当前位置:首页 > 原创 > 21ic编辑部
[导读]随着AI产业高速迭代、大模型与行业智能体规模化落地,市场对高质量Token的需求呈爆发式增长,但供给端结构性不足愈发突出:算力架构碎片化、生态封闭割裂,Token生产不稳、供给失衡;Token浪费与短缺,投入产出比例失衡,这些因素共同制约产业高质量发展;同时,Token在流转与使用过程中的数据安全风险日益凸显,算力底座的安全防护能力成为AI经济不可或缺的基石。

随着AI产业高速迭代、大模型与行业智能体规模化落地,市场对高质量Token的需求呈爆发式增长,但供给端结构性不足愈发突出:算力架构碎片化、生态封闭割裂,Token生产不稳、供给失衡;Token浪费与短缺,投入产出比例失衡,这些因素共同制约产业高质量发展;同时,Token在流转与使用过程中的数据安全风险日益凸显,算力底座的安全防护能力成为AI经济不可或缺的基石。

破解焦虑绝非单一企业、单点技术所能实现,唯有开放协同、全链合力,构建贯通底层硬件、软件、应用的完整体系,才能从根源上提升Token效益、保障Token安全、释放算力价值。

在近日召开的2026天津智博会上,光合组织携生态伙伴集中亮相,以“开放计算Token谱系,告别Token焦虑”为核心,直击Token成本高、产出效益低的核心痛点。

海光信息总裁助理兼智能计算产品部总经理杜夏威在展台采访中谈到,大模型或者说是算力Token化之后,带来的一定是受众和用户群体的进一步数量级增长。因此CPU侧发挥的作用会越来越大。另外一个维度,即便是回到我们今天的数据中心端,其实CPU侧在调度上也需要去支撑好模型的推理以及训练,还有当下的各种Forms的场景下都起着非常关键的作用。

“它既保障了我们数据中心端,或者是当下比较昂贵的GPU算力的高效发挥。同时,也对于我们当下算力或者是Token化去触达更多的场景,都会起到非常关键的作用。”

当前市场情况表明,该领域未来仍具有广阔的发展空间。特别是在大模型参数量持续攀升、MOE(混合专家)逐渐成为主流模型架构的背景下,业内面临着必须将KV Cache、部分算力或模型卸载(offload)至主机CPU端的技术需求。

受此技术趋势的影响,行业发展主要呈现出两个方向:一方面推动了智能体及端侧业务应用的发展;另一方面,在数据中心端,围绕CPU与GPU构建紧密耦合的系统化架构正成为重点发展方向。

综合上述两大应用场景与渠道的共同发展,行业整体对CPU的依赖程度及市场需求均呈现出不断升高的趋势。

在展台上,我们也有幸采访到了麒麟软件副总经理姚翎,姚总表示,在当前AI产业规模化落地的背景下,国产算力生态通过全链条的协同优化,为token价值提升构建了核心优势,依托自主可控的软硬件底座,生态能够有效降低算力调度与兼容损耗,提升资源的利用效率。

在姚总看来,一个成熟的开放计算Token谱系应当具备四大核心特质:

·一是开放包容,能够兼容多架构、多厂商的算力资源,打破技术壁垒,实现生态的自由接入;

·二是价值公允,算力贡献可量化、可追溯,价值分配透明公正,切实保障所有参与方的合法权益;

·三是安全可信,依托自主可控的国产底层技术,保障算力与数据安全,并具备规模化商用的基础;

·四是生态可扩展,能够适配多元行业的应用场景,并随着产业发展持续迭代价值体系。

在光和组织的生态体系中,海光作为计算底座核心的芯片厂商,麒麟软件作为操作系统厂商,双方共同构建了信息化的坚实底座。通过深度协同优化,能够为行业客户带来显著的增值服务。

2026世界智能产业博览会以“智行天下、能动未来”为主题,紧扣“AI+”产业发展脉搏,聚焦新质生产力培育、智能算力升级与产业生态融合,是全球智能科技前沿成果展示、行业趋势深度交流的核心平台。

光合组织携生态伙伴集中亮相,基于国产芯如海光双芯协同底座,立足开放计算架构与应用生态协同,通过算法优化、硬件提效、生态互通实现Token降本增效同步落地;同时以芯片级内生安全技术,为算力全生命周期提供原生安全防护,系统性展示全链合力,精准赋能Token提质增效,彰显国产算力共赢未来的产业合力。

展区内,海光CPU+DCU双芯底座真机亮相,直观展示底层支撑能力与芯片级内生安全能力,夯实开放计算根基、筑牢Token供给与安全底线;光合拓展专区企业,集中展示国产化算力生态在应用领域的落地成果。完整呈现开放计算谱系提升Token效益的全流程,彰显全链合力破解行业痛点、引领算力价值跃迁的坚定实力。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
换一批
延伸阅读

ChatGPT横空出世后,硅谷玩起了老套路,它们以极低的价格疯狂扩张,不计成本。这一时期被称为“补贴智能”时代。

关键字: AI 人工智能 Token

数十年来,PC 的设计始终围绕着用户使用应用的模式展开。智能体 AI (Agentic AI) 改变了这一模式:应用更加具备自主能力,用户只需向智能体下达指令,它们便能在工作流中完成观察、推理、规划与执行操作。

关键字: PC CPU GPU

在人工智能领域,Token 就是这个世界的硬通货。读懂 Token,就能看清 AI 的计费逻辑、成本压力,以及厂商与用户之间的博弈关系。

关键字: AI 人工智能 Token

在现代计算机系统中,CPU的运算速度早已远超内存的访问速度。为了弥补这一差距,CPU高速缓存(Cache)应运而生,它通过存储CPU近期可能访问的数据,极大地减少了CPU等待内存响应的时间。然而,缓存系统的设计也带来了一...

关键字: CPU CPU Cache

如果你把计算机比作一座精密运转的工厂,那么CPU就是工厂的核心控制室,而寄存器则是控制室里最忙碌的“隐形管家”。它们体积微小却能量巨大,在纳秒级的时间里完成数据中转、指令调度和状态记录,支撑着整个计算机系统的高效运行。很...

关键字: CPU 寄存器

在嵌入式系统的复杂架构中,数据传输的效率直接决定了系统的整体性能。想象一个繁忙的物流中心:成千上万的包裹需要快速分拣、配送,如果每件货物都需要总控中心亲自处理,整个系统将立即陷入瘫痪。嵌入式系统中的DMA(直接存储器存取...

关键字: DMA CPU

系统卡住时,CPU 利用率常常并不高,真正出问题的是关键任务再也抢不到自己该有的窗口。嵌入式调度只要让优先级关系失真、执行时间预算失控,高优先级任务就可能在统计上一直存在,却在现场意义上已经被饿死。

关键字: 嵌入式 CPU 空载
关闭