部门能查清楚吗?

AI 上场后,写文档的人开始造系统
AI 正在改写文档工作的边界。它改变了内容的生产方式,也改变了知识被使用的方式:文档既要服务阅读和操作的人,也开始成为 AI 与系统理解产品、提供服务的知识来源。 文档行业的转型由此从写作延伸到系统设计。如何深入企业业务场景组织和复用知识,如何让信息出现在用户需要的环节,如何持续维护内容的准确性,成为越来越重要的专业课题。信息架构、内容模型和用户体验,正与写作能力一起,塑造文档团队的新角色。

ZStack AIOS 完成昇腾 910C 全链路适配!国产高端算力生态再升级
大模型应用加速落地,企业对算力的需求在性能、规模和供给方式上不断分化,AI 基础设施也逐步走向多元算力并行。不同芯片能否快速接入统一平台,并沿用既有的模型部署和运维体系,正在成为企业评估 AI 基础设施持续演进能力的重要因素。

医疗信创落地:VMware 替代中的业务连续性与 AI 发展的双重挑战
医院信息科今年有两道必答题:一是 VMware 替代必须保住业务连续性,HIS、PACS 这些 7×24 小时系统一刻不能停;二是 AI 辅助诊疗要落地,GPU 算力、模型调度、数据安全得有平台承接。三家医院的真实路径给出同一个答案:用同一个云底座分期解题——先保替换平稳,再纳管 AI 算力。

从传统业务到 AI 承载:国产化平台选型要注意的四个新标准
AI 的加速落地,正在扩展国产化平台的能力边界。企业需要管理 GPU、NPU 等异构算力,需要同时运行算法开发、模型复现、训练微调和在线推理,还要把模型转化为能够被业务系统调用的服务。资源形态从 CPU 扩展到异构加速器,运行环境从云主机扩展到容器,交付对象也从计算实例延伸到模型与 API。传统评估体系已经无法完整衡量一套国产化平台在 AI 时代的长期价值。

虚拟化观察 第 001 期:VMware Explore 2026 开幕,Proxmox VE 8 正式 EOL
《虚拟化瞭望》001 期:ZSvirt 开源 IaaS 引擎并推出创作者激励活动;VMware Explore 大会开幕、Proxmox VE8 停止支持。vCenter 高危漏洞遭多国攻击,vphone-cli 引发社区热议,同时收录多版发布与行业财报动态。

内存/硬盘一年涨了 3 倍多,一体机“脱保”的账该重新算了
如果你的核心业务一体机明天宕机,维修要花多少钱? 两年前,这个问题的答案大概是"一笔不算便宜、但还能接受的维修费"。 现在,答案变了。因为一体机里最容易坏的那几样东西——内存、SSD、硬盘——正在经历一轮罕见的价格上行周期。坏不起,更等不起。


当 Agent 开始访问核心业务,安全边界怎么守?Zentrix 把拦截放在调用之前
如今,AI 正加速进入企业业务,但相应的安全管控并未同步跟上。敏感信息外泄、越权访问、提示词攻击和工具误调用等风险,正成为企业必须面对的现实安全挑战。加强 AI 安全治理必须提上日程,而安全管控必须发生在具体调用之前。

巡检报告全绿,磁盘就没有风险吗?
巡检报告全绿,并不代表磁盘没有风险。很多运维人员默认"盘没报警 = 盘没事",但磁盘故障很少是突然发生的——它是一个渐进过程:坏道从几个 sector 开始蔓延,重试次数逐渐增多,SSD 寿命逐步下降。等巡检能"看到"的时候,往往已经是故障了。

企业 AI 成本怎么管?ZStack Zentrix 三步理清 Token 账
前段时间,某游戏公司技术负责人在一次公开演讲中透露,团队曾为一个项目搭建几十个 Agent 协同运行,一夜产生约 200 万元的 Token 费用。这个数字远超常规 AI 消耗预期,不少行业人士推测,背后可能存在 Agent 循环调用、异常重试或缺少配额门槛等问题,让成本在无人察觉时持续暴涨。 AI 成本控制,正成为 AI Native 企业必须补齐的能力。

国产虚拟化替代如何稳落地?这五道关必须逐一验证
一年前,很多企业还在讨论“要不要把虚拟化换成国产”;而到了今天,问题已经从”要不要“变成了“换成哪一家才不会把熟悉的生产环境,换成一套新的不确定性”。

Agent 分散难管理?三步让 AI 能力成为可复用、可运营的企业资产
当前,越来越多企业已经走过早期试点阶段。模型和 AI 应用进入更多业务场景,Agent 也开始通过 MCP、Tool 和 Skill 连接企业数据与业务系统,AI 能力的数量、调用规模和业务依赖程度随之上升。 企业 AI 正在从试点验证走向规模化使用。

AI 使用愈发分散与失控,企业如何重新拿回掌控权?
一家企业接入第一个大模型时,一个地址、一把 API Key,通常就能完成调用。此时,企业关注的主要问题是模型能不能用、接口能不能接通。但当 AI 从局部试验进入生产环境,企业需要管理的很快变成四类 AI 能力:不同团队使用的模型、负责规划和执行的 Agent、连接企业系统的 MCP 工具,以及安装在 Agent 上的 Skill。原来简单的“应用调用模型”,也随之扩展为两条同时运行的链路:业务应用

ZStack Zentrix :企业 AI 从分散接入走向统一管理与治理
过去企业接入 AI,事情相对简单。业务系统调用一个模型,配置好接口和 API Key,能访问、能统计、出了问题能查日志,基本就能跑起来。但随着 Agent、MCP 工具和 Skill 开始进入企业,AI 的调用链正在迅速变长。一次用户请求,可能先进入 Agent,由 Agent 调用模型完成判断,再调用 MCP 工具读取数据、修改工单或执行某项操作;过程中还可能加载多个 Skill,并继续调用其他

Windows云主机死机怎么查?先保现场,再定位五类根因
Windows 云主机死机是近期频繁出现的问题。与蓝屏不同,死机时系统不自动重启也不留 dump,现场信息容易丢失。本文覆盖死机时的取证方法、五种常见根因和对应的处理方案。01 / TRIAGE先区分:死机、蓝屏、反复重启三种现象对应不同的原因和处理路径:状态特征典型原因死机(hang)运行中突然无响应,控制台卡住,ping 不通IO 阻塞、CPU 打满、驱动死锁蓝屏(BSOD)屏幕变蓝显示错误代

我们为什么要开源 ZSvirt
昨天,我们正式开源了企业级虚拟化平台 ZSvirt。GPL 3.0 协议,完整源代码和安装镜像全部公开。和从零孵化一个开源项目不同,ZSvirt 不是实验室作品。它源自我们自己的商业虚拟化平台 ZSphere,这套引擎已经在金融、医疗、教育、制造、交通等行业一千多个生产环境里跑了多年。把这样一套经过真实业务检验的核心能力完整开放,我们首先要回答的不是“能不能开”,而是“为什么现在开”。01 / T
