产算力建设进入“有章可循”阶段，信通院联手海光给出落地路线图

企业AI算力应该怎么建？芯片怎么选、旧系统怎么迁、应用如何落地、平台又该如何持续升级？

8月18日，在中国人工智能产业发展联盟第十八次全体会议上，《数智时代企业算力基座建设路径与行业实践研究报告》正式发布。该报告由海光信息技术股份有限公司、中国信息通信研究院人工智能研究所、海光产业生态合作组织、中国人工智能产业发展联盟基础软硬件与生态工作组联合编写。

图片

报告没有局限于技术参数，而是围绕企业算力建设的全生命周期，提出“4C模型”，并梳理能源、制造、央企司库、集成电路和工业软件等领域的实践案例。

这表明，国产算力基座建设正在从企业分散探索，走向方法逐步成型、实践路径日益清晰的新阶段。

▌研究机构沉淀方法，产业一线验证路径

此次报告由中国信通院人工智能研究所、海光信息及海光产业生态合作组织联合发布，具有较强的产业代表性。

图片

中国信通院人工智能研究所从产业共性问题出发，梳理企业算力基座建设的关键矛盾；海光及其产业生态则提供芯片、软件、系统适配和行业项目的一线实践。研究方法与产业经验相互结合，使报告既能回应国家“人工智能+”和科技自立自强的战略方向，也能回答企业在选型、迁移和运营中的现实问题。

报告提出的Chain（供应链安全与韧性）、Community（生态和产品矩阵）、Commercial（商业闭环）、Carbon（绿色高效）四个维度。其核心判断是，算力基座并非设备集合，而是一套需要长期服务核心业务的复杂系统，必须统筹技术安全、迁移成本、应用产出和全生命周期效率。

▌双芯体系筑牢底座，开放生态降低门槛

从报告呈现的实践看，海光已经形成覆盖通用计算与智能计算的产品体系。C86处理器可承载企业事务处理、通用计算及存量业务，DCU加速器面向大模型训练、推理和科学计算，两者协同满足不同类型的计算负载。

在此基础上，DAS软件体系以及整机、基础软件、开发框架和行业应用伙伴，共同构成海光产业生态。其实际价值，在于降低企业国产化迁移和AI应用部署的门槛。

大型企业原有信息系统通常经过多年建设，涉及数据库、中间件和大量专业软件。如果每个项目都重新开发、逐项适配，迁移成本很难控制。通过沉淀软硬件组合、适配成果和部署流程，已经验证的方案可以在更多行业复用，推动国产算力从单点突破走向全栈协同。

▌行业应用检验能力，核心业务衡量成色

算力基座是否成熟，最终仍要由真实业务检验。报告收录的多个案例，覆盖能源勘探、生产运营、央企司库、智能制造及工业软件等复杂场景，这些业务对连续运行、软件兼容和数据安全均有较高要求。

例如，海光C86处理器、DCU正在与EDA、SCADA等专业软件协同适配；“云边端”算力体系可服务制造现场的低时延任务；某石化央企液冷DCU集群则能支撑9类、200余项AI场景稳定运行。国产算力由外围系统走向生产与经营核心，说明评价标准已经从“能否运行”转向“能否稳定承载”。

这份报告的重要意义，在于将分散的落地经验进一步提炼为可参考、可复制的建设路径。对海光而言，被写入这套方法体系的也不只是一颗芯片，而是C86、DCU、软件体系、开放生态和行业交付共同构成的综合能力。随着企业AI进入规模化应用阶段，这种全栈协同能力将成为国产算力竞争的重要分水岭。

声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。