10 月 20 日，一家车企要在芜湖办全球创新大会，主题定在“改变”。会上最受关注的不是新车，而是首个汽车行业垂域大模型，外加一台叫“墨宝”的家庭陪伴人形机器人首发预订。猎鹰驾辅、灵犀智舱继续上车，原生前装 Robotaxi 和 eVTOL 一起亮相，V2G 与快充技术也排进了议程。
很多人把这当一场发布会看。换个角度看，它更像一份算力账单的公开预告：垂域大模型要跑训练，机器人要跑推理，车端、云端、场站三头并进，背后全是服务器在扛。
垂域大模型和通用大模型，难在哪
通用模型拼的是参数规模，行业垂域模型拼的是数据质量和闭环速度。车厂手里有路测数据、座舱交互数据、三电工况数据，这些东西不外流，也不适合放到公有云上慢慢排队。训练阶段吃的是集群稳定性，一次中断可能废掉几天的进度；推理阶段吃的是延迟，智舱响应慢半拍，用户立刻能感觉到。
所以这两件事对机器的要求根本不是一回事。训练看互联带宽和存储吞吐，推理看单机密度和网络出口。预算有限的时候，先把推理侧铺开，训练侧按需租用，比一上来就自建大集群更实际。
物理机为什么还是主力
做模型落地的团队，最后大多会回到物理服务器上。虚拟化层带来的性能损耗在推理场景里不算致命，但遇到高并发、长连接、GPU 直通这些需求，裸金属的确定性更让人放心。新酷云主打的物理服务器就属于这一类：整机独享，带宽和磁盘 IO 不被邻居影响，适合把推理服务、数据预处理、模型微调放在同一套环境里跑。
选型上有个朴素的判断：如果业务需要长时间占用 CPU、需要挂载大容量本地盘、需要自己掌控内核和驱动版本，就别在云主机上反复折腾了，直接上物理机。参数不用追高，先按峰值并发估一个余量，留出后续扩容的插槽。
机器人量产之后，麻烦才刚开始
“墨甲”已经在教育、医疗等一百多个场景常态化上岗，消费级的“墨宝”又要面向全球预订。这类产品一旦铺开，后台压力不是线性的：每台设备都要上报状态、拉取技能包、回传交互日志，区域分散，时段集中。
海外用户下单，数据回传和固件分发就得靠近用户。这时候海外节点的价值才显出来，不是为了便宜，是为了延迟。做全球化业务的服务部署，站群服务器在管理多区域入口、多语言站点时比较顺手，独立 IP 资源也方便做区域分流和收录管理，这是普通单机很难兼顾的。
别忘了被攻击这件事
车联网和机器人后台天然是攻击面。设备鉴权接口、OTA 分发通道、用户 App 的登录入口，任何一个被打瘫，影响都不只是官网打不开。有被攻击风险、或者处在合规防护要求下的业务，高防服务器比事后补救划算得多。清洗能力要按历史峰值来配，别按平均值配。
更麻烦的是，很多团队把防护只做在 Web 层，忘了 MQTT、OTA 这些长连接通道。选高防的时候问清楚支不支持非 HTTP 协议的转发和清洗，比看清洗带宽的数字更有意义。
给正在做类似项目的读者几句实话
- 先分清训练和推理，别用一套配置打天下；
- 推理侧优先物理机，稳定性和成本都更可控；
- 面向海外用户的业务，节点位置比配置参数更影响体验；
- 设备规模上来之前，把防护方案定下来，别等出事再补。
发布会讲的是愿景，落地拼的是机房里的那几台机器。把算力放对地方，比追热点更重要。