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

人工智能的赛道，正在换挡。从上半场一门心思堆算力、拼规模，到下半场真正开始琢磨怎么把技术用起来、落到场景里，这个转折已经越来越明显了。

最近在郑州召开的光合组织2026智能计算应用大会，就是围绕这个转折展开的。会上重点讨论了智能计算的应用与发展范式、AI基础设施的创新，以及国产开放计算生态的建设。说白了，核心议题就是：国产AI算力怎么从“建”转向“用”，怎么从盯着单一参数转向看重系统能力，怎么从局部场景一步步走向大规模部署。

这次大会上，一个标志性的事件是：中国首个全国产的十万卡AI超集群——曙光8000（登峰）正式落成，并且已经接入了国家超算互联网。这意味着AI基础设施建设从万卡级向十万卡级迈出了实质性的一步。这个系统搭载了海光等国产芯片的算力底座，也进一步验证了海光芯片在支撑大规模Token生产和产业级AI应用上的能力。

与此同时，光合组织还发布了一个“开放计算Token谱系”计划，近百家产业链企业参与其中，配套了三年10亿元的生态扶持资金和一支千人技术服务团队。目标很明确：推动算力从硬件建设真正转向实际应用落地。

随着AI向更多端侧场景渗透，CPU和嵌入式产品迎来了新的机会。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谈到，市场上长期存在一个固有认知，就是把AI算力等同于GPU。但随着智能体、海量Token这类应用的普及，AI算力的分工正在发生明显的范式转变。GPU主要负责模型推理，而任务编排、工具调用、对话记忆、向量数据库、沙箱调度这些大量工作，其实都是由CPU来承担的。

张攀勇指出，以前数据中心服务器普遍是1块CPU配4到8块加速卡，现在业务负载更加多元，比如存储、数据库、向量计算这些，CPU和加速卡的配比已经接近1:1了，CPU的算力需求持续走高。他强调，海光的CPU正是基于这样的工作负载变化，去调整、优化和演进产品。不过，海光一直坚持CPU和DCU双芯驱动，强调CPU和GPU的紧耦合，这样才能更好地满足用户需求。

人工智能向端侧落地，让2026年被定义为“端侧AI元年”。算力正在从云端持续向边缘、终端下沉。光合组织嵌入式产品专家张考华在采访中表示，AI的上半场聚焦于云端训练，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等各种终端XPU正在加速渗透各行各业。

海光信息副总裁李成也透露，海光下一步的重点会放在终端和嵌入式业务上，目标是完善云、边、端一体化的产品布局，搭建起数据采集、传输、存储、计算的全链路闭环。张考华补充说，海光以往的产品主要面向高端服务器，但从今年下半年开始，很多生态伙伴会推出搭载海光嵌入式CPU的终端产品。

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也催生了高精度科学计算与低精度AI训练融合的需求。这对计算系统在架构、规模、能效、可靠性上，都提出了系统性创新的要求。

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了多项战略合作，光合组织AIDC基础设施专委会也同步成立。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不断完善，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。