如果說過去三年是大模型狂飆的“造夢期”，現(xiàn)在的AI產(chǎn)業(yè)，正在經(jīng)歷一場亢奮與痛苦并存的“落地大考”。

當企業(yè)滿懷期待地將AI融入生產(chǎn)線時，卻發(fā)現(xiàn)動輒千萬級的投資依然填不滿萬億參數(shù)的“算力饑渴”、底層硬件與開發(fā)框架間仿佛隔著難以逾越的壁壘、實驗室里跑通的流程在產(chǎn)線上頻頻宕機……

越來越多企業(yè)意識到，以往暴力堆疊服務(wù)器、隨便套用開源框架等“頭痛醫(yī)頭、腳痛醫(yī)腳”式的補救方案，在行業(yè)核心業(yè)務(wù)應(yīng)用面前徹底失效了。既然縫縫補補的捷徑走不通，有效的破局點又在哪呢？

日前結(jié)束的第四屆北京人工智能產(chǎn)業(yè)創(chuàng)新發(fā)展大會，以“融合、效能、安全——讓AI’+’出新活力”的主題，精準切中了當下的行業(yè)痛點。

其中在“融合·共創(chuàng)：產(chǎn)業(yè)巨擘談AI+”議題環(huán)節(jié)，華為公司副總裁、中國政企業(yè)務(wù)總裁吳輝在圓桌對話中系統(tǒng)闡述了華為對中國AI算力未來的核心判斷，以及從“單點突破”轉(zhuǎn)向“系統(tǒng)效能”的路徑。

透過吳輝在對話中的觀點，不難提煉出AI融入千行百業(yè)的路線圖。

01 融合創(chuàng)新，用“系統(tǒng)工程”打破天花板

讓我們先回到原點，正視一個跳不過的行業(yè)癥結(jié)。

為了喂飽動輒千億參數(shù)的大模型，工程師們不得不絞盡腦汁提升算力密度，把成百上千乃至上萬臺服務(wù)器塞進機房。當通信頻次隨模型層數(shù)指數(shù)級增長，微秒級的延遲在萬億次迭代中不斷累積，讓計算單元長時間處于等待狀態(tài)，導(dǎo)致算力利用率低下且運維成本猛增。

盲目堆砌算力，已然無法根治“算力饑渴”。

吳輝在演講中一針見血地指出：“一個芯片固然很重要，但人工智能是一個產(chǎn)業(yè)，也是一種新質(zhì)生產(chǎn)力，算力更是一個系統(tǒng)?！比A為的解題思路是“以系統(tǒng)性創(chuàng)新突破單芯片局限，用數(shù)學補物理、非摩爾補摩爾，打造創(chuàng)新的超節(jié)點架構(gòu)，實現(xiàn)規(guī)模算力的全球領(lǐng)先?！?/p>

直接的例子就是由8192張昇騰卡打造的Atlas 950 SuperPoD超節(jié)點，憑借內(nèi)存統(tǒng)一編址等優(yōu)勢，能夠像一臺計算機一樣高效工作，算力是業(yè)界主流水平的6.7倍，訓(xùn)練總吞吐提升17倍、推理總吞吐提升26.5倍，在未來多年都將是全球最強算力的超節(jié)點。

華為是怎么打破天花板的呢？答案正是吳輝提到的“系統(tǒng)性創(chuàng)新”。

在大規(guī)模AI訓(xùn)練與推理中，存在海量GB級的數(shù)據(jù)通信，想要提高算力利用率，通信帶寬要足夠?qū)?、通信時延要足夠低、內(nèi)存訪問要足夠快，任何一處的瓶頸，都會導(dǎo)致計算與通信相互等待。

華為的超節(jié)點架構(gòu)，創(chuàng)造性地解決了兩大挑戰(zhàn)。

一是將傳統(tǒng)以CPU為中心的架構(gòu)，變成了全對等互聯(lián)，CPU、NPU/GPU等設(shè)備在統(tǒng)一的協(xié)議下互聯(lián)互通，整合為統(tǒng)一的全局地址空間，不管數(shù)據(jù)存在哪塊內(nèi)存里，都只有一個“全局地址”，可以直接訪問。

二是通信協(xié)議的創(chuàng)新，傳輸?shù)牟辉偈潜恐氐摹皵?shù)據(jù)包”，而是包含內(nèi)存地址、操作碼（讀/寫）和緩存狀態(tài)位的“Flit”，極大地提升了通信效率，并通過緩存一致性協(xié)議確保所有計算單元看到的信息是相同的。

相較于傳統(tǒng)的計算集群，華為的超節(jié)點架構(gòu)實現(xiàn)了三個硬性指標，即大帶寬、低時延、內(nèi)存統(tǒng)一編址，讓集群像一臺計算機一樣學習、思考和工作，從根本上解決了算力利用率低、運維復(fù)雜度高等問題。

從“單點突圍”到“全局統(tǒng)籌”的躍變，揭示了AI時代的核心命題：在摩爾定律失效的當下，算力供給不再是比拼單卡性能的“加法游戲”，只有掌握系統(tǒng)級創(chuàng)新的“乘法法則”，用系統(tǒng)工程打破物理瓶頸，才是滿足整個行業(yè)的算力剛需、邁向通用人工智能的必由之路。

02 生態(tài)共創(chuàng)，打造繁榮開放的“黑土地”

把算力比作AI時代的骨架，生態(tài)就是關(guān)乎長期生命力的血肉。

回顧計算產(chǎn)業(yè)的發(fā)展史，從不缺少性能耀眼的產(chǎn)品，最終決定牌局走向的，往往是生態(tài)。當前中國算力產(chǎn)業(yè)面臨的真實困境在于：在制造和架構(gòu)創(chuàng)新上已經(jīng)能和國外掰手腕，軟件生態(tài)一直擺脫不了外部依賴。

面對這道殘酷的“生死題”，一些玩家試圖“走捷徑”。比如在CUDA的API和芯片的底層驅(qū)動間加一個“翻譯器”，可CUDA并非開源，第三方產(chǎn)品很難通過指令翻譯的方式實現(xiàn)完美兼容，還面臨英偉達扎緊藩籬（禁止通過轉(zhuǎn)譯層運行軟件等）的風險。

吳輝一語道出了AI產(chǎn)業(yè)的關(guān)鍵：“構(gòu)建一個芯片和系統(tǒng)不是最難的，最重要的是構(gòu)建一個大家共同使用和運用技術(shù)的開放生態(tài)。華為在計算領(lǐng)域始終堅定踐行‘硬件開放、軟件開源’戰(zhàn)略?！?/p>

對應(yīng)的行動有很多。

比如計算架構(gòu)CANN的全面開源開放。

有別于CUDA的封閉，CANN將算子庫、通信庫、圖引擎、編程語言、運行時等核心組件進行全量、分層解耦的開源。企業(yè)和高校的科研團隊可以深入到圖優(yōu)化、算子融合、內(nèi)存調(diào)度等底層機制進行二次創(chuàng)新，甚至不用局限于現(xiàn)成的工具和框架，可以根據(jù)自身需求進行深度定制和優(yōu)化，實現(xiàn)更高的性能和效率。

再比如靈衢2.0協(xié)議的全面開放。

作為超節(jié)點架構(gòu)的“靈魂”，華為在HC 2025上開放了靈衢2.0技術(shù)規(guī)范，包括開放超節(jié)點參考架構(gòu)、開放超節(jié)點基礎(chǔ)硬件、開源操作系統(tǒng)靈衢組件等等。底層技術(shù)協(xié)議和整套超節(jié)點技術(shù)的開放，意味著產(chǎn)業(yè)界可以基于技術(shù)規(guī)范自研相關(guān)產(chǎn)品或部件，自主設(shè)計基于靈衢的各種產(chǎn)品，實現(xiàn)真正意義上的AI算力自由。

原因并不難解釋。

站在企業(yè)和開發(fā)者的立場上，焦慮的不只是“好用不好用”，還涉及到是否自主創(chuàng)新：倘若底層機制不透明，只能依賴官方文檔，一旦業(yè)務(wù)出現(xiàn)性能瓶頸，往往無從下手；假如創(chuàng)新的節(jié)奏被單個平臺主導(dǎo)，像能源、制造、交通等行業(yè)，可能因為某個算子制約整個行業(yè)的效率……

時間印證了華為的選擇。

開源5年的OpenHarmony，匯聚了9200多名社區(qū)貢獻者，貢獻了1.3億行代碼；全面開源開放的CANN，不到半年就有1.3萬開發(fā)者參與進來，創(chuàng)新開發(fā)了420多個高性能算子。

數(shù)據(jù)是生態(tài)最好的注腳，當千千萬萬的開發(fā)者不再是單純的“使用者”，化身為生態(tài)的“架構(gòu)師”與“貢獻者”，自主創(chuàng)新的“黑土地”將越來越肥沃。

03 提升效能，AI落地的唯一檢驗標準

技術(shù)創(chuàng)新的原點，終歸要回到產(chǎn)業(yè)的本質(zhì)——生產(chǎn)力。

當前不少企業(yè)對AI的理解仍停留在表層，認為僅僅是一次IT系統(tǒng)的例行升級，或者是采購一套更聰明的軟件工具——買幾臺服務(wù)器、接幾個大模型的API，就能順理成章地貼上“數(shù)智化”標簽。

也就是說，在AI融入千行百業(yè)的過程中，不僅要提供充沛的算力、打造繁榮的生態(tài)，還需要成熟的經(jīng)驗和轉(zhuǎn)型方法論。

在華為公司副總裁、中國政企業(yè)務(wù)總裁吳輝看來，“企業(yè)走向AI與業(yè)務(wù)的融合本身是一場變革，包括重構(gòu)生產(chǎn)方式、生產(chǎn)關(guān)系以及商業(yè)模式等。因此，AI一定要跟企業(yè)的流程、組織、IT、數(shù)據(jù)以及業(yè)務(wù)場景深度結(jié)合，才能打造新質(zhì)生產(chǎn)力，提升企業(yè)的效能?！?/p>

過去五年時間里，華為和伙伴協(xié)助3.3萬多家企業(yè)完成了數(shù)智化轉(zhuǎn)型，交出了一份份實打?qū)嵉某煽儐巍?/p>

在港口行業(yè)，天津港與華為共同推進港口行業(yè)大模型PortGPT的研發(fā)和落地應(yīng)用，實現(xiàn)了近百輛無人集卡的自動駕駛、岸橋遠程操控和全流程的AI排產(chǎn)，港口運行效率提升了15%，正作為港口數(shù)智化的新標桿向海外復(fù)制。

在制造行業(yè)，華為在初期頂層設(shè)計時就參與了賽力斯超級工廠的建設(shè)，從網(wǎng)絡(luò)基礎(chǔ)、數(shù)字平臺、應(yīng)用場景到運營管理，打造了全鏈路智能化解決方案，助力賽力斯超級工廠實現(xiàn)AI與數(shù)據(jù)的雙輪驅(qū)動，助其最快30秒就能下線一輛車。

隔行不隔理，華為深度參與3.3萬多家企業(yè)數(shù)智化轉(zhuǎn)型的經(jīng)驗，沉淀成了一套可復(fù)制的方法論。

譬如在怎么從0到1落地AI的問題上，華為基于實踐經(jīng)驗總結(jié)了“三層五階八步”方法論，把模糊的AI落地變成了清晰可執(zhí)行的步驟，即從業(yè)務(wù)場景出發(fā)，沿著業(yè)務(wù)流程、組織，數(shù)據(jù)和應(yīng)用指導(dǎo)業(yè)務(wù)如何一步步落地AI，讓企業(yè)不用再摸黑試錯，少走一些彎路。

讓我們印象深刻的是，吳輝在對話中沒有過多強調(diào)華為的經(jīng)驗和方法論，而是多次提到“效能”一詞。

既是華為對自身軟硬件能力和成熟方法論的篤定，也為陷入落地焦慮的企業(yè)開出了一劑清醒的藥方：AI必須深入到業(yè)務(wù)場景，完成“技術(shù)演示”到“生產(chǎn)要素”的跨越，對企業(yè)的利潤表、效率曲線產(chǎn)生可量化的影響，蛻變?yōu)榭吹靡姷摹靶沦|(zhì)生產(chǎn)力”，而非為了AI而AI。

特別是在AI進入“落地大考”的2026年，勢必會醞釀出各種各樣的新概念、新產(chǎn)品、新方案，千萬別被“名詞式創(chuàng)新”帶偏，唯有提升效能，才是檢驗AI落地價值的標準。

04 寫在最后

正如吳輝在對話結(jié)尾所強調(diào)的：“AI時代，我們要有緊迫感，人工智能可能是人類最后一次技術(shù)革命，我們要夜以繼日，全力以赴追趕世界領(lǐng)先；同時我們要能深入行業(yè)，深刻理解行業(yè)需求，協(xié)助企業(yè)把人工智能融到生產(chǎn)和業(yè)務(wù)中去，助力千行百業(yè)在智能時代走向世界領(lǐng)先?！?/p>

這場通往智能時代的“遠征”，絕不是華為一家企業(yè)的獨角戲，而是千行百業(yè)的集體答卷。

當華為通過創(chuàng)新的超節(jié)點架構(gòu)夯實了算力底座，用“硬件開放、軟件開源”的決心培育了生態(tài)沃土，用腳踏實地的態(tài)度跑通了AI落地的路徑，誰先把AI融入生產(chǎn)一線，誰就能先吃到數(shù)智化轉(zhuǎn)型的紅利。