全景算力部署与全栈软件协同：海光信息在Token时代的智能计算迭代路径

在全球半导体产业剧烈变革的背景下，算力作为数字经济的底层驱动力，正在经历从通用计算到智能计算的重心转移。随着大模型技术从实验室走向千行百业，行业对算力的评价标准也发生了深刻变化。单纯的峰值性能指标已不足以衡量芯片的真实价值，算力是否好用、生态是否兼容、供应链是否韧性，成为了企业在智能化转型中考量的核心维度。

2026年7月9日，光合组织2026智能计算应用大会在郑州开幕。作为光合组织的核心成员，海光信息在此次大会上集中展示了其覆盖数据中心、边缘计算以及物理端侧的全景AI计算体系。同时，海光信息总裁助理兼智能计算产品部总经理杜夏威在媒体沟通环节，详尽阐述了海光在全精度算力架构、双芯协同战略、三层软件栈演进以及供应链保障方面的深度思考。

核心技术路线的长期主义：GPGPU与全精度架构的底层逻辑

在AI芯片领域，技术路线的选择往往决定了企业的中长期天花板。面对快速迭代的算法需求，海光信息并未选择频繁更换赛道，而是始终坚持其最初定义的计算架构。这种稳定性为下游开发者和合作伙伴提供了极其重要的确定性。在当前的算力竞争中，这种确定性直接转化为了生态的粘性与软件开发的延续性。杜夏威指出：“实际上我们从最初选取的GPGPU架构，加上全精度这样一个路线，我们直到今天为止都从未发生过任何的改变。”

海光所坚持的GPGPU架构，通过高度并行的计算单元和通用的编程模型，能够同时兼顾传统高端计算与现代人工智能计算的需求。这种架构的优势在于其极强的适应性。无论是处理复杂的矩阵运算，还是执行非规整的逻辑计算，GPGPU都能提供稳定的性能输出。特别是在全精度算力方面的坚持，使得海光DCU在科学计算领域占据了独特优势。全精度意味着芯片能够支持从双精度浮点到整数运算的所有主流精度格式。在人工智能模型训练中，低精度运算可以提升效率并降低功耗；而在高精度的科学模拟和工程计算中，双精度算力则是结果准确性的唯一保障。

坚持全精度路线的意义还在于为未来的技术演进预留了可能性。随着大模型应用向垂直行业深入，很多场景需要人工智能与传统数值模拟进行深度融合。海光的架构能够在一个统一的硬件平台上，同时支撑起这两类截然不同的任务需求。这种“不改变”的初心，本质上是对计算规律的深刻理解。它让海光在过往的研发周期中，能够将全部精力集中在架构性能的挖掘与软件生态的打磨上。通过持续不断的迭代，海光已经在开发者习惯和软件储备上形成了显著的飞轮效应。这种积累一旦跨过临界点，将成为竞争对手难以逾越的技术壁垒。

本地应用场景的试验田价值：海量需求驱动下的产品迭代速度

在人工智能芯片的国际竞争中，中国市场拥有一个独特的变量，即海量的数字化转型场景。这些场景不仅提供了数据，更提供了一个个极其复杂且真实的测试环境。对于芯片设计厂商而言，这种“试验田”的价值远超纯粹的实验室仿真。它能让研发团队迅速感知到算法的变化、访存的瓶颈以及通信的压力。杜夏威在谈到国际竞争优势时表示：“相比于国际上来说，国内具备海量的应用需求市场，所以对于这样的场景和试验田来说，其实是我们芯片自身迭代一个非常好的营养和供给，有了这个场景需求，我们才能够有序和有方向去规划自身产品和技术的迭代。”

国内丰富的行业应用为海光提供了有序的研发路线图。通过深入金融、能源、交通等关键行业，海光紧贴一线业务的原生诉求进行技术迭代。在本次大会上展示的智能巡检机器人、AI BOX端侧一体机以及封闭场景工业自动驾驶解决方案，正是这种场景驱动的成果。有了明确的应用导向，芯片的迭代就不再是盲目的参数攀升，而是依托芯片级的内生安全能力与软硬件协同，切实解决重点行业在实际生产环境中的数据安全与稳定运行问题。

这种基于场景的迭代逻辑，也让海光在应对新技术趋势时表现得更加从容。当Token产业化成为热点，海光可以迅速调动生态资源，在实际的生产环境中验证其Token产出效率。相比于单纯在Benchmark上刷分，海光更关注算力在业务链条中的流转效率。通过将芯片置于海量的应用场景中进行打磨，海光成功地将市场压力转化为了研发动力。这种深植于本土市场的创新模式，确保了其产品始终处于产业应用的最前沿。

业务规律与全精度的平衡：尊重行业原生诉求的技术初心

当前，AI for Science和AI for Engineering已成为推动产业升级的重要力量。这意味着人工智能不再仅仅是办公场景里的辅助工具，而是要深入到工业仿真、药物研发、气象预报等核心业务流程中。在这些领域，计算的精准度直接关系到科研成果的可靠性。海光坚持全精度算力，本质上是对行业发展客观规律的尊重。杜夏威在解释为何坚持这一路线时强调：“因为AI在今天来讲是一个颠覆性的技术，但这并不意味着你融入了AI要颠覆原有的生产业务模式，这也是我们坚持全精度的原因和初心所在。”

传统的生产业务模式通常积累了数十年的工程经验和数值模型。这些模型往往运行在高精度的算力平台上。如果为了引入人工智能而强制要求业务部门放弃原有的精度要求，或者改变其底层计算逻辑，往往会导致极高的迁移成本和潜在的技术风险。海光的思路是提供一种平滑的过渡。通过全精度DCU，用户可以在保留原有高精度数值计算任务的同时，逐步引入人工智能算法进行增强。这种混合计算的模式，能够让传统行业在不破坏原有业务逻辑的前提下，享受到人工智能带来的效能提升。

在实际的业务场景中，全精度支持带来的灵活性不可替代。杜夏威指出，引入AI并不意味着要颠覆原有的生产业务模式，必须尊重行业数十年的工程经验和客观规律。在行业融入AI的早期阶段，芯片可以全量支撑传统数值方法或工程计算所需的高精度算力；而随着AI技术的渗透和混合计算需求的提升，海光芯片能够无缝调用新迭代出的AI特性，同时保留对传统业务流程的底座支撑，从而实现100%的业务流程全覆盖。

软件生态的三层封装：将复杂算力转化为便捷调用的基础设施

在智能计算时代，软件栈的厚度往往决定了硬件的利用率。为了让算力真正服务于业务专家而非仅限于计算机专家，海光构建了一套完整的三层软件栈架构。这套架构通过层层封装，将复杂的底层指令转化为易于使用的编程接口。杜夏威对这套生态系统的价值进行了清晰定义：“从我们的角度上，软件层或者叫生态层的意义就在于依托我们自身的软件栈或者是生态伙伴，将算力封装成为一种底层的基础能力，用户只需要去调用它，而不需要关注它到底是什么精度。”

第一层是基础软件栈DTK，它直接对接芯片的硬件特性。DTK的作用是将硬件提供的强大算力转化为软件层可见的资源。它包括了编译器、调试器以及针对芯片优化的高性能算子库。DTK的更新节奏与硬件完全同步，确保每一项新的架构特性都能第一时间被软件利用。第二层是人工智能软件栈DAS，它专注于解决大模型的适配与优化问题。DAS提供了与主流深度学习框架的深度集成，支持算子的自动映射与并行策略的自动优化。这一层通过小步快跑的迭代方式，确保了对学术界和产业界最新算法的快速响应。

第三层是平台层DAP，它是直接面向业务开发者的界面。DAP的核心目标是实现计算能力的透明化。在DAP的体系下，开发者调用的是一种名为Token的服务能力，而不是去手动管理显存分配或计算单元调度。近期推出的DAPClaw更是将这种封装能力延伸到了智能体领域。无论是进行代码辅助生成，还是多模态内容创作，开发者都能通过标准化的接口便捷地调用算力资源。这种三层封装的模式，极大地降低了人工智能的开发门槛，让业务专家能够将精力集中在行业知识的挖掘上，从而加速了技术在金融、医疗、制造等领域的普及。

智能体时代的算力协同：借力CPU普适性实现云边端联动

随着AI Agent成为产业热点，计算的任务形态也发生了变化。大语言模型不再是单一的回答系统，而是演变成了具备规划、记忆和工具调用能力的复杂系统。这种任务特征要求计算架构具备极高的灵活性。海光坚持的CPU与DCU双芯协同战略，在这一背景下展现出了独特的适应性。杜夏威指出：“我们其实也是希望借助于CPU的这种普适性来尽可能将我们AI实现CPU、GPU的联动。”

CPU具备极强的通用性和逻辑控制能力。在智能体的工作流中，涉及到大量的流程控制、数据清洗等。这些任务如果全部交给GPU，不仅会造成资源的浪费，还会因为逻辑分支过多而降低效率。而海光的CPU产品基于通用的指令集，具备庞大的开发者基础和成熟的操作系统支持。通过强化CPU对AI业务的支撑能力，海光能够让CPU承担起任务调度和轻量级推理的任务，而让DCU专注于大规模的并行计算。这种双芯协同的模式，能够显著提升系统的整体能效比。

除了性能层面的互补，双芯协同还带来了生态层面的广阔覆盖。CPU的普适性意味着它可以部署在从服务器到边缘网关再到高性能工作站的各种形态中。海光通过统一的软件框架，让AI能力可以随着CPU的分布延伸到物理世界的各个角落。在光合组织大会上展示的巡检机器人和端侧一体机，正是这种联动的成果。通过在边缘侧部署海光CPU，系统能够实时处理本地数据并进行初步决策，只有在面临复杂任务时才向云端DCU请求算力支持。这种分布式的算力布局，为物理智能的实现提供了关键的技术基础。

产业链韧性与规模化落地：支撑十万卡集群的供应保障体系

在人工智能产业进入大规模部署阶段后，供应链的稳定性成为了核心竞争力。高端算力的需求往往具有突发性和规模化的特点，这对芯片厂商的产能协调能力提出了巨大考验。海光通过多年的深耕，已经建立起了一套从上游物料储备到下游交付保障的完整体系。杜夏威表示：“不管是我们对于一些紧缺物料的提前储备，还是说我们对于国内产业链条提供一些新技术的提前铺垫和打磨，我们都做了充沛的准备。”

这种准备体现在对核心环节的深度参与和提前布局上。海光不仅关注自身的芯片研发，更通过光合组织等平台，与国内产业链各环节的厂商建立了深度的协同机制。这种协同不仅包括了产能的优先保证，还包括了工艺层面的联合攻关。通过这种产业链的合力，海光能够有效抵御外部环境波动带来的风险。

产业链的韧性最终体现为大规模项目的落地能力。在光合组织大会期间，中国首个全国产十万卡AI超集群——曙光8000（登峰）正式落成，系统搭载海光等国产芯片算力底座，进一步验证了海光芯片支撑大规模Token生产和产业级AI应用的能力。

结语

海光信息在2026年光合组织智能计算应用大会的亮相，清晰地展现了国产算力产业的进阶之路。从全精度GPGPU架构的长期坚守，到覆盖云边端全场景的算力协同；从深度封装的三层软件栈，到支撑十万卡集群的供应链韧性。海光的每一步走得扎实且有预见性。它不仅是在制造一颗高性能的芯片，更是在构建一套适应Token时代、尊重行业规律、深度融合场景的智能计算底座。

在人工智能技术从颠覆迈向普及的关键窗口期，海光通过提供好用且安全的算力平台，让原本复杂的数字技术变为了触手可及的生产力。这种对技术底层的深耕和对应用场景的敬畏，确保了其在未来的全球化算力竞争中拥有一席之地。通过联合产业链上下游伙伴，海光正在将国产算力的潜能转化为推动实体经济智能化转型的实际成效，为数字中国建设筑牢了坚实的基石。