AI算力从“规模上半场”转向“应用下半场”，CPU需求持续走高

人工智能从追求算力规模的上半场向追求应用和场景落地的下半场转变。

日前，光合组织2026智能计算应用大会于郑州召开。大会围绕智能计算应用与发展范式、AI基础设施创新、国产开放计算生态建设展开探讨交流，推动国产人工智能算力从关注建设到关注应用，从评价单一参数到注重系统能力，从局部场景迈向大规模迁移。

本次大会上，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。这标志着AI基础设施建设开始从万卡级迈向十万卡级部署阶段。系统搭载海光等国产芯片算力底座，进一步验证了海光芯片支撑大规模Token生产和产业级AI应用的能力。

与此同时，光合组织发布 “开放计算Token谱系” 计划，近百家产业链企业参与，配套三年10亿元生态扶持资金与千人技术服务团队，推动算力从硬件建设转向实际应用落地。

随着人工智能向更多端侧场景落地，CPU和嵌入式产品迎来了新机会。

海光信息(353.000, -10.46, -2.88%)服务器产品部总经理张攀勇接受澎湃新闻记者采访时表示，长期以来市场存在 “AI算力等同于GPU” 的固有认知，但随着智能体、海量Token应用普及，看到了AI算力分工出现明显范式转变。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、沙箱调度等大量工作均由CPU承载。

张攀勇指出，此前数据中心服务器普遍采用1块CPU配4至8块加速卡的配比，如今叠加多元业务负载后，比如像存储，像数据库、向量计算，CPU与加速卡配比已趋近1：1，CPU算力需求持续走高。

“海光的CPU也是在这样的工作负载变化前提下，去调整、优化和演进产品，不过，海光一直是CPU、DCU 双芯驱动，一定是CPU和GPU的紧耦合，去很好满足用户的需求。”张攀勇表示。

随着人工智能向端侧落地，2026年被定义为端侧AI元年，算力正从云端持续向边缘、终端下沉。

光合组织嵌入式产品专家张考华接受采访时表示，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也透露，海光下一步重点将发力终端与嵌入式业务，完善云、边、端一体化产品布局，搭建数据采集、传输、存储、计算全链路闭环。

张考华补充，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。

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

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超集群算力底座落成、开放计算Token谱系计划推进，以及生态合作机制持续完善，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。