观察｜AI算力从“规模上半场”转向“应用下半场”，CPU需求持续走高

人工智能产业正经历从追求算力规模的观察“上半场”向聚焦应用与场景落地的“下半场”深刻转型。

日前，算力光合组织2026智能计算应用大会在郑州举行。从规场C持续大会围绕智能计算应用范式、模上AI基础设施创新及国产开放计算生态建设展开深入探讨，半场旨在推动国产人工智能算力实现三大转变：从关注建设转向关注应用，转向走高从评价单一参数转向注重系统能力，应用从局部场景迈向大规模迁移。下半需求

十万卡超集群落成，观察验证国产算力底座实力

本次大会的算力核心亮点是中国首个全国产十万卡AI超集群——曙光8000（登峰）正式落成，并同步接入国家超算互联网。从规场C持续这一里程碑事件标志着AI基础设施建设正式从万卡级迈向十万卡级部署阶段。模上

该系统以海光等国产芯片为算力底座，半场充分验证了国产芯片在支撑大规模Token生产及产业级AI应用方面的转向走高能力。与此同时，应用光合组织发布了“开放计算Token谱系”计划，吸引近百家产业链企业参与，并配套三年10亿元生态扶持资金与千人技术服务团队，加速推动算力从硬件建设向实际应用落地转化。

CPU角色重塑：从“配角”到“核心承载”

随着人工智能向更多端侧场景渗透，CPU和嵌入式产品迎来了新的增长机遇。

海光信息服务器产品部总经理张攀勇在接受澎湃新闻采访时指出，市场长期存在“AI算力等同于GPU”的固有认知。然而，随着智能体（Agent）和海量Token应用的普及，AI算力分工正发生明显的范式转变：

• GPU：主要负责模型推理。
• CPU：承担任务编排、工具调用、对话记忆、向量数据库处理及沙箱调度等大量工作。

张攀勇强调，传统数据中心服务器通常采用1块CPU配4至8块加速卡的配比。但在叠加存储、数据库、向量计算等多元业务负载后，CPU与加速卡的配比已趋近1:1，CPU算力需求持续走高。

“海光的CPU正是在这一工作负载变化背景下，进行针对性调整、优化和演进。”张攀勇表示，海光坚持CPU与DCU双芯驱动策略，通过CPU与GPU的紧耦合，更好地满足用户需求。

端侧AI元年：算力下沉与全链路闭环

2026年被定义为端侧AI元年，算力正从云端持续向边缘和终端下沉。

光合组织嵌入式产品专家张考华分析称，AI上半场聚焦云端训练，通用GPU是核心；进入下半场，商业化落地成为主线，推理需求全面爆发，NPU、TPU、BPU等各类终端XPU加速渗透各行各业。

海光信息副总裁李成透露，海光下一步将重点发力终端与嵌入式业务，完善云、边、端一体化产品布局，搭建涵盖数据采集、传输、存储、计算的全链路闭环。张考华补充道，海光过往产品以高端服务器为主，今年下半年，众多生态伙伴将推出搭载海光嵌入式CPU的终端产品。

院士观点与生态合作：构建开放计算支撑体系

中国工程院院士李国杰在大会上指出，当前AI正加速向智能体、具身智能演进，AI for Science催生了高精度科学计算与低精度AI训练融合的新需求，这对计算系统在架构、规模、能效及可靠性上提出了系统性创新要求。

大会期间，中科曙光、海光信息、北京智能科学研究院、中国移动、豫信电科、索辰科技等单位达成多项战略合作，光合组织AIDC基础设施专委会同步成立。随着十万卡AI超集群算力底座的落成、开放计算Token谱系计划的推进以及生态合作机制的完善，开放计算有望成为中国智能计算应用落地的重要支撑力量。

(责任编辑：知识)