海光信息的布局，展現了一家中國核心算力企業在AI時代的全局思考。在算力成為新質生產力的今天，這條“中國路徑”的探索，不僅關乎一家企業的商業前景，更關乎整個國家數字經濟的自主與未來。
在人工智能的浪潮從云端涌向終端的2026年，算力的內涵與外延正在被重新定義。這不僅是技術參數的迭代，更是一場關于算力架構、應用場景與安全邊界的深刻重構。
“如果說前幾年是AI的上半場，以云端大模型訓練為主，那么現在，我們正步入以應用落地、場景賦能為核心的下半場。”在一場深度群訪中，海光信息高管團隊不但描繪了一幅從國產替代的需求變遷，到AI for Science的精密計算，再到端側算力爆發前夜的產業全景圖，更清晰地勾勒出一條屬于中國算力產業的獨特路徑——一條兼顧通用性與專用性、平衡性能與安全的發展之路。
從“簡單替代”到“先進替代”的價值躍遷
當國產化替代進入深水區，市場的需求早已超越了“能用就行”的初級階段，轉而追求極致的性能體驗與生態兼容。海光信息副總裁應志偉用一個詞精準概括了當前的市場趨勢——“先進替代”。
“過去，客戶可能是為了完成任務而使用國產設備。但現在，他們發現與我們的合作能帶來國外供應鏈無法提供的價值。”應志偉舉例道，例如為金融、電信等關鍵行業客戶提供抗量子遷移等前瞻性安全服務，就是“先進替代”的核心體現。這意味著，國產芯片廠商不再僅僅是替代者，更要在某些關鍵點上實現對國外同行的超越，從被動響應轉向主動賦能，用更貼合本土需求的技術方案解決“卡脖子”之外的“卡腦子”問題。
這一轉變的背后，是整個AI產業對算力需求的無邊界擴張。隨著大模型從簡單的對話走向能夠執行復雜任務的智能體(Agent)，從編寫代碼到分析數據，AI正深刻改變著生產實踐。無論是云端訓練還是終端推理，對CPU、GPU等核心算力的渴求，目前還遠未見頂，這為“先進替代”提供了廣闊的市場土壤。
算力范式轉移：CPU依然重要
在公眾的普遍認知中，AI時代的主角似乎是GPU。然而，一個深刻的范式轉移正在發生，CPU的重要性在智能體時代被重新審視。
“在Agent時代，大量的任務編排、工具調用、記憶存儲等工作，其實都是在CPU上完成的。”海光信息服務器產品部總經理張攀勇指出，AI應用范式的轉變，使得CPU的工作負載顯著增加。以數據中心場景為例，此前CPU與GPU的比例通常是1:4或1:8。由于現在的負載中增加了沙箱、存儲、數據庫和向量計算等內容，這種配置比例正向1:1方向演進。也就是說，CPU成為了協同計算的核心。
這一趨勢在AI for Science(科學智能)領域尤為明顯。海光信息總裁助理、創新產品線總經理李成將AI加速卡比作“跑得飛快的賽車”，而CPU則是調度整個復雜系統的“綜合大管家”。在氣象計算、蛋白質折疊等場景中，不僅需要處理海量數據，更對計算精度有著極致要求。
李成進一步解釋說，“在這個過程中，海光至少有三個不可替代的作用，這也是保障CPU在這一領域發揮愈發關鍵作用的基礎。”
第一，海量數據調度與吞吐支撐。以氣象計算、蛋白質折疊等典型科學計算為例，其面臨的數據量極其龐大。在整體數據的管理、流轉與吞吐過程中，CPU在前期數據分流及綜合運算的全局調度中起到了關鍵性的主導作用。
第二，高精度浮點運算保障。不同于大語言模型普遍采用的半精度(16位)或四分之一精度(8位)等低精度數據格式，“AI for Science”普遍要求雙精度(64位)的高精度數據格式。由于多數AI加速卡無法滿足這一硬性要求，海光CPU的高精度浮點運算能力在此處提供了決定性的算力支撐。
第三，生態兼容性與成本優勢。海光CPU兼容傳統的x86生態，針對科研院所中大量存在的小眾/冷門軟件以及需要利舊的傳統硬件，這種兼容性使科研機構能夠無縫、順暢地運行既有的軟硬件體系與工具鏈，從而在降低遷移與時間成本方面起到了決定性的支撐作用。
毛細血管里的算力革命
如果說云端算力是大腦和心臟，那么端側算力就是無處不在的毛細血管和末梢神經。光合組織嵌入式產品專家張考華將2026年定義為“端側元年”，認為算力正從集中的云端向邊緣和終端全面下沉，萬物互聯正在進化為萬物智聯。
按照張考華的描述，無論是手機、手表，還是眼鏡、攝像頭，未來可能都將具備本地化的智能處理能力。例如，一副智能眼鏡可以實時記錄會議并生成紀要，而無需依賴網絡，這既保證了效率，也保護了隱私，徹底改變了人機交互的形態。
然而，將服務器級的算力能力下沉到碎片化、差異化的嵌入式市場，挑戰巨大。李成坦言，嵌入式市場客戶分散、板型繁多，生態融合需要投入巨大精力。為了應對這些挑戰，海光已展開系統性布局，包括：對內組建了專門的產品線與生態支撐團隊，以強化技術落地能力；對外借助與頭部OEM、ODM廠商的深度合作，將自身技術能力輻射至更廣闊的產業生態。
張考華補充道，嵌入式設備具有“泛在”特性，廣泛分布于工業控制、低空經濟、機器人等多元場景，這種“無處不在”的屬性決定了其底層架構的異構性與部署的復雜性。據悉，2026年下半年，市場就將看到一批基于海光嵌入式CPU的生態產品落地，真正打通算力落地的“最后一公里”。
與此同時，AI對傳統嵌入式領域的改造，也給研發模式帶來了根本性沖擊。過去，研發人員主要聚焦于操作系統之上的應用開發；而現在，他們必須前瞻性地考慮未來將運行何種模型。端側算力卡與內存帶寬的選擇，將直接決定設備的最終性能表現。而這正是海光的優勢所在——公司將依托其在CPU領域的技術積累，以及“光合組織”所構建的生態優勢，從容應對這一系列新挑戰。
針對公眾關切的“算力普惠”問題，張考華認為，從當前的產業演進軌跡來看，其普及化已具備堅實基礎。尤其是依托產能優勢與龐大的研發人才紅利，“中國路徑”正推動芯片級算力走向豐富多元，并加速實現成本遞減。
在供給側，云端與訓練端由通用GPU主導，提供海量規模算力；端側領域則迎來NPU、TPU、BPU等各類“XPU”的爆發式增長，算力正以前所未有的密度滲透進千行百業與日常生活。與此同時，隨著算力網絡與硬件生態的成熟，芯片間的數據互聯正變得愈發高效多元。而在安全層面，業界關注點已從傳統的云側防護，全面延伸至端側，構建起全鏈路的算力安全屏障。
當AI攻擊AI，硬件成為最后堡壘
AI技術的普及，也讓安全問題被無限放大。一個令人擔憂的趨勢是，大模型正在成為黑客手中的利器，攻防對抗進入了新的維度。
“過去一個安全團隊一兩年能挖出一個深度漏洞就非常強了，現在有了大模型，一個晚上可能就能挖出幾百個零日漏洞。”應志偉的比喻令人警醒。攻擊速度的指數級提升，讓傳統的軟件防御體系捉襟見肘，單純依靠軟件補丁已難以應對智能化的攻擊手段。
在此背景下，芯片級的硬件安全成為了抵御系統性風險的最后一道，也是最堅固的一道防線。
“硬件具有天然的不可篡改性。”應志偉解釋道，首先，硬件內部的設計與實現邏輯具有較高的封閉性，大模型無法像獲取開源軟件源碼那樣直接掌握硬件的內部構造，從而在分析硬件漏洞時面臨天然障礙。其次，硬件具有不可篡改性，芯片在代工廠生產完成后其物理結構便已固化，無法像操作系統或軟件程序那樣被輕易攻破或惡意篡改。
憑借著深厚的安全技術積累，海光在CPU和GPU中植入了可信根、機密計算、控制流保護等一系列安全機制，將防御體系下沉至硬件底層，構建起從物理層到應用層的立體防護網。
“當AI攻擊AI時，我們必須把安全沉到芯片里，才有可能有效防御。”這不僅是海光的技術路線，更可能成為AI時代整個信息安全產業的新共識。
結語
從國產化的“先進替代”到AI for Science的“大國重器”，再到端側算力的“毛細血管”和芯片安全的“最后堡壘”，海光信息的布局展現了一家中國核心算力企業在AI時代的全局思考。在算力成為新質生產力的今天，這條“中國路徑”的探索，不僅關乎一家企業的商業前景，更關乎整個國家數字經濟的自主與未來。
您可能感興趣
