拒绝“纸面算力”，海光重构智能生产力底座

当人工智能应用走进深水区，Token经济化特征愈发明显，产业界目光正从PPT上的算力参数转向更加具象的物理AI世界。

近日，2026世界人工智能大会（WAIC）正式召开，本届WAIC展览面积突破10万平方米，1100余家企业、3000余项展品集中呈现。其中，世博展览馆和张江科学会堂两大主题展区上，海光信息携CPU、DCU全系列产品亮相，带来面向AI时代的自主算力底座与全链路软硬一体化能力。

在千行百业现实而迫切的AI计算需求下，国产高端算力玩家并未选择参数炫技，而是瞄向了AI计算场景中的核心命门——智能生产力。

从智能算力到智能生产力，开放生态激活Token价值

近年来，随着全球人工智能产业迈向Tokens经济化阶段，中国Al赛道也进一步加速了行业智能体与垂域模型规模落地进程。需求侧场景的演变，为国产芯片带来一道新命题：我们极力堆砌的智能算力，应该如何连接和转化为智能生产力？

过去，中国AI落地过程中，国产算力市场呈现明显的软件栈生态碎片化特征：芯片厂商各自为战，大模型适配繁琐，导致企业在迁移算力平台时面临二次开发成本和业务中断风险。对于那些“一秒钟也输不起”的核心业务系统而言，这种生态阻力颇为致命。

一方面，国产芯片技术路线若无法对接主流计算场景，用户面临的迁移成本和调优复杂度将快速攀升，部署效率和后续系统稳定性都要打一个问号；另一方面，随着智能体从概念验证走向生产应用，通用模型从参数竞赛转向价值兑现，算力亟需与一线业务场景挂钩，软硬件生态壁垒正成为Token价值转化的关键堵点。

“Token经济正在驱动一轮新的IT架构变革。”海光信息总裁助理兼智能计算产品部总经理杜夏威指出，面向行业智能体与垂域模型规模落地需求，海光将以开放架构搭建智算协同底座，联动云厂商、模型企业、行业ISV共建软硬件深度适配的产业生态，打通算力、模型、应用层之间的壁垒。

显然，这也是海光为什么在生态层面，要将“开放协同”提升到战略高度——通过软硬协同和全栈优化，降低企业迁移与调优的隐性成本，打通AI落地和应用生效的最后一公里。

据悉，在智能计算侧，海光DCU作为国产高性能GPGPU，依托自研的DTK异构计算平台，实现了对主流开发环境和CUDA生态的无缝兼容。对于企业的算法工程师而言，原本基于CUDA环境开发的代码和应用可以实现无感迁移，几乎不需要重写或进行繁琐的二次开发，大幅降低了迁移成本。

截至目前，海光DCU已完成了对GLM、DeepSeek、MiniMax、Kimi等400余款国内主流大模型的适配与优化，全面覆盖大模型训练、推理以及科学仿真等多场景算力需求。

在通用计算侧，海光CPU原生兼容x86生态，这对于轨道交通、电力调度等沉淀了海量历史遗留软件资产的行业至关重要。海光芯片的广泛兼容能力使得企业操作系统和数据库能够无损平移，在保护存量软件资产前提下实现了无缝替代。这种对存量生态的平滑兼容与开发环境的无缝适配，将国产算力从“可用”真正变成了生产环境下的“好用”。

从DCU到CPU，双芯底座长出AI内生安全能力

事实证明，在全域Token化运营趋势下，AI时代的主角光环并未被DCU全部夺去。CPU在算力底座中不仅承担着通用计算任务，更成为了算力的调度者、决策者和安全守门人。

2026年，云端大模型和智能体应用快速走向“业务重塑期”，金融行业的CIO骤然发现，阻碍AI落地的大山不再是“模型够不够聪明”，而是“系统可不可信”。尤其企业级AI的落地，从“技术尝鲜”的阶段撞上了以“安全信任”为核心的硬壁垒。

在这场关乎AI能否安全着陆的长跑中，如何筑牢企业级AI防线并保障其应用能效，答案并不在跑分参数指标中，而是刻在最底层的硅片上。

对金融、政务、能源等关键行业而言，安全合规始终是无法逾越的刚性红线。金融机构对客户数据的流动与留痕有着严苛的合规限制，政务系统中的公文流转和决策辅助更是涉及密级安全。每一次AI推理的背后，都必须具备全链路、可审计、抗劫持的安全底座。

有业内人士指出，当前市场上主流AI算力供给路径，天然带有某种“数据敞口”基因。无论是通过公有云API调用，还是采用计算与加固分离的混合部署，数据在经过网络传输、异构芯片通信时，都会产生高密度的攻击面，这种“外挂式”的安全方案很难根除风险。

海光的底层逻辑是：安全不能靠“软件打补丁”来解决，必须从芯片内部长出来。

这也就是业内常说的“内生安全”——将密码技术、机密计算、可信计算以及漏洞防御等底层防护能力，直接作为核心微架构的一部分嵌入到芯片物理层。在海光的C86架构中，这并非一个后置的“隔离舱”，而是与计算流水线共生的硅片基因。

这种架构设计在商业上的最大价值，在于彻底消除了异构芯片协同中的“劫持窗口”。通过构建CPU与DCU紧耦合布局的同构安全域，负责通用计算与系统调度的CPU与负责AI推理加速的DCU能够共享同一套内生安全总线。

这种设计不仅从根本上消除了跨芯片通信时的明文劫持窗口，保障数据传输、模型运行和业务处理的全流程可信可控，为关基用户筑牢合规底线，同时也最大程度保障了计算芯片的性能发挥，并减少外置安全设备依赖，达到高安全、高性能、低成本三位一体的效果。

目前，海光通过“通用计算+智能计算”双轮驱动的自主算力布局，配合DTK、DAS、DAP全栈软件平台，为各行业AI应用的深度重塑了敏捷、高效的系统调度与可信保障。

从云端到铁轨，国产高端算力下沉一线生产场景

在通用大模型和行业智能体应用之外，国产算力正在经历一场更现实的场景化锤炼。

随着AI正在从知识生成走向工业现场，行业对算力的需求已从单一模型训练转向科学计算、AI训练与实时推理的三者协同。这不是“用更大的模型跑得更快”的问题，而是“芯片、软件、模型与场景能不能深度咬合”的问题。

本届WAIC上，海光不仅展出了面向数据中心的大规模通用计算芯片，更集中展示了搭载C86的端侧AI一体机、运动控制系统等解决方案。

在油气无人值守、轨交信号诊断、高压变电站、港口无人调度以及安防等传统工控场景中，算力所面临的不再是恒温恒湿的机房，而是极具挑战的极温、强电磁干扰和网络断联等恶劣环境。海光积极布局的嵌入式芯片，具备低功耗、高可靠和超宽温适配等物理特性，能够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。这种“云边端”采用统一技术生态与安全标准的布局，打破了以往边缘端计算架构割裂的死结，实现了算力从数据中心到产业现场的无损下沉。

当算力必须从恒温机房坠入-40℃~85℃的野外工业现场时，不仅要考验的算力基建的性能，还要迎来一场严苛的“生存挑战”。

目前，海光芯片已深度覆盖超过300+应用场景。这种云、边、端采用同一套x86生态和安全底座的设计，使得企业在云端训练出来的模型Token，能够无缝下沉并流转至边缘端。云端“生产Token”，终端“执行Token”，两端互联互通，彻底打破了以往边缘端计算架构碎片化、数据格式互不兼容的死结。

而在整个算力产业链的闭环中，光合组织发挥着关键的生态纽带作用。依托超过6000家生态合作伙伴，海光与基础软件、数据库、整机硬件及行业应用ISV共同打通了“芯片-平台-生态-应用”的全链路闭环。这种从“分发芯片”到“分发能力”的合作模式，确保了合作伙伴拿到的不仅是一颗裸芯片，而是具备充分兼容性与系统级安全验证的整体平台，加速了自主AI应用的快速落地。