来源：环球网

【环球网科技报道 记者 李文瑶】2026年过半，端侧AI“元年”的产业共识正加速照进现实。据中信建投估算，2026年手机与PC端AI渗透率预计分别达到45%和62%，IDC的报告显示IoT与边缘终端AI芯片出货量同比激增超110%——数字勾勒出算力从云端向物理世界末梢奔涌的图景。

然而，产业热度之下，真实挑战浮出水面：大模型参数竞赛渐入瓶颈，更棘手的命题是，算力底座能否支撑起工厂车间、电力网格、银行柜台、家庭终端这些真实场景的落地需求。AI竞赛的上半场，比的是参数、刷的是榜单；下半场，比的却是谁能让AI稳稳地跑进业务现场。

算力，正从云端下沉到边缘和终端；产业竞争，也从单一的芯片性能比拼，演变为“芯片—平台—生态—应用”的全链路较量。这场从“拼产能”到“重生态”的产业跃迁，决定了国产算力能走多远。

算力产业的三重门

国产算力近年来发展迅猛，但从“可用”到“好用”之间，仍横亘着必须跨越的三道门槛。

第一重门槛是算力利用率的巨大落差。中信证券计算机首席分析师杨泽原在光合组织2026智能计算应用大会的采访中指出，在金融、能源、交通这类关键基础设施行业，场景往往涉及数据主权、低时延和高安全，完全依赖云端并不现实。邮储银行总工程师徐朝辉在演讲中更直言不讳地说道：在银行乃至金融行业，通算、智算、超算以及边缘计算都有自己适应的场景，构建混合异构分布式算力平台是必然选项。这不仅要求算力卡具备精湛的并行计算技术，还要拥有良好的生态开放性、兼容性，让金融AI算力应用更容易上手和落地。

第二重门槛是企业适配成本高昂。对于传统行业而言，迁移至国产算力平台往往意味着高昂的改造成本和陡峭的学习曲线。从CUDA生态向国产异构计算平台迁移，涉及算子适配、模型重构、性能调优等多个环节，时间和人力成本让许多中小企业望而却步。这种迁移的“摩擦力”，延缓了国产算力在千行百业的渗透速度。

第三重门槛是软件生态的碎片化。 国产芯片厂商众多，但各自为战的软件栈导致生态割裂。开发者每适配一家芯片，往往需要重新学习一套工具链、重写一遍算子库。海光信息总裁助理兼智能计算产品部总经理杜夏威的演讲中表示：近两年智能产业供需爆发，大模型与智能体应用加速落地，对算力适配、调度能力要求持续提升。Token经济正驱动新一轮IT架构变革，全域软硬件协同是国产算力从“可用”迈向“好用”的关键一跃。

破局：云边端一体化的全栈算力体系

面对三重瓶颈，头部国产算力企业正尝试给出系统性答案。海光信息在光合组织2026智能计算应用大会上完整呈现的“云边端”算力体系，是国产算力从“单点突破”走向“体系化作战”的标志性转变。

这套体系以CPU、DCU、嵌入式芯片构建三大支柱。

CPU层面，是数字世界的“总调度”。 海光CPU原生兼容x86生态，承担通用计算与系统调度职能，从桌面终端到数据中心服务器、从单机应用到大规模集群部署，为政务、金融、能源等关键行业提供自主可控的通用算力支撑。如果把算力体系比作一个庞大的城市交通网络，CPU就是那个站在全局视角、协调各路车流的“总调度中心”。所有计算任务的发起、资源的分配、进程的调度，都由它来统筹安排，确保整个系统的秩序与效率。

DCU层面，是智能世界的“加速引擎”。 海光DCU作为国产GPGPU，依托DTK异构计算平台无缝适配CUDA生态，已完成四百余款大模型适配，覆盖主流AI框架，可实现代码无感迁移、几乎无需二次开发。这意味着，企业无需为迁移付出高昂的重构成本，大幅降低了国产算力的使用门槛。DCU的高并发推理能力，使其在大规模高并发场景中表现突出，为AI从训练走向推理落地提供关键算力支撑。在智能世界里，DCU扮演着“加速引擎”的角色——当大模型训练和海量数据并行计算需要巨大算力时，它负责冲在最前面，大幅缩短计算时间，让AI的思考和响应速度真正跟得上业务需求。

嵌入式算力，则是物理世界的“计算触角”。 这是海光云边端体系向产业现场延伸的核心载体。海光嵌入式芯片具备低功耗、高可靠、超宽温适配等特性，面向工业控制、边缘计算等场景专项优化，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。

杨泽原在分析工控市场时特别强调了嵌入式场景中“原生安全”能力的重要性：优秀国产芯片从底层架构支持国密算法、可信计算、隐私计算等，无需外置安全设备，避免性能空间占用。这意味着在工控嵌入式场景中，可以实现从芯片根到端的“原生安全”。

在物理世界里，嵌入式算力像无数个灵敏的“神经末梢”，贴近机器设备、传感器和终端，就地完成数据采集和实时判断，让算力真正抵达了生产一线的“最后一公里”。

贯穿三层架构的是内生安全能力。海光将密码技术、机密计算、可信计算、漏洞防御等能力嵌入芯片底层，构建起从芯片到应用、从技术到生态的全栈安全屏障。杨泽原在采访中指出，无需外置安全设备即可实现“原生安全”，这对工控嵌入式领域的应用至关重要。在关键基础设施领域，这种“芯片级”主动安全防御体系，为AI技术深度融入核心业务筑牢了安全底线。

这套体系的逻辑十分清晰：用CPU管全局调度，用DCU加速智能计算，用嵌入式打通产业现场，在三大支柱基础上内生安全守住全链路可信。四者协同，构成了从云中心到边缘到终端的完整算力版图。

正在发生的产业变革

“云边端协同”不是纸上蓝图，而是正在发生的现实。算力正从抽象的云端算力，变成工厂里、电网中、银行柜台后、家庭终端内触手可及的生产力。

金融行业的规模化落地也步入了常规阶段。 邮储银行是国产算力在金融行业规模化应用的典型样本。据徐朝晖介绍，邮储银行基于海光DCU部署OCR文字识别模型，为31个业务系统提供统一的图片识别能力，让OCR小模型优势与AI大模型互为补充，进而形成了高可用、高并发、弹性调度、资源隔离、稳定OCR识别能力，金融AI安全与能效得到双重提升。这是金融行业核心生产系统对国产算力稳定性、可靠性的有力背书。

工业与能源场景的现场智能化也已经成为常态场景。 在工业领域，国产算力正从“可用”走向“好用”。光合组织嵌入式产品专家张考华表示，端侧AI正以“算力下沉”的方式重塑硬件的交互逻辑与智能边界。海光嵌入式芯片面向工业控制、边缘计算等场景专项优化，解决了边缘侧算力弱、实时响应慢、恶劣环境适配难的行业痛点。从智能巡检机器人到EtherCAT高精度运动控制方案，国产算力正在半导体、精密制造等场景落地，让算力真正延伸到生产一线。在工控安全领域，针对震网病毒、Triton等工业安全威胁，海光内生安全能力从芯片底层构建硬件级主动防御体系，为关键基础设施提供全链路可信保障。

而国产算力的未来不在于单打独斗，而在于生态协同。截至目前，海光依托光合组织已完成6000余家生态伙伴、上万项软硬件适配优化。从“可用”走向“好用”，需要凝聚开发生态的力量——正如杜夏威所言：“独行快，众行远。”共建开放的生态平台，通过全栈软件协同赋能产业Token化，是国产算力降低使用门槛、拓宽应用边界的必由之路。

算力向下，产业向上

AI产业竞争的下半场，比的不是谁有更炫酷的DEMO，而是谁能把算力真正变成各行各业触手可及的生产力。

从云端下沉到边缘，从数据中心延伸到工厂车间，“算力向下”的进程正在加速。与此同时，“产业向上”的图景也在展开——金融风控更精准、工业生产更柔性、能源调度更智能、政务服务更高效。国产算力产业完成了从“无”到“有”的跨越，正在经历从“有”到“好”的蜕变。

这场蜕变的关键，在于从“拼产能”走向“重生态”。芯片性能是基础，但单一芯片的算力优势如果不能转化为易于使用、安全可靠、生态完善的全栈解决方案，就难以在真实业务场景中发挥价值。海光“云边端”算力体系的构建，标志着国产算力产业的竞争逻辑正在改变——不再是参数表上的数字竞赛，而是芯片、平台、生态、应用的全链路较量。

当算力真正走向工厂车间、走向电力网格、走向金融柜台、走向千家万户，AI才算真正完成了从技术到生产力的完整升级。