海光信息吴宗友：云端“大而全”与边端“快而准”将形成Token经济体

你有没有想过，未来的Token（词元）可能会像商品一样分层——云端产出“大而全”的通用Token，边端和垂直场景产出“快而准”的专业Token，各司其职，共同构成一套Token经济体。这是海光信息副总裁吴宗友在近期与证券时报等媒体的交流中提出的核心判断。在他看来，算力底层的一致性是实现Token分层协同的前提，只有指令集、开发框架做到全链路统一，云端训练的效率才能无损地传递到边端和终端。

先说一个老生常谈的话题：云边端协同。这个概念喊了多年，但真正落地的案例并不多。问题出在哪儿？吴宗友点出了核心——过去行业的协同更多停留在软件层面，而底层算力架构的差异才是效率损耗的根源。不同端、不同芯片、不同框架，导致云端训练好的模型迁移到边端或终端时，性能可能大打折扣。这个痛点，行业内的人都很熟悉。

解决方案其实不算复杂：算力底层必须保持一致。从指令集、应用逻辑到开发框架，全线统一，云端训练的效率才能无损地下沉到边端和终端。而且这种一致性不只体现在CPU与DCU的算力协同上，安全模块等配套能力也实现了统一，系统性降低了迁移的适配成本。

当算力架构趋于统一，一个有趣的概念开始浮现——“Token谱系”。吴宗友把它类比为大模型与垂类模型的分化：云端大算力产出的Token“大而全”，适合通用场景；边端和垂直领域产出的Token更强调及时性和准确性，面向具体应用。随着智能体快速发展，未来个人和企业端的终端Token需求会显著增长。不同层级算力产出的Token价值将进一步分化，最终形成各司其职的Token经济体系。

算力融合的另一重要方向，是科学智能（AI for Science）向更细分领域的渗透。吴宗友认为，科学智能不是单一赛道，它覆盖从高端科学计算到家庭辅助机器人等多元场景。在AI for Science领域已经积累成熟经验的基础上，行业正进一步走向AI for Engineering等更精细化的方向。举个例子，建筑、制造等工程领域存在大量短期内难以解决的实际问题，AI与工程学科深度结合，正在催生新的科研与产业范式。“这只是一个开始。”吴宗友表示，未来AI还会逐步深入制造、教育、医疗、金融等细分领域，与行业场景的结合会越来越具体。

算力能不能真正产生价值，最终还得看产业链上下游的协同深度。吴宗友强调，单一算力产品解决不了用户的全部问题。从芯片、操作系统、数据库到上层应用，必须全链条高效协同，才能真正把算力的实惠送到用户手中。

海光目前依托光合组织6000余家生态伙伴、超15000项软硬件适配成果，持续完善算力生态。吴宗友将生态建设的核心目标归纳为“最后一公里”问题——用户需要的不是一颗芯片，而是一套能用、好用、能持续创新的完整解决方案。

值得注意的是，生态协同正在从“适配兼容”走向“联合创新”。很多用户有创新需求，但缺乏驱动上游产业链调整的能力。由算力厂商牵头，联合操作系统、数据库、云厂商等生态伙伴共同响应用户创新诉求，正在成为新的产业协作模式。

区域层面，河南正在成为国产算力落地的重要样本。在光合组织2026智能计算应用大会期间，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。目前河南的运营商、金融机构、高校及科研单位已广泛开展国产算力应用实践，覆盖教育、科研、工程等多个领域。

在吴宗友看来，算力集群的价值不止于基础设施本身，更在于产业聚集效应。有了算力底座，人工智能相关产业会逐步向区域汇聚，再通过光合组织等生态平台，将本地企业与产品推向全国。

谈到未来挑战，吴宗友表示，下一步的重点在于精细化落地。在通用方案已经成熟的基础上，结合各地产业特点与细分需求，进一步打磨场景化解决方案，让算力红利真正渗透到产业的毛细血管中。