從單點突破到分層布局：昇騰如何構建可持續的AI產業生態

2026年，OpenClaw(俗稱“龍蝦”)的爆火，成為科技圈最具現象級的事件之一。憑借本地自托管、強執行能力、低部署門檻，大幅降低智能體落地門檻，不僅重塑了個人生產力與企業運營模式，更標志著Agentic?AI(智能體)時代的正式到來。

與此同時，今年的政府工作報告連續第三年提及“人工智能+”，并首次將“打造智能經濟新形態”寫入其中。在業內看來，這釋放出一個清晰的信號：人工智能正由單純的工具賦能，邁向產業深度應用和體系化發展的新階段。

市場與政策的雙重驅動，讓AI產業駛入了發展快車道。然而，AI從對話走向行動，意味著每一次任務執行都需要調用大量Token進行推理與自我迭代，Token的生成、處理與傳輸均依賴算力支撐，由此帶來的算力需求正呈指數級攀升。IDC預測，到2030年，全球智能體數量將達22.16億，底層Token消耗將暴增3418%。

一邊是井噴式的算力需求，一邊是千行百業差異化的落地場景，如何構建真正適配的算力體系，成為橫亙在AI從技術爆發走向產業應用之間的核心難題。

華為昇騰計算業務總裁張迪煊在2026昇騰人工智能伙伴峰會上的演講中，給出了一個清晰的解題框架。這個框架不是試圖用一個萬能的產品去滿足所有需求，而是通過大、中、小三類算力的分層布局，全面使能伙伴，構建一個覆蓋全生態、支撐全場景的AI產業體系。

換句話說，華為的答案是：AI落地的最后一公里，不能只靠一家公司來走，而應該讓所有參與者都能發揮自己的價值。

華為昇騰計算業務總裁?張迪煊

大算力場景：支撐大模型訓推流程，構筑高性能算力底座

大算力場景對應的是大模型預訓練、強化學習后訓練以及大規模推理服務。這是AI技術金字塔的頂端，也是決定AI能力上限的關鍵領域。

在這一層，聚焦的是對算力要求極致的場景。隨著智能體深入業務核心，多輪自我迭代帶來了百倍級的Token需求和毫秒級的時延要求，傳統的服務器堆疊方式已經難以為繼。即便是96臺服務器組成的集群，由于每臺服務器的內存獨立編址，跨服務器的交互必須依賴以太網通訊，涉及數據拷貝、協議轉換、網絡傳輸等多個環節，性能開銷巨大。

這正是昇騰推出超節點架構的設計初衷。以昇騰384超節點為例，其實現了48TB統一內存編址，所有NPU之間可通過Load/Store等內存語義直接交互，省去了復雜的通信協議轉換環節。

但更值得關注的是，華為并沒有把超節點當作一個封閉的“黑盒子”，而是選擇開放靈衢協議、部件及參考架構，使能伙伴打造自己的超節點系統。這意味著，伙伴可以在昇騰的基礎上，構建屬于自己的、高度定制化的大規模算力集群。

中算力場景：以“開箱即用”加速行業智能化進程

中算力場景是連接大算力技術和行業應用的關鍵橋梁，覆蓋了輔助醫療、智慧教學、智能客服等眾多國計民生領域，也是場景應用最廣、落地形式最豐富的算力層級。與大算力場景的技術攻堅不同，中算力場景的需求是“開箱即用”，實現快速部署與成本可控的平衡，這就要求昇騰在技術開放時，更注重產品的模塊化和適配性，讓伙伴能夠結合行業模型和軟件生態，快速打造貼合場景的AI服務器產品。

中算力場景的伙伴賦能，還體現在昇騰對應用門檻的持續降低。針對一些企業想用AI但缺乏專業技術團隊的痛點，昇騰推出了分級分檔的昇騰一體機，將硬件、大模型、工具鏈進行深度預集成。輕量版、標準版一體機分別適配千億級、萬億級內的模型需求，伙伴只需聚焦業務集成、知識庫構建等環節，無須關注底層的硬件調試和模型優化，就能快速打造場景化的AI應用。這種打包式的能力輸出，讓更多伙伴能夠參與到AI產業中，甚至讓一些原本不具備AI研發能力的傳統行業伙伴，也能快速推出屬于自己的AI產品。

值得一提的是，在實際場景落地中，已有眾多伙伴依托昇騰中算力底座實現創新突破，例如，在文旅領域，陜文投集團聯合海天瑞聲基于昇騰AI基礎軟硬件平臺，推出了多模態AI伴游助手，覆蓋景點檢測、自然交互、多語言及方言適配等場景，為用戶提供個性化文旅體驗。金融領域，科大訊飛通過昇騰軟硬件深度協同優化，實現了工單小結、智能質檢等環節的毫秒級響應，已在交通銀行等多個金融機構落地，讓AI真正成為坐席的專家助手。這種模式讓伙伴能夠充分發揮自身的行業優勢，而昇騰則作為硬件底座提供穩定、高效的算力支持，實現技術與行業的雙向賦能。

小算力場景：賦能海量邊緣計算，滿足差異化市場需求

如果說大算力場景是塔尖，中算力場景是塔身，那么小算力場景就是塔基。這是一個潛力最大的海量市場，也是最容易被忽視的賽道。

工業質檢、具身智能、科學教育、智能邊端，這些場景的特點是場景分散、需求多樣、對成本和靈活性極為敏感。客戶不需要巨大的算力，但需要能夠在各種復雜環境下穩定運行、能夠快速適配不同應用場景的設備。

面向這個市場，昇騰的策略是開放標準的模組板卡，使能伙伴打造多樣化的邊緣計算設備。更高的集成度、更寬的溫度設計、更多的OS兼容、更豐富的場景SDK。這些看似細節的技術支撐，實際上構成了伙伴能夠快速創新、快速迭代的基礎。

一個很有意思的案例是，軟通華方、同泰怡等伙伴基于昇騰的Atlas?300I?A2產品，打造了液冷AI工作站。這個產品具備靜音、高密、省電、安全等特性，非常適合醫院科室、科研實驗室等場景。

這個案例的價值在于，它展示了小算力場景的無限可能性。當算力底座的供給變得足夠靈活、足夠易用，創新就不再是少數大公司的專利，而是千千萬萬中小企業的機會。他們可以基于標準化的算力模組，結合自己對特定場景的理解，創造出形態各異、功能豐富的邊緣AI產品。

寫在最后

讓我們回到文章開頭的那個問題：如何構建適配智能體時代的算力體系，推動AI普惠化應用。

昇騰給出的答案，不是試圖用一個萬能的產品去滿足所有需求，而是通過算力的分層布局，讓不同類型的場景都能找到與之匹配的解決方案。

大算力場景聚焦技術攻堅與前沿突破，支撐大模型訓練與推理，夯實算力底座;中算力場景深耕行業核心應用，以開箱即用的便捷部署，加速各領域智能化落地;憑借高靈活與強適配特性，廣泛覆蓋海量邊緣智能場景。

這種分層賦能的生態思維，實際上是昇騰對AI產業規律的深刻把握。在智能化變革的浪潮中，沒有一家企業能夠包攬一切。真正的成功之道，是構建一個開放、協同、共生的生態系統，讓每個參與者都能發揮自己的優勢，共同推動AI賦能千行百業的生產力工具。

正如張迪煊所言：“在智能化的道路上，昇騰與各位伙伴已并肩走過7年，見證了AI產業從探索起步到深耕細作、從單點突破到場景落地的快速發展。”未來已來，而這場智能化的變革，注定是一場需要所有人共同參與的協同進化。