编者按：2026年7月9日至11日，以“智算无界 范式跃迁”为主题的光合组织2026智能计算应用大会在郑州举行。本届大会汇聚了超过6000名来自芯片、整机、软件、系统集成、应用开发等全产业链环节的参会者。大会聚焦AI算力基础设施升级、开放计算生态建设及智能计算应用落地，推动国产人工智能算力从关注建设到关注应用、从评价单一参数到注重系统能力、从局部场景迈向大规模迁移。

作为光合组织核心成员单位，海光信息在大会上首次集中呈现了“云边端”完整算力体系，展示了面向数据中心、边缘计算、物理端侧的全场景AI计算布局。海光信息副总裁应志伟、海光信息创新产品部总经理李成、海光信息服务器产品部总经理张攀勇、海光信息总裁助理兼智能计算产品部总经理杜夏威以及光合组织嵌入式产品专家张考华等专家，围绕AI产业发展趋势、算力芯片技术路线、国产算力行业赋能等核心议题发表了演讲并接受了媒体采访。他们的观点共同勾勒出智能计算生态发展的清晰图景——从“堆算力”走向“用算力”，从单一硬件竞争走向系统生态竞争。

范式跃迁：AI从对话走向Agent，算力逻辑深刻重构 

本次大会主题“智算无界 范式跃迁”精准概括了当前智能计算产业所处的历史节点。中国工程院院士李国杰在大会致辞中指出，人工智能正在从大模型向智能体和具身智能快速演进，AI for Science正在推动基础研究和技术发明加速发展。中国科学院院士鄂维南也强调，AI for Science正在推动科学研究从传统模式走向系统化平台模式，并加速向工程应用和产业赋能延伸。这些变革催生了巨大的算力需求，它不再是单一精度的计算，而是需要同时支持高精度的科学计算和低精度的AI训练，这种融合要求计算系统在架构、规模、能效和可靠性上实现系统性创新。

海光信息副总裁应志伟在大会期间接受采访时表示：“AI产业正迎来根本性变革，以Agent智能体为代表的技术落地，让人工智能从简单对话工具走向生产实践，传统复杂工作均在AI赋能下重构。”他指出，行业对算力的需求已看不到边界，市场持续加大算力投入用以迭代大模型、完善智能体能力。应志伟认为，国产替代已经进入“先进替代”的第二阶段——客户不仅要求产品可用，更要求产品好用，国产芯片企业能够提供国外供应链无法提供的价值。

CPU价值重估：Agent时代算力分工的根本转变

在本次大会上，多位专家不约而同地指向了一个关键趋势：随着AI从对话走向Agent智能体，CPU正在重回算力核心位置。

海光信息服务器产品部总经理张攀勇给出了一个反直觉的观察：长期以来市场存在“AI算力等同于GPU”的固有认知，但随着智能体、海量Token应用的普及，AI算力分工出现了明显范式转变。GPU主要负责模型推理，而任务编排、工具调用、对话记忆、向量数据库、沙箱调度等大量工作均由CPU承载。从硬件配比可以直观看到这一变化——过去AI服务器CPU与GPU配比多为1:4或1:8，当下数据中心场景配比已逐步趋近1:1，未来占比还将持续提升。面对这一趋势，海光坚持“CPU+DCU”双芯驱动路线，将CPU与GPU紧耦合作为统一计算底座，高效承载AI各类业务负载。

海光信息创新产品部总经理李成用了一个形象的比喻来解释CPU在科学计算中的地位：“AI加速卡更像一个跑得非常快的短跑运动员，但AI for Science的系统更像一套复杂的智能物流系统——数据怎么来、怎么处理、怎么存、怎么展示，这一整套逻辑需要一个综合的管家去管。”他给出了海光CPU在AI4S场景中“不可替代”的三个理由：第一是数据吞吐调度能力，科研场景数据体量庞大，CPU完成数据分流与综合运算保障全流程效率；第二是高精度浮点保障，大语言模型多用低精度运算，而AI4S依赖FP64双精度，多数AI加速卡难以满足；第三是生态兼容性，海光CPU兼容传统x86生态，科研院所大量存量软件可以顺畅迁移。

端侧元年：算力从云端向末梢神经延伸

光合组织嵌入式产品专家张考华判断，2026年将成为端侧AI规模化落地元年。前几年行业算力竞争集中在云侧训练算力，而自2025年起，端侧推理算力全面发力，AI产业从云端训练向千行百业终端场景延伸。张考华将嵌入式计算比作计算体系中的“毛细血管”和“末梢神经”——如果服务器和云计算中心承担集中式计算功能，嵌入式计算则承担着将算力送达每一个终端场景的使命。

结合海光自身规划，张考华介绍，海光原有优势集中在高端云端算力芯片，后续嵌入式业务线将推出多款适配端侧场景的专用芯片，补齐云、边、端全栈算力产品矩阵，实现算力从中心机房向末梢终端延伸。李成也透露，海光下一步重点将发力终端与嵌入式业务，完善云、边、端一体化产品布局，搭建数据采集、传输、存储、计算全链路闭环。

在算力泛在化趋势下，应志伟判断，未来算力将如同网络流量一般深度嵌入各类应用，用户可实现无感调用。云端大算力将继续承担千亿、万亿参数级大模型的训练与推理，端侧小模型则覆盖人脸识别、工业检测等实时场景，所有终端都将“长出”AI能力。

Token经济：从“算力指标”到“算力好用”

海光信息总裁助理兼智能计算产品部总经理杜夏威围绕“全栈软件协同，赋能产业Token化”发表演讲。他指出，AI产业化不能只看芯片算力，更要看算力是否好用。随着AI应用从问答、生成走向智能体和复杂任务处理，Token调用规模快速提升，企业真正需要的是能够快速部署、稳定运行、持续降本的算力平台。杜夏威将这一矛盾拆解为：“算力指标衡量的是芯片自身能力，而Token吞吐力衡量的是把算力业务化的能力。”

围绕这一需求，海光持续完善DCU软件栈，让国产AI算力从“可用”进一步走向“好用”。DCU软件栈就像连接AI芯片和产业应用的通道——一端释放底层算力，一端帮助模型和应用更快落地。目前，海光DCU已对多款主流大模型完成适配和优化，覆盖GLM、DeepSeek、MiniMax、Kimi等模型生态。

杜夏威指出，Token经济正驱动AI算力架构全面升级，全栈软件协同是实现国产算力从“可用”走向“好用”的关键路径。海光在新一代芯片研发中适度倾斜硬件算力资源至AI运算单元，以开放架构搭建智算协同底座。

后记

从本次大会释放的信号来看，智能计算生态正在经历三重深刻转变：从侧重算力建设转向聚焦场景应用，从单一硬件参数评价转向综合系统能力衡量，从局部试点场景迈向量大规模落地。

正如大会主题“智算无界 范式跃迁”所揭示的，智能计算的竞争正在从规模建设转向系统协同和应用落地。以光合组织为纽带，国产智能计算生态正在构建从底层芯片、核心架构到上层大模型、智能体及行业应用的全栈自主创新体系。