
当前,AI产业正从集中训练大模型转向千行百业实际应用。国家数据局公布的数据显示,2025年用于人工智能训练和推理的数据总量为199.48EB,其中推理数据量首次超过训练数据量。训练侧重极限性能,推理更侧重响应速度、能耗、成本和稳定性。这一转变对国产芯片是有利机遇:推理需求落在国产芯片能够覆盖和使用的区间,国产芯片与国外先进水平的差距正逐步缩小。但“可用”之后仍有难题:芯片厂商缺少真实场景,成熟速度受限;应用方担心不成熟,不敢率先使用。芯片缺场景、场景缺信心,双向赋能难以形成。
作为国内国产算力全栈落地的核心探索者与标杆实践者,北京电子数智科技有限责任公司(以下简称“北电数智”)的答案是:以国产全栈的系统工程,把“能用”的芯片优化为“好用”的算力,再以真实场景推动“好用”走向“常用”。

行业之变:推理需求增长对国产算力提出更高要求
AI产业进入千行百业实际应用阶段,医院用AI辅助看诊,工厂用AI排查故障,政务大厅用AI回答群众提问,每一次使用都是一次推理。这一转变为国产芯片带来有利机遇。过去几年,从芯片企业攻关到产业链协同,国产芯片与国外先进水平的差距一步步缩小。但“可用”之后,新的矛盾浮出水面:芯片成熟离不开场景打磨,没有真实业务运行,问题暴露不出来、性能难以提升;场景方又不敢第一个使用,模型能否跑顺、性能是否稳定、出了问题找谁,心里都没底。两端都在等对方先迈步,双向赋能难以形成。
北电数智的破题:以全栈系统能力连接芯片与场景
北电数智的判断是:国产算力的主要矛盾,已经从“有没有”转向“好不好用”。破解这个矛盾,靠单点突破不行,必须把两端放进同一个系统工程。在实践中,北电数智与产学研各方共建先进计算迭代验证平台,以评促用,对国内主流芯片逐一评测、适配;建成三千卡规模的多芯混合集群,让国产芯片在接近真实生产的环境中试用、试炼;把十余种国产芯片放进同一资源池统一纳管、统一度量,实现底层芯片可替换、上层应用无感知;自研推理引擎并开源,把芯片差异下沉到插件层,新款国产芯片“即插即用”,接入周期从过去的数月缩短到以周计。这些成果说明,国产算力的问题已不只是“有没有”,而是“好不好用”,必须靠全栈系统能力来回答。
厘清“全栈国产”:三层协同的系统工程
谈“AI全栈国产”,常见误区是把它理解为国产化率的简单叠加:芯片买国产、机房建起来,任务就完成了。实践中,有客户采购国产芯片后模型迟迟跑不顺,算力资源未能充分发挥。问题不在芯片本身,而在缺少把算力组织起来的那套系统。真正的全栈国产至少有三层“全”:一是技术栈全栈,从芯片纳管、调度、推理引擎、缓存优化到模型服务,每一层都要面向国产算力特性重新构建,任何一层出现短板,上一层的国产化就会受影响;二是生命周期全栈,智算中心不是“建起来”就结束,而是“转起来”才刚开始,要在持续运营中持续优化;三是产业链全栈,全栈之“全”不在一家企业的大而全,而在芯片、整机、平台、模型、应用环环相扣。政企客户的决策逻辑很朴素:不问单点参数多高,只问总拥有成本高不高、风险可不可控、落地简不简便、供应稳不稳定。系统性的成本与稳定,更能带来产业层面的变革。
五项能力:让国产芯片从“能用”到“好用”
落到智算中心,国产全栈体现为五项具体能力。
多芯统一纳管,按任务匹配芯片。十余种国产芯片各有特点:有的算力强,适合长上下文任务;有的显存带宽高,适合连续生成。统一纳管、统一度量后,任务、模型和服务等级自动匹配合适芯片,底层芯片可替换,上层应用无感知。对芯片企业来说,资源池中的每一次调用都是真实负载验证。
峰谷调度,提升算力利用率。白天优先保障在线业务低时延、高并发,夜间低谷自动承接模型训练和批量任务,同一资源池持续运行。客户不用再为“白天不够用、晚上全闲置”发愁,国产芯片也在高负载运行中加速成熟。
云边端协同,按场景确定计算位置。低时延业务和敏感数据,优先在工厂机台、医院本地就近处理,数据不出域;复杂任务再按需上云。对政务、医疗、工业这些重合规、重安全的行业来说,这套规则不是附加项,而是敢用国产算力的前提。
开源推理引擎,支持不同芯片协同推理。一次大模型推理分两步:“读懂题目”费算力,“逐字作答”费带宽。把两步拆开,分别交给最擅长的国产芯片,再通过统一通信库传递中间结果,不同厂商的芯片就能协同完成推理。自研引擎开源、芯片差异下沉插件层,新款国产芯片“即插即用”,接入周期从数月缩短到以周计。
以存换算,减少重复计算。大模型每回答一个问题都要重算上下文,消耗算力。把算过的内容缓存起来、分级存放、智能复用,命中一次缓存就省下一笔重复计算。用户等待AI响应的时间明显缩短,同样算力能服务更多人。
核算总成本:从“买芯片”转向“买效果”
AI时代,产业计价逻辑也在改变。过去客户买算力,买的是卡和机柜;现在越来越多客户问:能不能直接按效果算账?真正要算的不是芯片纸面参数,而是每一个有效Token背后的总成本——采购价之外,还有适配费、利用率、时延、运维和能耗。北电数智用AI原生方式管理智算中心,让运维从被动处理故障转向提前预判,故障还没发生就被识别,能耗在动态调度中逐步下降;同时探索“效果式计费”,用户无需掌握底层细节,按需应用、按效果付费。把复杂留给自己,把简单留给客户,场景方才敢把业务交给国产算力,国产算力才能从“政策驱动”走向“市场驱动”。
场景验证:在真实业务中形成正循环
算力好不好用,不看实验室,看现场。在医院,北电数智与中日友好医院共建皮肤专病大模型,模型学习真实临床经验数据,达到中级医师考试要求的水平,帮助诊疗时间缩短两成、病历书写效率提升七成以上;与北京天坛医院合作的认知障碍筛查模型,让老人用手机两分钟完成初筛;与清华长庚医院合作的智能审方模型,是国内首个基于真实处方审核数据训练的药学大模型,把“用药安全”关口前移。在工厂,沉淀上万份检修文档和数亿小时机器运行数据的运维智能体,一秒输出检修方案;头部建筑企业工程造价从几天缩短到几小时。在实验室,与广州国家实验室合作的AI科研助理,把研究生要做一两天的常规数据分析压缩到一刻钟。在城市,从北京朝阳AIGC视听底座到佛山制造业AI底座,再到昆明、大理“一地一策”,底座建到当地、模型扎进场景。国产芯片不是在展厅里被参观好用的,而是在真实场景中被用好用的:使用越多,优化越充分;优化越充分,应用越广。
从“可用”走向“常用”,筑牢自主可控算力基础
算力是智能时代的重要基础设施,底座是否自主可控,关系到AI创新能否可持续,关系到数字中国建设的安全与韧性。全栈国产不是一蹴而就的冲刺,也不是一家企业的单独行动,而是一项需要耐心的系统工程、一场需要协同的接力。以国产全栈的系统工程,推动国产算力从“能用”走向“好用”、从“好用”走向“常用”,为网络强国、数字中国建设筑牢坚实的算力基础。
驰盈策略提示:文章来自网络,不代表本站观点。