9月12日的2026中国算力大会上，华为中国政企业务副总裁郭振兴在演讲中提到了两组数据。
一组关于当下：国家数据局的数据显示，国内日均Token调用量已经超过百万亿次，Token已经成为驱动智能经济运转的现实生产力；
一组指向未来：根据智库《AI 2027》预测，2027年将跨越AI技术奇点，算力逐步替代劳动力，有望推动GDP在2028年突破10%的增速。
AI重塑千行百业已经是不可逆的趋势，可大大小小的企业想要落地AI时，普遍遭遇了“骨感”的现实。
当多智能体协同和长序列推理走向常态，单卡算力再强，也会被卡间通信时延、网络拥塞和内存墙锁死上限；开源模型的能力越来越强，企业想要落地部署时，却深陷底层框架不兼容、算子开发、长理吞吐低效等泥潭；许多企业的应用仍停留在写公文、润色文案、客服问答，很容易陷入“越投越迷茫、不投又焦虑”的尴尬......
怎么才能跨越愿景与现实的鸿沟，避免在智能化浪潮中掉队呢？
华为中国政企业务副总裁郭振兴在演讲中给出的答案是——“打造先进的产品，完整的生态，融合行业场景”，全面释放AI新质生产力，助力千行百业跃升新价值。
跳出摩尔定律，用“协同创新机制”打破算力天花板
当大模型的参数量从千亿、万亿走向十万亿，传统拼积木式的“堆卡”逻辑，已经无法满足指数级增长的算力需求。AI基础设施的竞争，早已从“单卡性能的线性比拼”，转向“集群系统的工程革命”。
当信奉制程演进的摩尔定律，越来越难以满足AI算力的指数级需求，华为提出了“时间微缩”的韬定律，通过芯片架构、系统架构、集群架构的协同创新，打开了算力增长的新空间。
在芯片架构层面，按照“用面积换算力、以堆叠换能力”的工程理念，通过3D芯片堆叠与SoC系统级重组，实现性能全面跃升；
在系统架构层面，打破以CPU为中心的控制模型，改变传统主从计算架构，采用全对等架构，避免算力在等待和调度中被消耗。
在集群架构层面，依托灵衢总线、HiONE硅光互联等技术的“超节点”，实现了超大带宽、超低时延、统一内存编址，将成百上千颗NPU紧密连接在一起，在逻辑上“像一台计算机”一样工作。
进入2026年后，超节点已经成为AI行业的共识，其中昇腾超节点最早跨越了“技术可行”到“商业可用”的鸿沟。
2025年发布的昇腾384超节点，目前已商用落地750多套，涵盖互联网、运营商、金融、教育、医疗、交通、制造等20多个行业的核心生产场景，也是国内唯一训练出SOTA模型的超节点。
2025年华为全联接大会上发布的Atlas 950 SuperPoD，满配支持8192张基于昇腾950DT的AI加速卡，集群规模可达50万卡、自适应路由带宽利用率超过95%，可满足万亿、十万亿参数大模型的训练。
即将在2027年上市昇腾960超节点，最大可支持15488卡，可实现百万卡的超大规模集群。
需要说明的是，华为的算力产品体系并未局限于超节点，而是覆盖通算、智算全场景，面向不同行业、不同业务，提供大、中、小系列化算力，以满足千行百业的差异化算力需求。
比如在大算力场景下，通过超节点集群支持大模型预训练和强化学习；在中算力场景下，通过高密算力一体机赋能辅助医疗、智慧教学等应用，在小算力场景中，通过模组、板卡为AI PC、机器狗边缘智能提供算力。
从芯片架构的3D堆叠，到系统架构的控制流重塑，再到以超节点为核心的计算集群，华为用协同创新的系统工程，打破了算力增长的物理桎梏。无论是万卡集群的大模型训练，还是车间产线、边缘终端的敏捷推理，算力正像水和电一样，为千行百业提供源源不断的生产要素。
坚定开源开放，为千行百业厚植技术与人才“沃土”
回顾计算产业的进化史，硬件决定了产品性能的下限，生态左右着产业价值的上限。倘若没有繁荣的软硬件生态，即使是再先进的算力产品，也很难完成实验室Demo到工业产线的跨越。
就像企业落地AI时遇到的阻力，最大的症结往往不是纸面算力不够高，而是上下游的每一个环节都要踩一遍坑。怎么打通千行百业的落地壁垒呢？郭振兴在演讲中提到了三个层面的生态布局。
一是模型生态。
通过与模型厂家的深度合作，实现了Qwen、DeepSeek、Kimi、GLM等主流模型的0Day适配，10余个主力模型性能做到了开箱即优。
二是ISV生态。
目前昇腾已经实现全部国计民生行业的生态覆盖，携手众多ISV伙伴共同进行80%业务场景的覆盖。同时华为云的行业AI梦工厂，目前已上线智慧医疗、具身智能、智能制造、科学计算四大专区，提供行业基础模型、高价值数据集及开发工具链，联合伙伴与开发者共建生态，降低落地难度。
三是人才生态。
华为联合清华、北大、哈工大、上海交大等顶级高校，聚焦创新课题，孵化了多个世界级科研项目，并围绕教育部智能基座项目，提前培育复合型AI人才，将生态优势转化为产业优势、人才优势。
不管是模型的快速适配、ISV方案的高效孵化，还是复合型人才的培养，追根溯源都绕不开一个现实挑战：如果底座本身的软硬件接口是封闭割裂的，上层的生态繁荣终归只是无源之水、无本之木。
为了打破产业链上下游相互割裂、各自为战的局面，华为计算提出了“硬件开放、软件开源、使能伙伴、发展人才”的策略，与合作伙伴一起共建、共享，共同打造新生态。
比如华为开放了灵衢协议和超节点参考架构，开源了操作系统灵衢组件，合作伙伴可以基于灵衢自主研发相关产品和部件，和华为一起共建灵衢开放生态，推动超节点技术走向普惠与协同创新。
再比如开源开放异构计算架构CANN、AI框架MindSpore、Mind系列应用使能套件和工具链，赋予伙伴与开发者高度的技术自主权，让底层算力调度、长序列推理、通信加速等能力“拿来即用”。
原因并不难解释。
企业AI的落地，从来不是简单地把不同模型、软件厂商和开发者聚集在一起，而是让AI深入产业肌理。
只有打通底层的技术高墙、降低研发的时间和成本、补齐复合型人才的缺口、吸引越来越多的伙伴和开发者参与进来，AI才能真正跨过那道“高不可攀”的门槛，在千行百业的泥土里扎下深根。
从辅助办公“浅水区”，走向核心生产的“深水区”
除了提供算力、培育生态，还有一道必答题：让AI看得见成效、算得清账本。按照郭振兴的说法：“AI带来的生产力的提升已不仅是效率工具的升级，而是生产关系的系统性重构。”
怎么理解生产关系的重构呢？答案藏在三个真实的行业案例中。
第一个是钢铁行业。
钢铁冶炼长期受困于高温、高压、固液气反应的“黑箱”，涉及5000多个数据维度，过去完全依靠老师傅凭经验操控。
宝武钢铁在2025年将“人工智能重新定义钢铁”提升为公司战略，依托华为Atlas 800T智算底座、盘古预测与CV大模型及一站式AI开发平台，累计落地了120余项工业AI应用。
其中在高炉炉温预测场景中，炉温与硅含量命中率实现“双90%”，单高炉年增效益超千万；在热轧宽展与表检场景中，预测精度提升5%，单条产线年均节省钢材超9000万元。
第二个是能源行业。
在安全风险高、生产负荷重的地下矿井与水泥建材生产线上，AI展现出了硬核工业生产力。
以全业务“智变”的山东能源为例，依托华为“中心训练+边缘推理”的云边协同方案和软硬件生态，AI开发周期从3个月缩短至数天，模型识别精度提升20%以上，有效降低了生产安全风险。
同样的例子还有海螺水泥，联合华为打造的建材行业大模型，目前已完成100+生产线烧成寻优和强度预测。在烧成全局寻优场景中，煤耗下降了1%；在熟料强度预测场景中，准确率达到85%。
第三个是医疗行业。
全国病理医生总数不足2万，且大部分县域医院严重缺乏独立病理诊断能力，漏诊误诊风险居高不下。
为了解决病理医生的供需剪刀差，瑞金医院联合华为打造了国内首个临床级病理大模型——RuiPath，覆盖了90%的中国常见癌种、90%的下游诊断任务，可辅助医生完成90%的病理诊断工作。
在“端云协同”的模式下，基层医院仅需购买一台切片扫描仪，即可将切片图像上传云端大模型进行分析。让过去集中在三甲医院的优质病理诊断能力，正通过AI向基层延伸。
宝武的高炉、山能的矿井、瑞金的病理切片，并非偶然跑通的“特例样板”，验证了一套产业AI规模化落地的方法论：用算力解决“跑得起来”，用模型、平台与生态解决“用得起来”，最终和伙伴一起把AI送进生产现场，转化为可衡量的业务价值。
截止到目前，华为已经与2700+行业合作伙伴和80家硬件合作伙伴，共同打造了5800+行业解决方案，不断将沉淀下来的能力、经验和组织模式，从一个场景复制到另一个场景、一个行业迁移到另一个行业，加速AI从辅助办公“浅水区”，走向核心生产的“深水区”。
写在最后
时代的浪潮浩浩荡荡。
当百万级的智能体在机器轰鸣的车间、在纵横交错的电网、在高速运转的机房、在争分夺秒的医院里昼夜不停地稳定运转，日均Token消耗量的激增，将不再是一串冰冷的数据，而是衡量智能经济的新指标。
这条路没有捷径可走，华为给出的答案可以归纳为朴素的三句话：
算力筑基，以系统工程打破架构瓶颈；
生态聚势，以开放沃土厚植产业根基；
场景生根，以务实深耕重构生产范式。
评论交流