相关上市企业：深信服（300454）、迪普科技（300768）、信安世纪（688201）、中创软件 （688695）、阿里巴巴（09988）、腾讯控股（00700） 内容概况：当前，中国负载均衡器行业正经历技术快速迭代与国产化加速替代并行的关键发展期。在数 字化转型全面深入、云计算成为主流基础设施、5G与边缘计算场景需求集中爆发的多重因素驱动下， 行业市场规模持续扩容，2024年，中国负载均衡器行业市场规模约为186.5亿元，同比增长6.88%。这一 增速不仅反映出市场对流量调度与业务高可用解决方案的刚性需求，更标志着国内厂商凭借在软件定义 与云原生架构方面的创新，国产化替代进程已从政策引导阶段迈入规模化应用与份额提升的新阶段。 相关企业：龙芯中科技术股份有限公司、海光信息技术股份有限公司、长鑫存储科技股份有限公司、深 圳欧陆通电子股份有限公司、麦格米特电气股份有限公司、深圳市飞荣达科技股份有限公司、深圳市科 达利实业股份有限公司、北京东方通科技股份有限公司、宝兰德软件股份有限公司、奇安信科技集团股 份有限公司、恒生电子股份有限公司、金证科技股份有限公司 关键词：负载均衡器、负载均衡器市场规模、负载均衡器行业 ...

山东中创软件商用中间件股份有限公司 关于变更募集资金投资项目的公告 本公司董事会及全体董事保证本公告内容不存在任何虚假记载、误导性陈述或者重大遗漏，并对其内容 的真实性、准确性和完整性承担法律责任。 重要内容提示： ● 山东中创软件商用中间件股份有限公司（以下简称"中创股份""公司"）于2025年12月15日召开第七届 董事会第十三次会议，审议通过了《关于变更募集资金投资项目的议案》，同意对公司首次公开发行股 票募集资金项目总投资规模、募集资金投资项目实施方式、实施地点、投资结构及建设周期等情况进行 调整。保荐人开源证券股份有限公司和国联民生证券承销保荐有限公司对本事项出具了无异议的核查意 见。 ● 本次募集资金投资项目变更尚需提交公司股东会审议。 一、募集资金基本情况 根据中国证券监督管理委员会于2023年5月11日出具的《关于同意山东中创软件商用中间件股份有限公 司首次公开发行股票注册的批复》（证监许可（2023）1066号），山东中创软件商用中间件股份有限公 司获准向社会公开发行人民币普通股（A股）2,126.2845万股，每股发行价格为人民币22.43元，募集资 金总额为47,692.56万元；扣除各 ...

文章核心观点 - 大语言模型推理服务正成为企业级应用核心基础设施，其生产级落地的关键在于平衡性能、稳定性与成本 [2] - 为应对模型规模扩张带来的显存压力，LLM推理架构正从单体模式向分布式演进，主流路径包括Prefill-Decode分离、Attention-FFN分离以及KVCache外置 [2] - 在长上下文、高并发、RAG、AI Agent等场景中，KVCache外置已成为保障低延迟、高吞吐与成本效益的必选项 [2] - 通过结合RoleBasedGroup（RBG）编排引擎与Mooncake分布式KVCache存储引擎，可以系统化构建生产级稳定高性能的PD分离推理服务，解决分布式部署复杂性与有状态缓存服务平滑升级等行业难题 [4][5][43] LLM推理架构演进与挑战 - 演进根本动因是模型规模扩张导致的显存压力：在长上下文或高并发场景下，KVCache显存占用常超过70% [2] - 将KVCache解耦外置能突破存储容量瓶颈，并实现跨请求缓存共享、弹性伸缩与故障隔离等关键能力 [2] - 当前生产环境面临五大根本性挑战：快速架构迭代、性能敏感、组件强依赖、运维效率低、资源潮汐显著与利用率不足 [12][15] - 线上流量峰谷差常超过10倍，但静态配置的推理服务GPU平均利用率长期低于30% [15] Mooncake分布式KVCache存储引擎 - Mooncake是业界主流的分布式KVCache存储引擎，为SGLang等推理框架提供高吞吐、低延迟的KVCache分布式服务 [3] - 它是SGLang HiCache（层级缓存）的高性能分布式L3存储后端，通过RDMA实现跨机KVCache共享，突破单机GPU/CPU缓存容量瓶颈 [7] - 核心组件包括：管理集群存储池、元数据与节点生命周期的Master Service，以及提供分布式缓存存储、支持多副本与负载均衡的Store Service [9] RoleBasedGroup（RBG）编排引擎 - RBG是面向大模型推理的Kubernetes原生API，通过多角色协同编排，将Mooncake缓存与SGLang推理节点视为同一服务的不同角色进行统一管理 [4] - 其核心设计理念是将一次推理服务视为拓扑化、有状态、可协同的“角色有机体”，以“角色”作为调度编排的原子单元 [13][14] - RBG提出面向生产环境的SCOPE核心能力框架：稳定（Stable）、协同（Coordination）、可编排（Orchestration）、高性能（Performance）、可演进（Extensible） [14][16][17] RBG的SCOPE核心能力解析 - **稳定**：通过为每个Pod注入全局唯一RoleID，并遵循“最小替换域”原则，确保运维操作在原有硬件拓扑范围内完成，避免拓扑漂移导致的性能抖动 [19] - **协同**：内置声明式协同引擎，精确定义角色间在部署、升级、故障、伸缩时的依赖关系与联动策略 [19][22] - **可编排**：显式定义角色依赖与启动顺序，并提供拓扑自感知的内建服务发现，将完整拓扑信息注入Pod环境，降低集成复杂度 [20] - **高性能**：引入拓扑感知的装箱策略，支持GPU拓扑优先级、角色亲和与反亲和约束、布局均衡性等多维度性能优化 [21][23] - **可演进**：通过声明式API与插件化机制，将角色关系定义与部署管理解耦，可快速适配社区演进的新架构，显著缩短新架构投产周期 [24] 基于RBG部署PD分离架构与Mooncake的实践 - 通过RBG可部署高可用、弹性的SGLang PD分离推理系统，核心角色包括：SGLang Router、Prefill Serving Backend、Decode Serving Backend、Mooncake Master/Store [29][31] - EngineRuntime作为RBG注入的Sidecar，成为推理引擎与上层编排系统的桥梁，提供动态LoRA加载、流量控制等关键运行时能力 [29] - 多轮对话场景Benchmark测试表明，多级缓存架构对性能提升至关重要 [31] 性能提升数据 - **Baseline（仅GPU显存）**：缓存命中率2.22%，平均TTFT 5.91秒，P90 TTFT 12.16秒，InputToken吞吐量6576.85 token/s [32][48] - **启用L2 DRAM HiCache**：命中率提升至40.62%，平均TTFT降至3.77秒（下降36.2%），P90 TTFT降至10.88秒，InputToken吞吐量提升至10054.21 token/s（提升52.89%） [32][48] - **启用L3 Mooncake缓存**：命中率进一步跃升，平均TTFT降至2.58秒（下降56.3%），P90 TTFT大幅改善至6.97秒（下降42.7%），InputToken吞吐量提升至15022.80 token/s（提升49.41%） [32][48] 平滑升级与运维稳定性 - Mooncake作为有状态缓存服务，在传统Kubernetes滚动升级中缓存丢失会导致P99延迟毛刺与系统吞吐量断崖式下跌 [36][40] - 解决方案结合了Mooncake缓存本地持久化功能与RBG的原地升级能力，使得在联合升级过程中KVCache状态得以延续，活跃会话无需回退到Prefill阶段 [36][40] - 原地升级实现了“升级无感、服务不抖”的生产级目标，将有状态缓存服务的平滑演进转化为标准化、可自动化的运维能力 [38][43] 总结与行业意义 - RBG重新定义了LLM推理服务的编排范式，通过多角色协同与拓扑感知调度解决了分布式部署复杂性，并攻克了有状态缓存服务平滑升级的难题 [43][44] - Mooncake作为L3缓存层，通过分布式内存池与RDMA加速，使缓存命中率跃升，显著降低了延迟并提升了吞吐，同时将GPU平均利用率从不足30%提升至可持续弹性伸缩的水平 [44] - 从GPU HBM → DRAM → Mooncake的三级缓存体系被证明是有效的，尤其在多轮对话、RAG、AI Agent等场景中，缓存复用带来的边际成本递减效应将愈发显著 [44] - RBG与Mooncake的协同实践表明，只有将高性能系统设计与云原生运维能力深度融合，才能让大模型推理真正从“能用”走向“好用”，从“实验室”走向“生产级” [43]

行业网络安全活动概况 - 上海市通信管理局等多部门联合召开“铸网2025”暨“磐石行动”2025年网络安全实战攻防活动总结大会，通报演练成果并对表现突出单位予以表彰[1] - “磐石行动”网络安全实战攻防活动已成功举办5年，本届首次采用“百舸争流+密盒挑战”全新赛制，并围绕AI安全、防勒索、防钓鱼三大关键领域开设专项赛道[3] - 本届活动汇聚了来自全国58支顶尖攻击队伍和187支防守队伍，参加人员近4000人[3] 公司表现与荣誉 - 平安壹钱包在为期10天的实战攻防活动中防守表现优异，荣获“卓越应急”企业奖和“优秀个人”称号[1] - 凭借自研的互联网威胁捕获系统，公司在实战防守演练中成功溯源攻击者真实身份，高效处置攻击事件，展现了卓越的应急能力[3] - 公司高分斩获仅5家企业有能力角逐的“卓越应急奖”[3] 公司业务定位 - 平安壹钱包是平安集团旗下综合服务平台，协同平安旗下成员公司为客户提供覆盖金融支付、积分权益、公务消费、商城购物、员工福利等多元领域的数字服务[5] - 公司业务旨在赋能合作伙伴客户经营提升[5] 公司信息安全战略与投入 - 高质量的信息安全防御已成为平安的数字竞争力之一，旨在构建完善的信息安全管理架构、保障数亿平安客户金融服务安全，并提升对合作企业的数字化赋能[6] - 公司持续加强科技投入，构建“管理＋技术＋全员自驱”三维一体的全流程闭环管理体系，从服务效率、资金安全以及客户体验等多维度深度护航业务发展[6] - 在管理上，公司成立信息安全委员会，自上而下推动改革[6] - 在技术上，公司积极探索AI、零信任、云原生等前沿领域，并投入技术人才培养[6] - 在全员自驱上，公司创建了全年培训学习、考核提升课程，并通过高水平的对抗持续锤炼安全防护能力，为行业安全生态共建贡献力量[6]

文章核心观点 腾讯音乐分享了其通过AIOps（智能运维）提升运维质量、效率和降低成本的实践经验，核心在于将AI技术系统性地融入运维的感知、决策和执行环节，以解决告警泛滥、根因定位困难等传统运维挑战，并展望了智能问答、自动化执行和算法升级等未来演进方向 [1][3][35] AIOps实践背景与整体框架 - 公司业务由全民K歌、QQ音乐、酷狗、酷我等多款应用构成，背后有庞大的开发与基础技术团队支持 [2] - 对AI的探索基于质量、效率和成本三要素，旨在找到能产生实际价值的落地场景，避免无意义扩张 [3] - 实践从感知、决策和执行三个层面推进，并系统梳理了以DevOps、SRE和云原生为基础的整体业务架构 [3][6][7] 感知层：优化告警与监控体系 - 过去运维人员每人每月需处理约3000个电话告警，相当于每天超过100个，处于持续“救火”状态 [11] - 通过引入3-Sigma算法，结合同比、环比指标生成相对基准值，并依据波动幅度和深度来智能判定告警，大幅提升了监控有效性 [14][15] - 告警优化效果显著，将用户月度接收到的告警电话数从3000余次减少至200余次 [15] 决策层：智能根因分析与故障定位 - 初期基于大模型构建分析工作流，整合问题分析、插件调用、知识库检索与信息补充，最终生成问答建议与问题定位 [20] - 利用Dify平台简化工作流，灵活选用主流模型，并构建了运维机器人以快速解决问题 [20] - 结合Trace、Metric、Log三要素及业务上报的主被调关系，构建关系网络，实现链路全景分析与上下游影响可视化 [21][22] - AI能对告警自动打标分类，例如业务逻辑错误约占40%，IP聚集问题约占20%，为制定针对性处理策略提供依据 [25] 执行层：自愈与标准化治理 - 对于已明确分类的问题（如容器化场景下的异常），系统可采取自动剔除异常路由、销毁并重建容器等自愈措施，实现快速恢复 [25] - 专家库建设是关键挑战，目前约40%告警为业务逻辑错误，约16%为未知原因，核心在于生产环境服务数量庞大（仅QQ音乐生产服务就超过一万个）且标准化治理不足 [27] - 推进业务体系标准化建设（如返回码规范）和故障复盘报告的标准化，是AI持续学习和有效辅助分析的基础 [27][28] 数据体系与个性化运维 - 构建了完整的数据银行体系，涵盖数据上报、Flink处理、源数据入库到结合OLAP数据库生成结果，并将基础数据与自定义数据统一采集 [30] - 数据与AIOps体系中的监控告警打通，形成整体根因分析能力，例如能定位到海外特定城市运营商的接入问题 [30] - 针对各业务线的定制化告警（如JOOX平台、会员收入告警），通过波动幅度算法和AI进行智能分析，并与基础指标关联，形成数据治理闭环 [28][30][31] AIOps未来演进方向 - **智能问答**：将“人找人”协作模式转变为“人找AI，AI找人”，提升衔接效率 [35] - **自动化执行**：基于AI分析的明确结论驱动SDK自动化操作，通过提供明确结果和充足数据来抑制幻觉问题，确保输出针对性结论 [35] - **算法升级**：计划将当前波动幅度算法与业务特性（如节假日、演唱会直播导致的流量峰值）结合，通过3-SIGMA与特征提取算法提升告警准确性 [35] - **战略融合**：采用“一体两翼”战略，以云原生和智能分析为基础，打造更先进、更智能的AIOps体系 [35]

业务与技术布局 - 公司提供氟化液和合成油两种单向浸没式液冷解决方案，客户可根据设备、散热及成本需求选择 [2] - 公司深耕CDN业务20多年，拥有2,800多个CDN节点，并正将其升级为具备存储、计算、传输、安全功能的边缘计算节点 [2] - 边缘计算是重点研发投入方向，公司已搭建边缘计算平台ECP并推出多款产品，未来将探索其与云原生、安全、人工智能等技术的融合 [2] - 公司推进CDN、安全等全线产品出海，服务直播、电商、游戏等行业客户，并沿“一带一路”拓展，为此在迪拜设立了子公司 [3] - 公司在AI方向主要布局边缘计算平台，推出了以“资源-模型-服务-应用”四层能力矩阵为核心的边缘AI平台及相关产品 [3] 研发与财务 - 2024年公司研发投入为4.47亿元人民币，占营业收入的9.07% [3] - 未来研发投入将继续聚焦CDN及边缘计算、安全两大核心主业，加大重点领域技术研发 [3] 公司治理 - 2025年5月高管减持计划基于个人资金需求发布预披露，但后续减持计划未实施 [3]

公司信息 * 公司为Datadog (NasdaqGS:DDOG)，一家提供可观测性平台的公司 [1] 核心观点与论据 核心业务表现强劲 * 排除AI原生客户后，核心业务加速增长，净留存率表现更强 [3][4] * 增长源于销售团队扩张、新客户增加以及现有客户规模扩大 [3] * 中小企业(SMB)业务出现反弹，同时企业级业务保持强劲 [4] * 购买环境更具建设性，不再过度关注成本优化，早期市场面临的不利因素已减弱 [4] 长期增长动力 * 软件现代化和云迁移是长期顺风，Gartner等机构数据显示仅有20%或30%的工作负载在云上，大型企业、地区和政府的现代化进程将持续很长时间 [7] * 基础设施和基础软件公司因软件栈现代化趋势而加倍投入 [5][6] * 截至10月，公司已看到良好的投资周期，并对未来持乐观态度 [7] 产品套件与平台采用 * 核心三大支柱（指标、追踪、日志）以及数字体验监控(DEM)均表现出相对平行的强势增长 [8] * 数字体验监控业务收入已超过3亿美元 [8] * 安全产品线（如Cloud SIEM）、产品分析和服务管理（on-call）等产品贡献虽小但持续增长 [8] * 客户正从单点解决方案转向在Datadog平台上进行整合 [8] AI原生客户成为重要增长点 * AI原生客户群体贡献了总收入的12%，且广度远超单一客户 [9] * 拥有超过500家AI原生客户，其中超过100家年支出超过10万美元，超过15家年支出超过100万美元 [14] * 产品与市场契合度高，因为AI原生公司本质上是云原生公司，其整个产品通过云数字化交付，非常适合Datadog的平台架构 [10][11][12] * 平台易于使用和实施，随着客户工作负载增加，收入也随之增长 [13][14] * AI原生客户的使用模式与公司其他客户群相似，主要使用指标、追踪、日志和数字体验监控，部分使用安全和服务管理 [15] 大客户续约与竞争格局 * 大客户的毛留存率非常高，达到98%以上，大型客户离开Datadog是边缘情况 [22] * 成功续约并扩大了与某大客户的合同，证明了客户选择与Datadog合作的决定 [24] * 在大型企业中，基于用例可能存在多个可观测性平台共存的情况 [25][26] * 针对竞争对手Chronosphere被收购，公司认为其只是大型指标存储方案，并非完整的可观测性平台，且Datadog的年度经常性收入(ARR)相当于这些公司生命周期总ARR的1到6个月 [27][28] * 对于开源替代方案（如ClickHouse），Datadog拥有庞大且不断增长的可观测性日志业务，并通过平台细分成功应对 [29] 定价策略与客户价值 * 基于使用量定价，单价随用量增加而下降，但由于有小客户不断加入，加权平均价格并未大幅变化 [30] * 提供使用量透明度和服务，帮助客户优化产品使用 [30] * 提供积分或承诺消费模式，客户可以在不同产品间灵活分配使用量 [30] * 通过整合单点解决方案、提供迁移积分等方式帮助客户节省开支 [31] * 扩展平台价值，使客户因功能增加而愿意支付更多费用 [31] 未来增长产品线 * Cloud SIEM：开始在大型企业中扩展或取代其用于云工作负载的SIEM，与日志业务有很强协同效应 [32] * 服务管理：Bits SRE产品已正式发布(GA)，定价为每20个事件500美元 [32][33] * 产品分析（通过收购Epo）和数据监控（通过收购Metaplane）是未来潜在的重要增长领域 [33] 利润率展望 * 长期利润率目标为25%左右，目前略高于该水平 [34][35] * 计划在保持利润率区间的同时，进行投资以维持尽可能高的长期增长率并实现收入复合增长 [35] * 投资决策基于分析，例如产品收入是否达到5000万美元或更多，研发资源配置，以及市场拓展是否能维持强劲的客户获取成本回报和销售达成率 [35] AI与公司战略 * 公司正在与AI提供商进行广泛集成，并传递相关数据信息 [36] * 赢家将是那些能在自身产品中最大化利用AI的公司，而非提供单点解决方案的新公司 [36] * 将通过在AI领域提供的指标来衡量市场份额增长、竞争优势以及通过新增SKU和工作负载实现货币化的能力 [37] 其他重要内容 * 合同结构：云原生和AI原生客户通常基于容量规划签订年度承诺合同，随着业务增长，他们会承诺更长周期和更高用量以获得更好价格，这与大型客户的情况类似 [16][17] * 企业客户可能因更具可预测性和控制力而签订三年期合同 [17] * AI模型提供商：Datadog主要监控模型的生产和交付环境，而非模型训练环节，因此模型训练计算集群的扩张对Datadog的拉动作用较小 [18][19][20]

公司与华为云合作关系 - 华讯网络是华为云的高级合作伙伴 [1] - 华讯网络专注于云原生及AI容器解决方案 [1] 技术能力与平台 - 华讯网络基于华为云Stack（HCS）等环境具备企业级AI容器云平台的快速交付能力 [1] - 公司提供从算力资源整合、容器化应用部署到智能运维管理的全流程服务 [1] 服务价值与客户赋能 - 公司服务助力客户构建高效、弹性的AI应用运行环境 [1] - 公司为客户AI应用提供全面的容器技术支撑与解决方案 [1]

公司与华为云的合作关系 - 公司旗下华讯网络是华为云的高级别合作伙伴 [1] - 华讯网络专注于云原生及AI容器解决方案 [1] 华讯网络的技术能力与业务 - 华讯网络基于华为云Stack（HCS）等环境，具备企业级AI容器云平台的快速交付能力 [1] - 华讯网络提供从算力资源整合、容器化应用部署到智能运维管理的全流程服务 [1] - 华讯网络助力客户构建高效、弹性的AI应用运行环境，为其AI应用提供全面的容器技术支撑与解决方案 [1]

公司技术架构与核心能力 - 公司采用“微服务+云原生+AI中台”三位一体技术架构，为12个垂直领域超2000家企业构建智慧电商一体化管理平台 [2] - 通过分布式微服务架构将核心模块拆分为独立服务，以某五金企业为例，系统响应时间稳定在1秒以内，性能较传统架构提升300% [2] - 引入Kubernetes容器编排技术实现资源弹性伸缩，在2024年“黑五”期间，某客户系统自动扩容至200个POD节点，承载峰值流量达5万TPS，较2023年提升40% [3] - 深度优化分布式事务一致性算法，在某化工企业平台中将分布式事务成功率提升至99.99%，较开源版本提高2个数量级 [4] 平台智能引擎与数据分析 - 构建智能推荐、需求预测、风险预警三大核心AI引擎，形成“数据采集-模型训练-业务反馈”闭环生态 [5] - 基于200+维度数据标签构建客户画像，使某家居企业会员复购率提升60% [5] - 动态风险预警平台在2024年“双11”期间拦截欺诈订单价值超500万元，误判率低于0.01%，较传统规则引擎准确率提升40% [6] - 智能排产系统帮助某汽车零部件企业减少在制品库存30%，并将质量事故处理效率提升70% [7] - 需求预测系统帮助某化工企业提前3个月预测原料价格趋势，节省成本1200万元 [4] 区块链技术应用与创新 - 基于Hyperledger Fabric框架开发区块链解决方案，应用于应收账款确权、防伪溯源、跨境信用评估等场景 [8] - 供应链金融方案帮助某建材企业将资金周转周期从45天缩短至7天，融资成本降低2个百分点 [9] - 农产品防伪溯源方案使某企业假货投诉率下降80%，品牌溢价率提升30% [10] - 跨境信用评估体系将中小企业融资审批周期从15天缩短至3天，坏账率控制在1.5%以内 [11] 全球化部署与生态互联 - 在新加坡、印尼、越南部署区域节点，通过Anycast IP实现就近访问，海外订单量增长60% [12] - 全球化解决方案支持10种货币实时汇率转换，将回款周期缩短至7天，某平台将汇率查询延迟从500ms降至50ms [12] - 通过数据本地化存储与跨境传输加密满足不同国家合规要求，某跨境卖家供应商入驻时间从7天缩短至2小时 [13] - 开放平台接入DHL、FedEx等20+国际物流商API，帮助某3C出口企业清关时效提升50%，物流成本降低18% [14] 垂直行业解决方案与成效 - 针对不同行业构建“5+1”核心体系（交易中台、供应链协同、智能风控、数据驱动、全球合规与生态互联） [15] - 为某能源国企搭建的原油现货交易平台年交易额突破70亿元，供应商数量增长30% [16] - 为某头部生鲜平台部署B2B2B平台，将采购周期缩短至7天，库存周转率提升至4.5次/年，订单处理效率提高50% [17] - 为某汽车零部件企业推出S2B2B平台，使生产计划准确率提升至98%，质量纠纷处理效率提升70% [18] - 在某能源企业的应用中，将原油现货交易周期从15天压缩至3天，月均交易额突破20亿元 [7] 技术前沿与未来规划 - 下一代系统将深度融合AI Agent、区块链3.0与隐私计算、数字孪生等前沿技术 [19][20] - AI Agent试点显示可处理80%的常见咨询，将人工坐席成本降低60% [19] - 通过隐私计算技术，某化工企业供应链优化项目在不泄露原始数据的前提下降低整体库存成本25% [21] - 数字孪生系统在某压力测试中提前1小时预警数据库风险，较传统监控工具提前30分钟 [22]