AI算力进入下半场，海光用端到端视角回应算力价值命题

  当我们谈论算力时，我们到底在谈论什么？

  是芯片的浮点运算能力？是集群里插了多少张加速卡？还是大模型训练时跳动的Loss曲线？

  在不久前举办的WAIC 2026上，这个问题迎来了新的产业答案。海光信息总裁助理兼智能计算产品部总经理杜夏威在论坛上反复强调一个判断：“我们一直在坚持，要以端到端的视角来看待底层算力对于上层业务的支持。”这句话背后，是一场正在发生的范式转变：算力的计量单位，正在从FLOPS转向Token;算力的价值，正在从能算转向能用;而国产算力的竞争，也正在从单一芯片性能，转向全栈生态的开放协同。

  算力评价体系重构：Token成为产业价值新锚点

  很长一段时间里，算力行业的评价体系都围绕硬件参数展开。但随着大模型和智能体的快速发展，AI技术向产业场景的纵深渗透持续加速，Token调用量迎来爆发式增长，算力价值的锚点也正从底层硬件的峰值性能，向上层业务的实际产出迁移。中国信息通信研究院披露的数据显示，截至2026年3月，中国日均Token调用量已从2024年初的约1000亿飙升至140万亿，增长超过千倍。

  Token成为算力价值新锚点，是AI从技术验证走向产业落地的必然结果。当AI进入规模化应用阶段，智能体开始深入金融、制造、政务等千行百业，行业矛盾已经变成能不能用起来、用得划算。对企业用户而言，芯片的理论算力再高，如果不能高效转化为可调用的Token、不能支撑稳定的业务并发、不能控制单位交互成本，就无法形成真正的业务价值。Token作为AI交互的最小信息单元，一端连着底层算力的消耗，一端连着上层业务的产出，天然成为衡量算力有效价值的标尺。

  基于这样的产业判断，海光信息没有陷入单纯的硬件参数竞赛，而是持续构建“通用计算+智能计算”双轮驱动技术体系，通过CPU与DCU的紧耦合布局，打造覆盖云、边、端的完整算力矩阵。

  在云端与数据中心场景，海光CPU系列为服务器、数据中心等通用计算场景提供稳定的算力支撑;海光DCU系列作为高端AI加速芯片，支持全精度浮点及多类型整数计算，兼容类CUDA环境与主流商业计算、AI软件生态，可覆盖训练、推理等多元AI应用场景。以核心芯片为基础，海光同步展出了网络互联与整机解决方案，完整呈现了从单芯片到集群级算力协同的能力图谱。

  当AI能力从云端逐步下沉到产业现场，端侧场景对实时响应、本地处理和数据安全的要求持续提升，云边端协同成为算力网络的必然形态。杜夏威认为，端侧是非常重要的AI入口，与数据中心处于算力链条的两端，二者并非替代关系，而是深度耦合与协同，云端的强劲算力可以为端侧输送Token能力，作为端侧算力的高性能补充;端侧则可以覆盖更广泛的场景触点，让AI能力触达物理世界的每个角落。

  值得一提的是，在WAIC 2026展区，海光集中展示了丰富的嵌入式产品生态：搭载海光C86架构CPU的运动控制系统、端侧AI一体机、云终端等方案相继亮相，推动AI能力从能对话走向能干活，真正融入工业制造、边缘计算等实体场景。

  不难看出，云边端协同的本质，是让Token的生产与消费在最合适的位置发生，兼顾效率、时延与数据安全，让算力价值最大化。

  开放架构打破生态困局：做大国产算力产业蛋糕

  如果说硬件底座是算力的骨架，那么生态与软件就是算力的血脉。开放架构，是破解国产算力生态困局、放大算力价值的核心路径。

  长期以来，生态壁垒是国产算力落地的核心阻碍之一：不同芯片厂商接口不统一、软件栈不兼容，导致应用迁移成本高、开发者适配意愿低，最终陷入芯片性能提升快，但落地应用少的困境。海光始终将开放作为生态建设的核心原则，从产业长期发展的维度布局开放能力。

  在杜夏威看来，开放架构的价值体现在三个层面。其一，生态共建激活产业合力。AI产业链条长、技术栈复杂，单靠一家厂商无法完成全链条的闭环建设。通过开放架构，可以吸引更多开发者与产业伙伴加入生态，让各方在自身擅长的领域发挥优势，共同加速技术迭代与场景落地。其二，统一标准降低产业成本。海光不仅逐步开源开放自身软件栈，更致力于联合国内GPGPU厂商，推动软件栈与统一接口层面的开放合作，降低用户在不同芯片之间切换的时间与人力成本。其三，引领产业良性循环。国产GPGPU生态的健康发展，是所有厂商共同发展的前提。海光希望通过自身的开放举措，带动整个产业链走向开放协作，避免碎片化内耗，共同把产业蛋糕做大。

  对国产算力产业而言，开放是做大蛋糕的必然选择。只有打破厂商之间的生态壁垒，形成统一的标准与接口，才能降低整个产业的适配成本，吸引更多软件厂商、模型企业与行业客户迁移到国产算力平台，最终形成“芯片迭代-生态繁荣-场景落地-芯片再迭代”的正向循环。

  光合组织正推进“开放计算Token谱系计划”，加强算力、调度与应用协同，推动开放计算生态向纵深发展。杜夏威表示，国内凭借能源成本、模型能力与国产芯片的性价比优势，在Token成本上具备竞争力，但产业不能因此陷入低价内卷的误区，更应关注Token对产业变革的价值，保障产业链各环节的合理商业利益，让Token经济进入正向的发展轨道。

  从可用到好用：体系化能力决定算力落地深度

  当硬件底座与生态方向逐渐清晰，算力落地的真正考验，就来到了体系化能力的比拼上。从可用到好用，是当前国产算力产业必须迈过的关键一关。过去行业关注能不能跑起来，而今天的用户更关心开箱能不能用、性能够不够好、运行稳不稳定。

  在软件栈建设上，海光早已跨越了可用的阶段。杜夏威介绍，如今Day0级的模型适配已经成为行业常态，海光更强调产品开箱即可达到业务化服务标准，通过性能与Token吞吐的提升保障用户体验。更重要的是，海光已经开始前瞻布局芯片与模型的紧耦合协同，提前介入大模型厂商下一代模型的迭代过程，开展芯片与模型的协同适配，从根源上解决适配效率问题，实现发布即可用，可用即好用。

  同样的逻辑也体现在超节点的落地上。2026年超节点成为WAIC的热点，行业进入落地超节点的新阶段。海光的超节点产品已经实现完全量产，联合光合组织上下游与整机合作伙伴，面向用户端批量交付基于海光CPU/DCU芯片的超节点方案。

  但在杜夏威看来，超节点落地的最大瓶颈早已不是硬件本身，而是两大体系化能力：其一是软件系统工程化能力，大模型推理场景高度依赖PD分离、KV Cache等软件优化技术，只有打磨好软件栈的每一个细节，才能让超节点的硬件性能充分释放，实现开箱即用、开箱即好用;其二是运维与稳定性能力，随着超节点规模的不断扩大，系统故障率也会随之放大，智能化的运维支撑、快速的故障恢复机制，是保障大规模集群稳定运行的关键。而海光凭借多年来在超大规模系统上的验证经验，已经形成了成熟的故障率管控体系与软件补偿机制，能够支撑超节点的规模化部署与稳定运行。

  针对行业热议的十万卡级集群场景，海光也做好了双线准备。一方面，针对基础大模型训练的需求，具备支撑单一模型十万卡级训练与持续迭代的能力，满足头部基模厂商的高强度算力需求;另一方面，针对推理侧海量并发的趋势，保障集群能够支撑各类主流模型的高并发运行，实现高性能的Token吞吐，给用户充分的模型选择自由度。

  除此之外，针对中小企业的AI转型需求，海光也给出了“云上+私有化”的双路径解决方案：通过云原生的算力与Token服务，让中小企业无须自建算力集群，就能低门槛获取AI能力，快速尝试业务融合;针对聚焦高精尖领域、有数据安全需求的中小企业，提供匹配其业务量级的私有化算力部署方案，保障核心数据资产的安全沉淀，同时长期降低Token使用成本。

  由此可见，真正的算力竞争力从来不止于单芯片的峰值参数，而是贯穿软件优化、系统工程、规模化运维与全场景服务的体系化综合实力。

  写在最后

  当前，算力产业正处在新旧范式交替的关键关口，而海光是无疑是这场产业变革中走在前列的践行者。

  从坚持端到端的价值视角、以Token吞吐重新定义算力效率，到以开放架构拉通软件栈与产业链协同;从CPU+DCU双芯协同的算力底座，到云边端全域覆盖的产品布局，再到联动光合组织六千余家伙伴共建全栈生态。海光的探索证明，只有坚持开放协同、锚定真实业务价值，才能让算力从硬件参数转化为产业动力，也才能推动国产算力真正完成从能用到好用的跨越。