在WAIC上，国产算力不再“斗参数”

7月26日，世界人工智能大会（WAIC）在上海正式拉开帷幕。

在展会现场，具身智能无疑是最备受瞩目的行业。从灵活完成格斗动作的人形机器人，到能精准执行家务、康复辅助的服务型机器人，这些具备物理交互能力的智能体凭借流畅的动作、自然的交互赚足了观众眼球。

然而，在这场科技盛宴中，当人们沉浸在具身智能带来的震撼体验时，人工智能产业的核心底座——以芯片、板卡、服务器、计算集群等为核心构成的算力基础设施，依然是整个行业绕不开的关键话题。

与往届大会相比，今年算力基础设施展区呈现出截然不同的风貌。

往年展台上随处可见的“参数竞赛”已悄然淡去，各厂商送展的芯片和服务器展品中，很少再有将某项极致性能参数用醒目字体刻意标记出来的情况。

曾经被重点标注的技术指标，如今更多地融入到具体的产业解决方案中，或是隐藏在真实的应用场景演示里。

现场的讨论也多是基于“碎片化算力资源统筹”、“低功耗与低成本”与“垂类产品软硬件整合”这些非常务实的话题。

全链路国产化进行时

在算力基础设施的务实转型浪潮中，“全链路国产化”的推进节奏尤为引人关注。

过去几年，全球供应链波动引发的芯片断供风险，以及核心技术“卡脖子”的现实挑战，反复挑动着国内人工智能产业的神经。在全行业已默契达成“居安思危”共识的背景下，即便部分产品应用尚未受到外部限制，国内算力基础设施厂商也主动将国产化的边界从单一芯片突破，拓展至从架构设计、软硬件生态到产业落地的全链路自主可控。

这种主动出击的国产化实践，在本届 WAIC 的展台间随处可见。

从芯片底层架构的自主研发，到操作系统、编译器等软件工具链的国产化适配，再到与本土服务器厂商、行业应用企业的深度协同，一条贯穿“芯片—软件—整机—场景” 的国产化链条正在加速成型。

刚刚提交上市辅导备案的沐曦，算是其中较为典型的代表。

本届展会上，沐曦首次公开展示了其最新研发的训推一体GPU曦云C600。据悉，其采用自研的XCORE 1.5架构及指令集，面向云端人工智能训练与推理、通用计算、AI for Science等计算任务，且拥有丰富的标量、矢量和张量计算单元，支持多种混合精度计算。

虽然现场并没有关于曦云C600的性能参数介绍，但据展台工作人员透露，这枚芯片搭载了当前业界前沿的HBM3e显存。这一关键配置势必会大幅提高显存带宽，为大模型训练及推理时的海量数据吞吐提供强力支撑。

鉴于曦云C600在本月刚刚回片，展会上并未出现基于这枚芯片打造的板卡及服务器。

而基于上代产品曦云C500系列芯片，沐曦在现场展示了PCIe服务器、OAM服务器和光互连服务器解决方案，这些服务器基本都实现了“全链路国产化”，即从编译器、驱动程序，再到卡间互联协议完全自研，或是第三方国内合作伙伴打造。

还有厂商则展示了不同于GPU的另一条高性能计算路线，比如国内唯一实现TPU量产的中昊芯英。

该公司打造的“刹那”系列TPU，采用完全可控的IP核与自研指令集、计算平台，其可重构多级存储、存算一体的设计，配合Chiplet技术实现2.5D封装，在相同AI计算任务下能耗可降低三成。

另外，该枚芯片还有较强的集群扩展能力，最高支持1024片芯片高速互联，基于“刹那”打造的“泰则”计算集群系统，单集群最大浮点运算能力在稀疏算力下达400P（TF32）以上，可支撑超千亿参数的AI大模型计算。

据现场工作人员介绍，目前“泰则”计算集群系统，已完成对AIGC大模型计算、高级无人驾驶模型训练、蛋白质结构精密预测在内的各类高强度运算场景的适配。

下沉到场景中

在两个月前的鲲鹏昇腾开发者大会上，作为华为今年来在算力基础设施上的集大成者，“384超节点”被首次公开，基于昇腾超节点技术，实现了业界规模最大的384卡高速总线互联。

本次展会上，“384超节点”真机完成了在公众面前的首次亮相，而该系统在大模型适配上的进度也令人瞩目。据悉，目前业界已基于昇腾适配和开发超过80个大模型，在基础大模型方面多个技术方向均有积累，如讯飞星火认知、DeepSeek、Qwen、鹏城、LLaMA等。

在场景适配上，基于昇腾软硬件能力、训练与推理解决方案及开源开放的软硬件生态，华为联合伙伴展示互联网、运营商、金融、政务、医疗、油气、交通等行业解决方案实践。

另一家国产GPU企业摩尔线程，在现场展示的场景适配上则要更加细致。

在摩尔线程展位，该公司共带来了包括生命科学、物理仿真、空间智能、视频超分在内的12项面对不同行业打造的Demo。

令笔者印象较为深刻的是视频超分技术MTVSR。该技术可在端侧提供2-4倍的视频实时超分，并提供多档质量设定，能够显著提升低分辨率视频在高分辨率屏幕下的播放清晰度，且以SDK形式支持播放器、浏览器等APP集成调用，可为终端用户提供无缝的视频超分体验。

不同于一般的行业垂直解决方案，视频场景中的端则软件技术，由于其广泛的应用性，一方面能够有效调动行业应用，比如降低内容创作者获取高质量素材的成本，提高内容生产效率；另一方面还能够有效刺激产业生态构建，主动吸引视频播放软件、游戏开发商、监控设备制造商等多方协同。

华为以超节点技术夯实大模型训练的算力底座，通过广泛的行业适配构建生态护城河；摩尔线程则聚焦细分场景，用轻量化技术方案打通算力应用的“最后一公里”。两者虽聚焦不同层面，但却很好地反映出了眼下国产算力基础设施所呈现出“高低搭配、全域覆盖”的发展态势。