国产大算力×国产大模型，中国AI换道提速

当ChatGPT横空出世时，国内很多人都在急切的追问：“中国需要几个月才能追上？”

短短两年后，时局已悄然改变。根据工信部数据，我国已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列。中国成为AI专利最大拥有国，在全球占比达60%。

这些成就背后，中国的人工智能产业，并未沿着预设的“追赶”轨迹亦步亦趋，而是走出了一条算力算法协同演进的差异化发展道路。中国AI产业飞速发展，充分验证了算力先行的底层逻辑。

近期，两件紧密衔接的产业大事，清晰勾勒出这条道路的轮廓。2月5日，国家超算互联网核心节点在郑州上线试运行，3套曙光scaleX万卡超集群系统形成了全国最大单体国产AI算力资源池。2月10日，“国产万卡算力赋能大模型发展研讨会暨联合攻关启动仪式”在郑州举行，产学研用齐聚一堂，共议“大算力+大模型”的协同发展路径。

一周之内密集的行业动作揭示了一个趋势：国产算力与国产模型、AI应用的深度融合与协同创新，已成为中国AI产业的必由路线。智算破局的关键不能靠单点技术攻关，更不能孤立地发展算力，软硬协同的系统性解法已经成为产业共识。

从喂饱模型，到模型×算力协同进化

AI产业的发展是技术栈不断融合与协同创新的过程。在早期，小模型时代，产业中的芯片、框架和算法相对独立地发展，每一环节都相互分离，技术进步也局限于单点突破。

然而，随着DeepSeek、Qwen、Seedance等一批国内大模型的崛起，以及它们与国际顶尖模型同台竞技，AI产业的软硬协同达到了新的高度。

与大模型发展早期“堆算力就能大力出奇迹”的阶段不同，如今算法架构持续创新、应用场景快速扩展、推理需求呈爆发式增长，倒逼智能算力完成“升维”——从单纯提供算力供给，走向围绕训练、推理、调度、稳定性与成本的系统工程能力。

“百模大战”后，基础模型数量上逐步收敛，但架构创新并未停歇，反而成为新的分水岭。中国信通院在《人工智能产业发展研究报告》中提到，在算法架构层面，以 DeepSeek 的 NSA、月之暗面的 MoBA 等为代表的稀疏注意力机制，正在成为提升模型推理效率的重要技术路径之一。

中国信通院专家指出，现阶段很多大模型的发展与创新，离不开与底层软硬件系统的深度结合。整个软硬件的生态体系，是下一个阶段模型创新和智算设施竞争的焦点。

因此，智算产业正在完成一个核心转变：过去是“算力喂饱模型”，现在是模型与算力互为驱动。模型用更聪明的架构逼出更高的单位算力效率，算力用更成熟的系统工程把模型创新变成可规模化交付的生产力。

场景与应用，倒逼中国智算加速升维

信通院专家指出，智算产业的逻辑正经历深刻转变。过去，智算产业的发展主要依赖于“堆算力”的规模效应，而如今，以应用为导向已经成为推动智算加速发展的核心动力。

根据国家数据局的统计，2024年初，中国日均Token消耗量为1000亿，而截至2025年6月底，这一数字突破了30万亿，增长超过300倍。这一数据直观地反映了AI应用落地的爆发式增长。巨量的应用需求，凸显了当前智能算力的核心挑战：

“今天好用、易用、便宜的算力远远不够。”国家高性能计算机工程技术研究中心副主任曹振南一语道破国内智能算力现状。

首先，算力性能与稳定性。随着AI产业向万亿参数大模型、世界模型、物理AI不断演进，算力需求不再只是“峰值性能”，更强调长时间、大规模训练与高并发推理下的稳定性、容错能力和工程可靠性。应用规模一旦上来，“不稳定、不好用” 等瓶颈都会被放大成事故。

其次，算力门槛高。大模型创新加速，使硬件、框架、编译器、通信与算子之间的耦合越来越深；同时，底层是多元异构芯片并存，上层则是“百模千态”的模型与应用组合。重写算子、改并行策略、调通信与内存、重做性能调优……如果迁移成本过高，本质上是在劝退用户。

第三，与产业应用脱节，是当前最容易被忽视的核心问题。许多智算中心的资源建设过于粗放，导致部分智算中心算力利用率仅为30%。有的智算中心在建设时只注重单一指标，忽视了多元异构生态的应用需求，造成了“建成即落后”的局面。

行业智能化发动机，国家超算互联网的不可替代性

从软硬件协同创新的意义上，国家超算互联网的建设与核心节点在郑州的落地，正是智算产业全链条协同的系统性实践，更是推动产业智能化普及的核心动力。

1. 全球领先算力网，以应用导向为顶层设计

国家超算互联网的定位，是国家级综合算力服务平台：以海量、普惠、易用的国产算力为底座，以全链路安全稳定为基本盘，把算力从“资源”升级为可规模化交付的“服务”。

目前平台已连接全国30多个超算中心和智算中心，形成全球领先规模的异构算力资源池；更关键的是，它并不止步于“把算力接上网”，而是持续推进与国产大模型、国产算力芯片的适配优化，把“能用”前移为“好用、可持续用”。

国家超算互联网的顶层设计的逻辑是以应用为导向，围绕产业真实负载来落地。以郑州上线试运行的核心节点为例，其由超3万卡国产AI算力支撑，具备全场景算力能力，可面向万亿参数级训练、高通量推理、AI for Science 等高性能场景提供服务。

应用规模是算力平台能力最有力的验证：国家超算互联网累计注册用户达 113万，单日处理作业峰值突破 103万，月访问量突破 1130万；AI社区已接入 1100+开源大模型。于郑州上线试运行的核心节点也已针对数百个应用完成深度适配，覆盖 23个行业领域。

2. AI全产业链聚合器，打通算力到应用的生态闭环

过去AI产业生态割裂，使得算力难以高效流通，模型难以快速适配，应用难以普及。针对这一痛点，超算互联网专门构建了“算力-平台-模型-数据-应用-生态”的AI行业服务能力，推进软硬件全栈技术攻关，打通“算力基础设施 + 大模型厂商 + 应用场景” 的产业闭环。

这一闭环的核心在于：把算力资源与大模型研发、应用场景实现深度融合，推动整个产业链的协同创新。这不仅是技术层面的突破，更是产业发展模式的创新，它代表了从碎片化到协同化、从单点创新到全链条融合的转型。

3. 加速全国算力一体化，推动千行百业算力普惠

位于郑州的核心节点的意义，不只是“新增一座大算力中心”，而在于它作为“东数西算”核心节点、国家超算互联网核心枢纽，正在加速全国算力跨区域、跨中心、跨架构的统一调度与稳定交付能力。这正是全国一体化算力网要解决的核心问题。

更重要的是，超算互联网让“算力普惠”落地：把算力变成一种更接近水电煤的公共型服务能力，从而把AI应用落地的门槛整体拉低。

目前，从该核心节点的邀测需求来看，也从侧面验证了平台的“普惠”价值：一方面，千卡、万卡级别的训练与推理需求不断涌现，反映出大模型产业化正在进入更高强度的算力阶段。另一方面，也接收到大量百卡级别的行业应用需求。不同规模算力需求同台出现，恰恰验证了全国算力一体化调度的必要性：既要能托底“头部冲刺”，也要能覆盖“长尾落地”。

结语

当“模型×算力”进入协同进化阶段、当应用需求倒逼智算升维，AI产业的弯道超车就不再靠一次爆点，而靠长期的效率曲线：更低的算力成本、更快的迭代速度、更稳的工程交付、更广的行业渗透。

中国AI的差异化道路，最终将由这套系统能力来定义，也将在千行百业的生产现场被验证。

本文为「智能进化论」原创作品。