Vom GPU-Verkauf zum Token-Verkauf: Fenghe Intelligence gestaltet die Ertragslogik von AI-Infra mittels einer neunschichtigen Architektur neu.

Mit dem anhaltenden Anstieg des Bedarfs an Training und Inferenz großer Modelle beschleunigt sich der weltweite Aufbau der Infrastruktur für künstliche Intelligenz. Von China über den Nahen Osten, Nordamerika bis Südostasien werden zahlreiche GPU-Ressourcen in Rechenzentren bereitgestellt, Billionen von Kapital strömen in den Aufbau der KI-Infrastruktur, und die Branche für intelligentes Rechnen entwickelt sich allmählich von der frühen Phase des Infrastrukturaufbaus zu einer Betriebsphase, in der Effizienz, Stabilität und wirtschaftliche Rendite stärker im Vordergrund stehen.

In diesem Veränderungsprozess steht das traditionelle „Bare-Metal-Mietmodell“, das nach GPU-Stunden, Knoten oder Racks abrechnet, vor neuen Herausforderungen. Für intelligente Rechenzentren sind die Kernindikatoren zur Messung ihrer Betriebsfähigkeit nicht mehr nur die Anzahl der vorhandenen GPUs, sondern: Wie viele Tokens pro Zeiteinheit stabil erzeugt werden können, wie hoch die Gesamtkosten pro Million Tokens sind und welchen tatsächlichen Wert jede GPU erzielen kann.

Auf Basis dieses Branchentrends hat Fenghe Intelligent Technology (Shanghai) Co., Ltd. das Konzept des „Token-Effizienz-Betriebsmodells“ vorgeschlagen. Durch neun Schichten des Technologie-Stacks in der KI-Infrastruktur, die Methodik des leanen intelligenten Rechnens und die autorisierte Prüfungsbestätigung der China Academy of Information and Communications Technology wird die Transformation intelligenter Rechenzentren von „niedrigprofitabler Bare-Metal-Vermietung“ zu „hochwertigen Token-Fabriken“ vorangetrieben.

Von der Bereitstellung von Bare-Metal-Geräten für Rechenleistung hin zum effizienten Token-Produktionsbetrieb

Seit der Inbetriebnahme im Wissenschaftspark Zhangjiang in Shanghai im Jahr 2021 konzentriert sich Fenghe Intelligence auf Sicherheits- und Effizienzlösungen für KI-Infrastruktur. Die Kernteammitglieder verfügen über 20 Jahre Berufserfahrung bei internationalen IT-Herstellern und haben langjährige Erfahrung in der technischen Umsetzung, Kanalaufbau und Bereitstellung großer Projekte gesammelt.

„GPUs sind die Produktionsgeräte in der Infrastruktur der künstlichen Intelligenz, und Tokens sind die digitalen Produkte, die diese Geräte letztendlich erzeugen. Was Kunden wirklich benötigen, sind nicht die GPU-Geräte selbst, sondern die Ergebnisse des Modelltrainings, die Fähigkeit zur Inferenzdienstleistung sowie die stabile und nachhaltige Token-Produktion.“ Aufgrund dieser Feststellung hat Fenghe Intelligence im Jahr 2023 den Baustandard für „leanes intelligentes Rechnen“ vorgeschlagen. Ziel ist es, durch technische Maßnahmen wie Ressourcenplanung, Optimierung der Laufzeitumgebung, Modellbereitstellung, Inferenzbeschleunigung und automatisierte Betriebsverwaltung Probleme wie Leerlauf von GPUs, Warteschlangen, Speicherfragmentierung und ineffizienten Betrieb zu reduzieren, um die effektive Produktionskapazität intelligenter Rechenzentren zu verbessern.

„Was intelligente Rechenzentren in Zukunft lösen müssen, ist nicht nur das Problem des Ressourcenaufbaus, sondern auch das Problem des Produktionskapazitätsbetriebs. Für Kunden sind es die Trainingsergebnisse und die Inferenzfähigkeit; für intelligente Rechenzentren sind es die von GPUs letztendlich erzeugten Tokens, die echten wirtschaftlichen Wert schaffen.“ —— KI-Ingenieurzentrum von Fenghe Intelligence

Kernmethodik: Aufbau des Betriebssystems aus TEF, TFI und TFOM

Um die Standardisierung der Betriebsindikatoren intelligenter Rechenzentren voranzutreiben, hat Fenghe Intelligence die Methodik für den Betrieb von Token-Fabriken entwickelt, die aus TEF, TFI und TFOM besteht, und integriert technische Leistung, Dienstleistungsqualität und finanzielle Rendite in ein einheitliches Bewertungssystem.

Dabei misst TEF, der Token-Effizienzfaktor, hauptsächlich den Anteil der effektiven Zeit, die die GPU tatsächlich für die Token-Produktion verwendet, an der gesamten Betriebszeit. Nach den praktischen Projekterfahrungen des Unternehmens beträgt der Anteil der effektiven Token-Produktion bei den meisten intelligenten Rechenzentren nur 20 % bis 35 % der theoretischen Produktionskapazität, und eine große Menge an Rechenleistung wird in Bereichen wie Aufgabenwartezeit, Planungslücken, Speicherfragmentierung und ineffizienter Stapelverarbeitung verbraucht. Durch leanes Planen und Optimierung der gesamten Kette verfolgt das Unternehmen das Betriebsziel, den TEF von 30 % auf über 65 % zu steigern.

TFI, der Token-Fabrik-Index, führt auf Basis von TEF zusätzlich die Dienstverfügbarkeit und die Token-Verkaufsrate ein und misst den kommerziellen Gesamtgrad der Produktionskapazität intelligenter Rechenzentren durch die Formel „TEF × Dienstverfügbarkeit × Kapazitätsverkaufsrate“.

TFOM, das Token-Fabrik-Betriebsmodell, ordnet technische Indikatoren wie TPS (Token pro Sekunde), Latenz (erster Token / einzelner Token), TEF (Token-Effizienzfaktor), GPU-Auslastung und TCO (Gesamtbetriebskosten) mit finanziellen Indikatoren wie Umsatz, Kundenerfahrung, Bruttomarge, Vermögensumschlag und Kapitalrendite zu, um Investoren, Betreibern intelligenter Rechenzentren und Unternehmensmanagern die intuitive Bewertung der Betriebsqualität von Projekten zu erleichtern.

Am Beispiel eines Clusters aus 1000 B200-GPUs ergibt sich nach den Berechnungen des Unternehmens: Wenn der TEF von 30 % auf 65 % gesteigert wird, entspricht der Zuwachs der effektiven Produktionskapazität der Hinzufügung von etwa 1167 weiteren GPUs – ohne Beschaffung, ohne Lieferwartezeit, ohne zusätzlichen Bau von Rechenzentrumsräumen, sodass Kapitalausgaben in Höhe von mehreren hundert Millionen Yuan direkt eingespart werden.

Technische Schutzmauer: Neun Schichten des selbst entwickelten Full-Stack-Architektur durchbrechen die technische Kette intelligenter Rechenzentren

Auf technischer Ebene deckt das Produkt für leanes intelligentes Rechnen von Fenghe Intelligence neun Schichten des Technologie-Stacks im gesamten Lebenszyklus der KI-Infrastruktur ab.

Diese Architektur beginnt auf der physischen Infrastrukturebene und deckt nacheinander die Hardware-Treiber-Ebene, die System-Laufzeitebene, die Ressourcenplanungsebene, die Speicher- und Datenebene, die Trainingsframework-Ebene, die Modellverwaltungsebene, die Inferenzdienstebene und die Anwendungsdienstebene ab, sodass eine vollständige technische Kette von Kühlung im Rechenzentrum, Stromversorgungsverwaltung und GPU-Treiberanpassung bis hin zu Modellbereitstellung, Inferenz-Engine, API-Gateway und Bereitstellung von multimodalen Planungsdiensten entsteht.

Im Unterschied zu technischen Lösungen, die sich ausschließlich auf Ressourcenverwaltung, Modelltraining oder Inferenzdienste konzentrieren, betont die neunschichtige Architektur die kooperative Interaktion zwischen allen Ebenen. Die Planung auf der oberen Ebene kann den Status der unterliegenden Hardware erfassen, Fehler auf der unteren Ebene werden automatisch von der oberen Ebene behoben, die KV-Cache-Strategie der Inferenzebene interagiert mit der Datenvorabruf-Funktion der Speicherebene, die Gradientenaggregation des Trainingsframeworks ist mit der NCCL-Optimierung der Kommunikationsebene verbunden, sodass die gesamte Kette keine Unterbrechungen aufweist.

Gleichzeitig bildet Fenghe Intelligence durch die Ti-X-Planungs-Engine, das ADS-automatische Bereitstellungssystem, die KV-Cache-Optimierungs-Engine und die Fähigkeit zur automatisierten Betriebsverwaltung der gesamten Kette ein vollständiges Dienstsystem von der Planung, Bereitstellung und Optimierung bis zum fortlaufenden Betrieb intelligenter Rechenzentren aus, und verfügt über die technische Fähigkeit, einen einzelnen Cluster mit mehr als 10000 GPUs zu verwalten.

Autorisierte Bestätigung: AISHPerf-Prüfung des CAICT validiert die Dienstfähigkeit des Systems

Im Mai 2026 unterzog sich Fenghe Intelligence den entsprechenden Prüfungen des Taier-Labors der China Academy of Information and Communications Technology. Die Prüfungen wurden auf der Plattform für Leistungsprüfung von KI-Systemen AISHPerf durchgeführt und deckten mehrere Dimensionen ab, darunter die Überprüfung der Hardware- und Softwarekonfiguration, die Funktionalität des Software-Frameworks, die Dienstfähigkeit des Clients, die Funktionalität des Überwachungs-Dashboards und die Inferenzleistung großer Modelle.

Bei der Prüfung der Inferenzleistung großer Modelle wurde die Kombination aus der Inferenzarchitektur Fenghe Tiansui X500G2Ti-X und dem Hochleistungsspeicher S300G2 verwendet, um Szenarien mit extrem langem Kontext zu validieren. Die Messergebnisse zeigen, dass die Latenz des ersten Tokens und die End-to-End-Latenz um mehr als 80 % maximal reduziert werden, und der Durchsatz der Token-Ausgabe um 96 % bis 140 % gesteigert wird.

Nach den Betriebsdaten des Unternehmens in tatsächlichen Kundenprojekten steigt der Durchsatz des zugehörigen Inferenzsystems nach der Optimierung durch die neunschichtige Architektur um mehr als 200 %, die Latenz des ersten Tokens wird um etwa 80 % reduziert. In Szenarien für Training und Clusterbetrieb wird die gesamte Ressourcenauslastung um über 30 % gesteigert, die Ausfallrate der Hardware um 50 % reduziert und die Kosten für manuelle Betriebsverwaltung um 70 % verringert.

Diese Prüfungs- und Projektdaten liefern quantifizierte Referenzen für den fortlaufenden Betrieb, die Ressourcenplanung, das Modelltraining und die hochparallelen Inferenzdienste großer intelligenter Rechenzentren und unterstützen das Unternehmen bei der Beteiligung am Aufbau von intelligenten Rechenprojekten großer Unternehmen, Behörden und staatlicher Unternehmen.

Aufbau eines Dienstsystems für den inländischen und ausländischen Markt

Fenghe Intelligence bietet hauptsächlich Eigentümern großer intelligenter Rechenzentren Dienste im gesamten Lebenszyklus an, einschließlich der TCO-Berechnung in der frühen Phase, Architekturplanung und Geräteauswahl, der Bereitstellung des neunschichtigen Technologie-Stacks, Clusterabstimmung und Leistungsoptimierung in der mittleren Phase sowie der SLA-Gewährleistung, Effizienzüberwachung und fortlaufenden Betriebsoptimierung in der späten Phase.

Im Mai 2026 hat das Unternehmen den internationalen Geschäftsexport und das Dienstzentrum für den asiatisch-pazifischen Raum im nationalen Wissenschaftspark Yazhouwan in Sanya, Hainan, in Betrieb genommen. Es ist geplant, die Fähigkeit des leanen intelligenten Rechnens auf Märkte mit schnell wachsendem Bedarf an KI-Infrastruktur wie Südostasien, Naher Osten und Nordamerika auszuweiten. Gleichzeitig hat Fenghe Intelligence mit Unigroup Intelligent Computing eine strategische Kooperation für ausländische AIDC-Projekte unterzeichnet. Beide Seiten werden ihre globalen Kanalressourcen, Fähigkeiten zum Aufbau intelligenter Recheninfrastruktur und Full-Stack-Betriebstechniken kombinieren, um gemeinsam den ausländischen Markt für KI-Rechenzentren zu erschließen.

Mit dem Übergang der KI-Infrastrukturbranche vom umfangreichen Aufbau zur feinen Betriebsphase verlagert sich der Wettbewerbsschwerpunkt intelligenter Rechenzentren von der Anzahl der GPUs auf die tatsächliche Produktionskapazität pro Einheit der Rechenleistung. Wie man die Token-Produktion steigert, die Kosten pro Token senkt, die Dienststabilität gewährleistet und eine nachhaltige wirtschaftliche Rendite erzielt, wird zu einem wichtigen Thema der Branche in der nächsten Phase.

Fenghe Intelligence gibt an, dass es in Zukunft die technische Erschließung des neunschichtigen Technologie-Stacks und das Effizienzmodell für den Betrieb von Token-Fabriken weiter verbessern wird, um die nahtlose Integration von technischen Indikatoren und Betriebsindikatoren voranzutreiben, sodass jede GPU das maximale Token-Produktionspotenzial freisetzt und intelligente Rechenzentren sich von Ressourcenzentren für Rechenleistung zu nachhaltig betriebenen digitalen Token-Produktionsplattformen weiterentwickeln.