来源：环球网

　　前言：今年是国家高技术研究发展计划（863计划）提出40周年。从1986年至今，这条科技攻坚之路见证了中国在信息技术、光电子等关键领域从追赶到并跑的全过程。近年来，在“人工智能+”行动、《“人工智能+制造”专项行动实施意见》等政策引导下，国产智能计算机、光电子器件等基础软硬件进入加速迭代期。智能计算机从“可用”向“好用”迈进，光通信芯片、光传感等光电子器件国产化率持续提升，为算力基础设施的自主可控奠定了材料与系统层面的双重基础。

　　2026年恰逢“十五五”规划开局之年，“人工智能+制造”被明确为产业升级的核心引擎。从顶层设计到地方实践，推动AI与制造业全流程融合成为新五年的主攻方向。尤其在智算领域，以海光为代表的国产芯片企业，已从单点性能突破走向系统级生态构建。国家超算互联网核心节点在郑州上线运行，标志着国产智算正从“单中心”走向“全国一张网”。但芯片跑通只是第一步，制造业场景的碎片化、安全与成本的双重门槛，仍是规模化落地的真实挑战。本次采访聚焦海光光合组织在“2026人工智能赋能新型工业化深度行”活动中的实践，剖析其从底层算力、中间件适配到顶层场景的“三层解法”，探讨国产算力如何真正“接住”工业AI的落地需求。

　　【环球网科技报道记者李文瑶】4月8日，由国家先进计算产业创新中心主办，国家工业信息安全发展研究中心与海光产业生态合作组织承办的“人工智能赋能新型工业化深度行（走进国家超算互联网核心节点）”活动在郑州举行。

　　活动上，工业和信息化部科技司副司长杜广达、河南省工业和信息化厅党组成员副厅长徐玉、国家工业信息安全发展研究中心总工程师周平出席，来自人工智能与制造领域的数百位专家、技术负责人和企业领导人齐聚一堂，围绕“人工智能+制造”展开深入研讨，共同探索人工智能与各行业深度融合的可行路径，为推动产业智能化升级与高质量发展注入新动能。

　　值得关注的是，活动把鞍钢、一汽、陕汽、京东方等几十家制造企业，与海光、商汤、硅基流动、中望软件等算力和软件公司拉到了郑州的同一个会场。全天的议程包括政策解读、技术路演、一对一洽谈和分组闭门讨论。

　　在国产算力替代与AI赋能转型这两条主线交汇的2026年，这样的合作已经成为中国制造业关于提升竞争力的主动聚合。在芯片性能差距逐步收窄的当下，以海光芯片为核心、聚集超6000家伙伴的光合组织，正尝试通过“软硬协同”的路径，让国产算力真正接住工业场景的苛刻需求。

　　工业AI的“硬门槛”：算力堆不出来

　　“制造业的应用非常复杂，可能有成百上千个应用。过去为什么国产替代进程慢？因为企业生怕推进过程中出问题。”海光信息副总裁吴宗友在采访中说道。

　　这种“过程慢”，源于工业场景对稳定性和精确性的极致要求。一个航空发动机叶片仿真模型跑不通，整个研发链条就得停摆；一条汽车产线的视觉质检误判率超标，数十万件产品可能面临召回。在这种场景下，算力不再是简单的浮点运算比拼，而是必须与具体工业软件深度耦合的系统工程。

　　海光给出的方案是“CPU+DCU”双芯异构计算平台。海光CPU兼容x86生态，具备高计算性能、高可靠性、高安全性等优势，能够流畅运行各类工业仿真、数字孪生、生产调度等关键软件；海光DCU则采用GPGPU架构，且已成功支撑万卡级DCU算力集群稳定运行，可高效完成大模型训练、推理以及工业大数据的实时分析。

　　二者组合形成的异构计算平台，可满足“AI+制造”场景中对复杂算法训练、海量数据处理、毫秒级智能决策等环节的苛刻要求，为制造业的高端化、智能化发展提供了坚实的数字基础。

　　但吴宗友强调，真正的壁垒不在芯片本身。“过去我们跟国外芯片合作，都是单点的。芯片的聊芯片，整机的聊整机，不能形成合力。今天，我们联合整机厂商、生态企业、应用厂商，一起跟制造企业对接。”

　　这种对接的形式，是海光与索辰科技等国内CAE软件厂商的联合研发模式。“每一个新版本推出时，我们彼此沟通，基于他们的需求去改变芯片的逻辑，或者改变软件的逻辑。”吴宗友说。其结果，是某些CAE/CFD软件在海光平台上的性能，已经超过了其他国际技术路线。

　　这也揭示了一个核心逻辑：在工业AI领域，算力竞争力不是“跑分”跑出来的，而是一个场景一个场景真实落地应用出来的。

　　生态合作：6000家伙伴的软硬协同

　　如果说行业的CUDA生态是全部采用的统一标准，那么光合组织的路径更像是网状协同：通过光合组织，把整机厂商、软件开发商、系统集成商全部拉进来，各自做自己最擅长的事。

　　海光信息企业业务部总经理李程披露，光合组织已拥有超过6000家成员单位。2025年，围绕这些伙伴，海光推进了1400余项联合优化工作，形成一体化平台销售模式超11家。

　　这个数字背后，是海光对工业软件适配的部署决心。以石油物探行业为例，海光花费一年多时间，联合中石油、中石化、中海油进行核心业务系统攻关，累计派出近300人次驻场响应。最终成果是：海光CPU的处理能力比海外同类产品提升了3倍以上，异构加速能力更实现了7到15倍的性能提升。

　　“实践证明，海光的CPU和DCU在市场上反响不错，用户给了三个标签——高性能、高安全、高通用。”吴宗友说。其中，“通用”恰恰是工业场景最稀缺的品质。因为制造业应用软件数量庞大，任何一家芯片厂商都不可能独自完成全部适配。海光的策略是：通过光合组织的生态聚合，让ISV伙伴基于海光平台完成各自的优化，再通过整机厂商集成，最终交付给终端用户。

　　北京硅基流动科技有限公司副总裁胡健从软件层的角度解释了这一逻辑：“我们在底层做推理性能优化，在国产芯片上实现和其他同规格芯片相近的性能。用户不需要关心底层芯片是什么，用我们的平台就能开箱即用。”

　　这种分工，让海光生态的适配效率大幅提升。海光企业行业解决方案总经理李洋举了一个例子：“法律行业的大模型可以做成一体机，开箱即用；但钢铁高炉设计这种极度专业的场景，全国能看懂图纸的就几十个人，就需要客户自身的专业人才加上AI知识，才能完成垂类大模型的开发。这两种需求，光合组织都能覆盖。”

　　安全与成本：两个必须跨过的门槛

　　对于制造企业而言，上AI都是需要反复思虑的战略部署，安全与成本，是任何决策都无法回避的两道硬杠杠。

　　在安全层面，国家工业信息安全发展研究中心人工智能所科研部主任张瑶在政策解读中说明了一个现实困境：“企业不是不想用AI，是考虑到数据安全和模型应用安全方面还有一些顾虑。”

　　海光的应对策略，是将安全内嵌于芯片底层。海光CPU与DCU通过自主拓展安全算法指令、内置安全处理器，原生支持密码计算、可信计算等多维防护。会议期间，国家工业信息安全发展研究中心与海光共同启动了“人工智能安全可信护航计划生态发展中心”，从制度与技术双重维度，为工业AI应用筑牢安全底线。

　　中科鑫辉总经理陈晓明从硬件底座供应商的视角，给记者拆解了海光在安全上的底层设计。他归纳了四个关键词：“自主、安全、生态、可靠性”，海光基于它的内核、底层架构，可以实现密码安全、可信设计，包括漏洞访问的安全，构建一个原生的AI安全屏障。”这意味着数据在计算、传输、存储全链路都能得到保护，而不依赖外挂的安全软件。同时，低功耗、高稳定性的特性，能“给用户提供7×24小时的安全运行”。

　　在成本层面，硅基流动副总裁胡健给出了一个令人警醒的数据：“很多企业买了数千卡规模，但算力利用率可能只有10%左右。”这意味着大量昂贵的算力资源处于闲置状态，投入产出比严重倒挂。

　　胡健认为，降低算力成本不能单纯指望芯片降价，而要通过系统优化。“我们提供的MaaS平台，可以统一纳管异构算力，通过PD分离、动态调度等技术，将推理性能提升5到10倍。”在国电投、中石化等客户的实际部署中，硅基流动与海光的联合方案已实现了算力利用率的显著提升。

　　海光企业行业解决方案总经理李洋则从选型角度给出了建议：“要根据业务场景选择适合的模型。大参数模型对显存要求更高，中小参数量模型对算力要求更突出。选对了，推理成本就能降下来。”

　　从单独突破到规模复制：AI+制造的落地路径

　　尽管单点案例已相当丰富，但海光内部并不讳言规模化复制的难题。

　　“制造业场景离散且多，单点突破容易，但很难规模复制。”李程坦言，“算力基础设施和工业模型的适配有待推进，有脱节。”

　　这种脱节，体现在供需两端的信息不对称、技术栈的不匹配，以及商业模式尚不成熟。鞍钢集团代表直接抛出三个问题：数据如何有效治理？人员经验如何复制？AI如何找到核心且可规模化的应用场景？

　　这些问题没有标准答案，但光合组织的生态协同模式提供了一个解题框架：通过光合组织的6000家伙伴，将单个场景的成功经验提炼为可复用的解决方案模板，再通过整机厂商和ISV推广到同类行业。

　　亚控科技河南区域总经理邓晓志提供了一个可参考的案例。在市政水厂的智能加药场景中，亚控基于海光AI服务器和DeepSeek模型，实现了根据进水水质自动调节加药量。这一方案成功复制到了多个水厂项目，形成了从“单点标杆”到“行业方案”的跨越。

　　李程在演讲中明确了海光2026年的四个攻关方向：国内外工业软件深度优化、油气勘探与智能体联合攻关、具身智能与机器视觉专项、云边端协同边缘计算方案。这四件事，每一件都指向规模化复制这个终极目标。

　　这是光合组织试图解决的核心矛盾：底层提供标准化的算力底座，中间层通过生态适配降低集成成本，顶层用标杆案例验证可行性，再通过生态伙伴复制到同行业。

　　替代不是目的，好用才是

　　“得中原者得天下。”吴宗友在致辞中借用这句古语，来形容郑州国家超算互联网核心节点对国产算力的战略意义。放在更宏大的视野下，这句话同样适用于国产算力与制造业的深度融合——谁能在工业AI上站稳脚跟，谁也能在下一个十年的算力格局中占得优势。

　　但要取得领先优势，靠的不是一两次标杆案例，而是实实在在的“好用”。有与会代表在讨论中说道：“先求可用，再求好用。国产算力+工业AI，要从小切口入手，顺应用户习惯，用好现有生态。”

　　沿着这样的思路，海光信息企业业务部总经理李程给出了他对未来算力发展的判断：“算力将逐渐向普惠化推进，云边端协同会成为标配。行业侧的专用模型会越来越多，替代传统的通用大模型，与制造业全流程深度融合。海光将继续依托C86处理器和和DCU加速器，构建异构加速底座，以更开放的模式、更扎实的场景深耕，助力制造行业智能化升级。”

　　理想图景清晰，但现实挑战同样明确。行业最关心三个问题：芯片能不能跑？生态能不能支撑？场景能不能见效？这三个问题也是光合组织正在尝试解决的行业问题。

　　从目前的进展看，第一层已经基本解决——海光CPU和DCU在性能和兼容性上已具备替代能力。第二层正在加速——6000家伙伴的生态网络正在形成规模效应。第三层刚刚起步——标杆案例已经有了，但规模化复制仍需时间。

　　从 863 计划奠基的科技自主之路，到如今国产算力深耕工业 AI 一线，四十年攻坚终向实景落地。以海光为代表的国产算力力量，以芯片筑基、以生态协同、以场景破题，正打通算力底层与制造场景的关键梗阻。面向“十五五”新型工业化浪潮，国产算力将以更普惠、更安全、更适配的硬核实力，真正接住工业 AI 的时代需求，为中国制造业智能化升级筑牢自主可控的数字根基。