能源规划首列“算力”：海光切入生产系统

2026 年 7 月 25 日，2026 能源产业生态论坛在北京举行。海光信息在会上提出“算能共生”理念，集中展示 CPU + DCU 双芯在油气勘探、炼油化工、电网调度、煤炭开采与新能源运营等场景的落地进展。

海光信息副总裁吴宗友在论坛上，结合政策背景对这一产业动向展开了分析。6 月 25 日，国家发改委、国家能源局印发的《新型能源体系建设“十五五”规划》，已将“人工智能 +”能源融合写入正文，“算力”作为独立关键词首次进入国家级能源五年规划。这表明，算力在能源系统中的角色，正从信息化建设的配套采购，转向影响生产效率、运行安全和产业升级的基础能力。

需求侧：能源 AI 深度渗透生产场景，PB 级数据爆发催生算力刚性需求

能源系统规模持续扩张。论坛披露，国内油气产量当量突破 4.2 亿吨，全国发电量突破 10 万亿千瓦时，新能源装机占比超过 50%。从油气领域的地震勘探资料、测井录井曲线，到电力行业的电网运行时序数据、工业巡检视频与设备传感信号，再到煤炭领域的井下采掘监测、安全管控数据，以及新能源领域的风光场站气象与发电运营数据，多业态生产数据持续高速累积，头部能源企业已直面PB级数据处理挑战，对高吞吐、高性能的AI算力形成了迫切的刚性需求。

但能源核心生产环节有其专属工业级约束：需保障 7 × 24 小时不间断运行，对实时性、容错能力、数据安全及存量工业软件互通性要求极高。多数 AI 项目止步于演示验证阶段，问题根源不在模型能力，而在于底层架构难以承载存量生产业务的落地要求。

供给侧：能源企业智能化不仅要“加速卡”，更要异构协同

能源行业的计算负载横跨油气、电力、煤炭、新能源全业态，按类型可分为三大类：

1）通用计算支撑各品类生产经营系统，承载数据库、虚拟化平台及调度管理类应用，覆盖油气生产运营、电力调度管控、煤炭安全监测、新能源场站管理等场景；

2）高精度科学计算服务于核心生产仿真，包括油气地震资料处理与油藏数值模拟、电力系统潮流计算与电网稳定仿真、煤炭采掘力学仿真与通风系统模拟、新能源风光场尾流仿真与出力数值预报；

3）AI 训练与推理则支撑全链条智能化应用，涵盖工业视觉巡检、测井智能解释、设备故障预警、安全风险识别等多元场景。

过去，这三类负载通常分散部署在相互独立的算力集群中，跨业务、跨场景的数据需在不同平台间频繁搬迁，不仅造成算力资源的割裂浪费，也制约了多业态数据的协同价值释放。

在此背景下，海光 CPU + DCU 双芯异构协同的架构价值，在多元能源生产场景中得以充分显现。CPU 兼容 x86 指令集生态，可平滑承接各能源品类的存量数据库、工业控制软件及生产调度管理系统，大幅降低业务迁移与代码改写成本；DCU 支持从 FP64 到 FP8 的全精度计算能力，可精准匹配高精度科学计算与大模型训练推理的差异化算力需求，一套硬件体系即可覆盖勘探仿真、电网计算、工况模拟、功率预测等多元生产负载。

双芯协同的核心目标，是将通用计算、科学计算、AI 计算三类负载整合至统一算力底座之上，打破跨业务、跨场景的“算力孤岛”，实现算力资源的灵活调度与数据的高效流转。

软件生态层面，DCU 基于类 CUDA 的 DTK 软件栈开发，据海光披露，目前已适配 DeepSeek、通义千问、智谱、Llama、Gemma 等 400 余个主流大模型；依托光合组织产业生态，海光正联合上下游软硬件伙伴，持续推进能源领域工业软件、行业模型与场景应用的深度适配。

对能源客户而言，硬件性能决定了智能化应用“能否运行”，x86 生态兼容性决定了存量生产业务“能否平滑迁移”，长期工业级稳定性决定了算力方案“能否进入核心生产系统” —— 海光双芯异构方案恰好处于这三者的交集之上，能够为油气、电力、煤炭、新能源全业态智能化提供统一、可靠的算力支撑。

落地侧：全场景量产验证异构算力释放能源 AI 生产价值

当前，海光“CPU + DCU”双芯异构算力已完成能源全产业链多场景落地验证，覆盖油气勘探开发、石油化工、电力运维、新能源发电及行业智算中心建设等核心领域，技术优势正全面转化为生产一线的实际产业效能。

在油气勘探开发领域，海光异构算力为地震数据处理提供核心加速能力，实现 RNA3D 去噪提速 15 倍、PSTM 与 PSDM 偏移计算提速 7 倍以上，大幅压缩勘探数据处理周期，为油气勘探效率升级筑牢算力底座。

面向石油化工领域，依托海光 DCU 算力支撑，基于 100 TB 行业专属高质量数据集训练形成石化工业大模型，可覆盖炼油、化工全领域21类业务场景，深度赋能生产工艺优化与运营效率提升。

在水力发电场景，海光 DCU 支撑 120 余项业务系统完成智能化改造，系统日均智能业务请求占比超 75%，推动水电生产运营体系向智能化、精细化转型。

在输电变电智能巡检场景，基于海光 DCU 的智能巡检方案实现设备缺陷识别准确率超 88%，巡检效率较传统人工模式提升 3 至 5 倍，有效降低一线运维压力与现场作业安全风险。

在新能源发电领域，基于海光 DCU 算力底座打造的电力气象大模型，可在 1 分钟内完成未来 10 天的气象功率预测运算，处理效率达传统数值预报模式的 100 倍，为新能源出力精准预判、电网调度稳定运行提供关键技术支撑。

此外，海光双芯方案还助力能源行业打造绿色低碳智算基础设施，在某智算中心建设中，支撑数据中心 PUE 降至 1.2 及以下，可全面承载勘探开发、炼化生产、安全管控等 9 大类 200 余项 AI 应用场景的稳定运行。

一系列落地实践表明，海光双芯异构算力方案既有效破解了能源行业存量业务平滑迁移的核心痛点，也为 PB 级数据时代下 AI 应用规模化渗透核心生产环节，构建了自主可控、适配工业级严苛运行要求的完整国产化算力支撑体系。

算能共生：锚定长期产业价值构建能源算力融合新格局

“算能共生”的本质，是能源系统与算力体系的双向赋能、深度融合。

一方面，智算基础设施对稳定绿电的刚性需求，推动算力节点加速向能源生产基地布局，促进能源资源就地就近转化增值。

另一方面，人工智能技术正全面重构油气勘探开发、电网调度运行、煤炭安全管控与新能源功率预测的生产逻辑，成为新型能源体系建设的核心支撑。在此进程中，能源企业兼具电力供给主体、工业数据持有者与算力需求方的三重身份，产业边界与价值体系正被持续重塑。

海光信息精准锚定能源与算力的融合交汇点，以 CPU + DCU 双芯异构架构为核心，能力边界已从芯片硬件延伸至算力集群、软件栈与产业生态服务，输出体系化的底层算力底座，而非单一硬件产品。这一发展路径与能源行业的采购逻辑高度契合：对能源企业而言，硬件性能仅为入门标准，自主可控的安全属性、存量x86生态的平滑兼容能力、长周期稳定供货与持续技术服务保障，才是算力方案进入核心生产系统的核心门槛。

能源 AI 赛道的竞争维度已发生根本性切换。

行业上半场比拼模型发布速度与试点演示效果，下半场则聚焦核心生产场景的长期稳定运行能力与实际业务价值。油田、炼厂、电网、矿山等生产场景不会为技术概念付费，也不会轻易更换底层技术底座，唯有经过生产验证、能够切实解决业务痛点、具备长期迭代潜力的方案，才能实现规模化落地。

从双芯硬件组合到统一能源算力底座，海光信息的产业布局已完成从技术验证到规模落地的关键跨越。200 余个能源 AI 场景的落地实践、400 余个主流大模型的生态适配、多家能源央企的深度合作，均是其深耕能源赛道的坚实起点。随着《新型能源体系建设“十五五”规划》将算力纳入能源发展顶层设计，人工智能向能源核心生产环节的渗透已成为不可逆的产业趋势。

在能源智能化的长期进程中，海光双芯异构方案“兼容存量业务、承接未来智能计算”的核心特质将持续凸显价值，也为国产异构算力如何突破试点瓶颈、扎根能源生产核心场景，提供了具备行业参考意义的实践路径。

云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。