算力向下，产业向上 国产算力从“拼产能”走向“重生态”

来源：环球网

【环球网科技报道 记者 李文瑶】2026年赛程过半，拼产能端侧AI“元年”的算力向下产业共识正加速转化为现实图景。据中信建投预测，产业从走2026年手机与PC端的向上向重AI渗透率将分别攀升至45%和62%；IDC数据显示，IoT与边缘终端AI芯片出货量同比激增超110%。国产这一系列数据勾勒出算力从云端向物理世界末梢加速流动的算力生态宏大叙事。

然而，拼产能在产业热潮背后，算力向下深层挑战日益凸显：大模型参数竞赛逐渐触及瓶颈，产业从走更严峻的向上向重命题在于，算力底座能否切实支撑工厂车间、国产电力网格、算力生态银行柜台及家庭终端等真实场景的拼产能落地需求。AI竞赛的算力向下上半场聚焦于参数规模与榜单排名；下半场的核心竞争力，则转变为谁能确保AI在业务现场稳定、产业从走高效地运行。

当前，算力正经历从云端向边缘及终端的下沉；产业竞争维度也从单一的芯片性能比拼，升级为涵盖“芯片—平台—生态—应用”的全链路较量。这场从“拼产能”到“重生态”的产业跃迁，直接决定了国产算力的长远发展路径。

国产算力跨越的三重门槛

尽管国产算力近年来发展迅猛，但从“可用”迈向“好用”，仍需跨越三道关键门槛。

第一重门槛：算力利用率存在显著落差

中信证券计算机首席分析师杨泽原在光合组织2026智能计算应用大会上指出，金融、能源、交通等关键基础设施行业，因涉及数据主权、低时延及高安全需求，完全依赖云端并不现实。邮储银行总工程师徐朝辉在演讲中强调，在银行及金融领域，通算、智算、超算及边缘计算各有其适配场景，构建混合异构分布式算力平台是必然选择。这不仅要求算力卡具备精湛的并行计算技术，更需拥有良好的生态开放性与兼容性，以降低金融AI算力的应用门槛。

第二重门槛：企业迁移适配成本高昂

对于传统行业而言，迁移至国产算力平台往往伴随高昂的改造成本与陡峭的学习曲线。从CUDA生态向国产异构计算平台迁移，涉及算子适配、模型重构、性能调优等多个复杂环节，巨大的时间与人力成本令许多中小企业望而却步。这种迁移过程中的“摩擦力”，在一定程度上延缓了国产算力在千行百业的渗透速度。

第三重门槛：软件生态碎片化

国产芯片厂商众多，但各自为战的软件栈导致生态割裂。开发者每适配一款芯片，往往需重新学习一套工具链并重写算子库。海光信息总裁助理兼智能计算产品部总经理杜夏威表示，随着智能产业供需爆发及大模型、智能体应用的加速落地，对算力适配与调度能力的要求持续提升。Token经济正驱动新一轮IT架构变革，全域软硬件协同是国产算力实现从“可用”到“好用”跨越的关键。

破局之道：构建云边端一体化的全栈算力体系

面对上述瓶颈，头部国产算力企业正提供系统性解决方案。海光信息在光合组织2026智能计算应用大会上展示的“云边端”算力体系，标志着国产算力从“单点突破”向“体系化作战”的标志性转变。

该体系以CPU、DCU及嵌入式芯片为三大支柱：

• CPU层面：数字世界的“总调度”
  海光CPU原生兼容x86生态，承担通用计算与系统调度职能。从桌面终端到数据中心服务器，从单机应用到大规模集群部署，为政务、金融、能源等关键行业提供自主可控的通用算力支撑。若将算力体系比作城市交通网络，CPU便是统筹全局、协调车流的“总调度中心”，负责计算任务发起、资源分配及进程调度，确保系统秩序与效率。

• DCU层面：智能世界的“加速引擎”
  作为国产GPGPU，海光DCU依托DTK异构计算平台无缝适配CUDA生态，已完成四百余款大模型适配，覆盖主流AI框架，支持代码无感迁移，几乎无需二次开发。这大幅降低了企业迁移成本，提升了国产算力的易用性。凭借高并发推理能力，DCU在大规模高并发场景中表现卓越，为AI从训练走向推理落地提供关键支撑。在智能世界中，DCU扮演“加速引擎”角色，大幅缩短大模型训练与海量数据并行计算的时间，使AI响应速度匹配业务需求。

• 嵌入式算力：物理世界的“计算触角”
  这是海光云边端体系向产业现场延伸的核心载体。海光嵌入式芯片具备低功耗、高可靠、超宽温适配等特性，针对工业控制、边缘计算等场景专项优化，有效解决边缘侧算力弱、实时响应慢、恶劣环境适配难等行业痛点。

杨泽原在分析工控市场时特别强调了嵌入式场景中“原生安全”的重要性：优秀国产芯片从底层架构支持国密算法、可信计算及隐私计算，无需外置安全设备，避免性能损耗。这意味着在工控嵌入式场景中，可实现从芯片根到端的“原生安全”。在物理世界里，嵌入式算力如同灵敏的“神经末梢”，贴近机器设备、传感器和终端，就地完成数据采集与实时判断，打通算力抵达生产一线“最后一公里”。

贯穿三层架构的是内生安全能力。海光将密码技术、机密计算、可信计算及漏洞防御嵌入芯片底层，构建起从芯片到应用、从技术到生态的全栈安全屏障。杨泽原指出，无需外置设备即可实现“原生安全”，这对工控嵌入式领域至关重要。在关键基础设施领域，这种“芯片级”主动安全防御体系，为AI深度融入核心业务筑牢了安全底线。

这套体系逻辑清晰：CPU负责全局调度，DCU加速智能计算，嵌入式芯片打通产业现场，并在三大支柱基础上通过内生安全守住全链路可信。四者协同，构成了从云中心到边缘再到终端的完整算力版图。

正在发生的产业变革

“云边端协同”并非纸上蓝图，而是正在发生的现实。算力正从抽象的云端，转化为工厂、电网、银行及家庭终端中触手可及的生产力。

• 金融行业规模化落地步入常规
  邮储银行是国产算力在金融行业规模化应用的典型样本。据徐朝晖介绍，邮储银行基于海光DCU部署OCR文字识别模型，为31个业务系统提供统一的图片识别能力。通过“OCR小模型优势+AI大模型互补”，形成了高可用、高并发、弹性调度、资源隔离及稳定识别能力，实现了金融AI安全与能效的双重提升。这是金融行业核心生产系统对国产算力稳定性与可靠性的有力背书。

• 工业与能源场景智能化成为常态
  在工业领域，国产算力正从“可用”走向“好用”。光合组织嵌入式产品专家张考华表示，端侧AI正以“算力下沉”方式重塑硬件交互逻辑与智能边界。海光嵌入式芯片针对工业控制、边缘计算等场景优化，解决了边缘侧算力瓶颈。从智能巡检机器人到EtherCAT高精度运动控制方案，国产算力正深入半导体、精密制造等场景，延伸至生产一线。针对震网病毒、Triton等工业安全威胁，海光内生安全能力从芯片底层构建硬件级主动防御体系，为关键基础设施提供全链路可信保障。

• 未来在于生态协同
  国产算力的未来不在于单打独斗，而在于生态协同。截至目前，海光依托光合组织已完成6000余家生态伙伴、上万项软硬件适配优化。从“可用”到“好用”，需凝聚开发生态力量——正如杜夏威所言：“独行快，众行远。”共建开放生态平台，通过全栈软件协同赋能产业Token化，是降低使用门槛、拓宽应用边界的必由之路。

结语：算力向下，产业向上

AI产业竞争的下半场，比拼的不再是炫酷的DEMO，而是谁能将算力真正转化为各行各业触手可及的生产力。

从云端下沉至边缘，从数据中心延伸至工厂车间，“算力向下”的进程正在加速。与此同时，“产业向上”的图景徐徐展开——金融风控更精准、工业生产更柔性、能源调度更智能、政务服务更高效。国产算力产业已完成从“无”到“有”的跨越，正经历从“有”到“好”的蜕变。

这场蜕变的关键，在于从“拼产能”走向“重生态”。芯片性能是基础，但单一芯片的算力优势若不能转化为易于使用、安全可靠、生态完善的全栈解决方案，便难以在真实业务场景中发挥价值。海光“云边端”算力体系的构建，标志着国产算力产业竞争逻辑的根本改变——不再是参数表上的数字竞赛，而是芯片、平台、生态、应用的全链路较量。

当算力真正走进工厂车间、电力网格、金融柜台及千家万户，AI才算真正完成了从技术到生产力的完整升级。

(责任编辑：焦点)