从“代码移植”到“并行优化”：国产算力如何跨越深水区，让每一分算力都跑出

当前，人工智能正引领新一轮产业变革，从大模型的创新迭代到智能体的加速应用，算力作为数字大脑的底座，其支撑作用愈发凸显。如何让澎湃的算力转化为先进的生产力，赋能新质生产力加快培育，已成为我国人工智能产业竞争全球价值高地的关键课题。

“算力是人工智能产业的发展底座，其重要性不言而喻。”九三学社中央科技专委副主任、中国科学院计算技术研究所研究员张云泉在做客人民网《人民会客厅》时表示，我国算力规模在近两年发展迅速，总算力规模已位居世界前列。面对大模型训练及应用需求，我国正加码投入，通过“东数西算”工程及全国一体化算力网的建设，在全国布局高质量算力，旨在缓解算力分布不均问题并为产业发展提供更好的服务。

在产业一线，企业对算力的感知更为直接。国家新一代人工智能公共算力开放创新平台执行主任、是石科技创始人兼董事长闫博文表示，当前企业端对于算力的需求呈现出明确的“分层聚类”态势。

九三学社中央科技专委副主任、中国科学院计算技术研究所研究员张云泉、国家新一代人工智能公共算力开放创新平台(盐城)执行主任、是石科技创始人兼董事长闫博文(左二)

“互联网行业以模型的训推需求为主，追求更高的浮点数运算次数和大带宽；而先进制造等行业则对精度与效率的平衡有很高要求。”闫博文认为，不同规模的用户需求各异:行业头部企业追求上千台、上万卡大规模集群的长期稳定性；中型企业更看重功能的定制化；而小散型需求则更关注价格的灵活性。多维度、分层次的需求，驱动着服务商必须搭建能够支持复杂调度的运维平台，确保供需的最佳适配。

然而，要让国产算力真正释放效能，国产硬件与大模型的适配仍需跨越“深水区”。张云泉认为，算力竞争不仅是芯片硬件的较量，更是软件栈与工具链的博弈。目前国产芯片在配套语言、工具链及生态体系上仍有提升空间，用户往往需要投入大量时间进行适配与优化。

闫博文表示，上述适配工作并非简单的“移植”，真正的挑战在于优化。“我们需要结合不同厂商芯片的特性，进行软硬件深度的耦合。在这一‘深水区’进行算法与模型组件的精准打磨，是国产算力未来突破的方向。”

随着算力逐步走向普惠，如何平衡硬性成本与使用价格成为行业关注的焦点。张云泉建议，除了通过规模化应用分摊研发成本，还应充分利用西部地区的资源优势降低电力支出，并通过算力网与电力网的协同，为用户寻找更具经济性的计算方案。

在闫博文看来，算力的运营模式应当向“打车软件”借鉴。“用户只需输入研发目标，由运维调度系统自动分配最适配的资源。通过透明的运营模式，让需求端看到真实的价格，实现每分算力价值的最大化。未来的算力中心可能会像医院分专科一样，根据不同的专业领域进行精细化建设与运营。”闫博文介绍，是石科技提出的“超智融合”探索，正是试图将超算的高精度、大规模与智算的迭代效率深度结合。

在构建自主可控的AI产业全链条过程中，建立行业共识与统一标准已成当务之急。张云泉表示，国家应统一建立行业标准，降低由于平台异构性带来的开发成本。

闫博文认为，国内众多的技术路线最终会向主流架构归一化，生态习惯的共识将加速国产算力的商业化落地。

“中国在AI应用场景上拥有独特优势，通过产业与算力的深度交融，国产算力生态完全有能力作为‘中国方案’输出全球。”闫博文说。

免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。