「端侧元年」来了
7 月 10 日，光合组织 2026 智能计算应用大会现场人头攒动，中科曙光刚刚宣布中国首个全国产十万卡 AI 超集群「曙光 8000（登峰）」正式落成。
在这场聚焦「规模」的发布会背后，一场更值得关注的对话正在展开——海光信息的四位高管，用一个多小时的群访，勾勒出了一幅比「十万卡」更细腻的产业图景：当 AI 从对话走向 Agent，算力的重心正在从 GPU 悄悄转移，CPU 重新变成了那个不可或缺的「大管家」。
Agent 正在把算力的重心「还给」CPU
过去几年，AI 基础设施的叙事几乎被 GPU 垂直垄断：谁的卡多、谁的算力峰值高，谁就掌握了话语权。但海光信息服务器产品部总经理张攀勇给出了一个反直觉的观察：
「随着 AI 的应用范式，从对话、推理，到现在的 Agent 智能体，任务编排、工具调用、记忆存储……这些工作其实很多都是在 CPU 上完成的，GPU 更多做的是模型推理本身。」
这背后的逻辑并不复杂。一个 Agent 要完成一次任务，远不是「调用一次大模型」那么简单——它需要理解意图、拆解任务、调度工具、读写数据库、维护上下文记忆，这一整套「隐形工作」绝大部分发生在 CPU 侧。当数据中心里叠加了沙箱、存储、向量计算等负载后，CPU 的算力占比自然水涨船高。
这也解释了为什么海光反复强调自己「双芯驱动」的战略——CPU 与 GPU 的紧耦合，而不是单纯堆砌加速卡数量。
AI4Science：CPU 是「跑测健将」之外的那个「综合管家」
海光信息副总裁李成用了一个很形象的比喻来解释 CPU 在科学计算中的地位：
「AI 加速卡更像一个跑得非常快的短跑运动员，但 AI for Science 的系统更像一套复杂的智能物流系统——数据怎么来、怎么处理、怎么存、怎么展示，这一整套逻辑需要一个综合的管家去管。」
李成给出了海光 CPU 在这一场景中「不可替代」的三个理由。第一是数据吞吐调度：气象计算、蛋白质折叠等场景数据量巨大，CPU 负责前期分流与综合运算调度。第二是高精度浮点保障：大语言模型多用 FP16、INT8 低精度，而 AI4Science 依赖 FP64 双精度，多数 AI 加速卡难以满足，CPU 的高精度浮点是关键支撑。第三是生态兼容性：海光 CPU 兼容传统 x86 生态，科研院所大量「小众冷门」软件和存量硬件可以顺畅迁移，显著降低成本。
这也从侧面印证了一个判断：十万卡集群拼的从来不只是 GPU 数量，全精度覆盖能力（FP64 到 INT8）才是「曙光 8000」这类超集群真正的技术门槛所在——这与通稿中强调的「超智融合」技术路线形成了呼应。
从「堆基建」到「进千家万户」
如果说 CPU 的回归是这场访谈里最具技术含量的发现，那么海光信息副总裁应志伟对「算力普惠化」的展望，则是最具想象力的部分。
面对「普通人未来能用算力干什么」的提问，应志伟没有停留在概念层面，而是给出了一个正在发生的现实案例：
「我家里人做投资，过去所有数据都要手动分析，现在他们用 Agent 自动整理数据。这在过去是需要程序员才能做的事，现在普通老百姓也能用起来了。」
他进一步给出了一个清晰的「分层算力」世界观，回应了「算力是否要像光纤一样接入千家万户」的追问。云端大算力将继续承担千亿、万亿参数级大模型的训练与推理，服务于对能力上限要求最高的场景，比如复杂编程；端侧小模型则覆盖人脸识别、电源波形检测、孩子做数学题这类场景，「上大模型没有意义，网络延迟就把好处抵消了」；而未来所有终端都会「长出」AI 能力，手机、手表、眼镜、机器人，「眼镜能拍照生成会议纪要，这种处理很多时候未必能上网，本地一定会有处理能力」。
这也是光合组织嵌入式产品专家张考华反复强调的判断——2026 年是「端侧元年」，算力芯片正从通用 GPU 向 NPU、TPU、BPU 等一系列「XPU」扩散，深入到「千行百业」的毛细血管里。
关于成本担忧，应志伟给出的回应也很直接：以 DeepSeek 为代表的国产大模型 Token 价格已经足够便宜，「普通用户几块钱就够了」——算力的经济性不是瓶颈，真正的瓶颈是应用场景的丰富度和适配深度。
当大模型开始「一夜挖出几百个零日漏洞」
这场访谈里最令人警醒的一段，来自应志伟对 AI 时代安全格局的重新定义。
他提到一个业界正在发生的现实：某公司宣称大模型可以一晚挖出几百个零日漏洞——而过去，一个专业团队挖一个深度漏洞往往需要一到两年。
「现在挖漏洞变得很快，但防御还是靠人。大模型把互联网上能看到的源码都读了一遍，它很清楚软件里有什么漏洞。」
这带来一个结构性的失衡：攻击的效率被大模型指数级放大，而防御依然停留在人力时代的速度。应志伟给出的解法，是把安全能力下沉——从软件下沉到硬件，从操作系统下沉到芯片本身。硬件具有天然的不可篡改性，「从代工厂生产回来就固化在那里，没法像软件一样被篡改」；大模型对硬件底层逻辑缺乏理解，攻击硬件的门槛远高于攻击软件；海光在 CPU、GPU 中已布局可信根植入、密钥管理、机密计算、控制流保护等能力，这些都是「软件上无法替代的」防护层。
张考华从嵌入式端的视角补充了这个判断的紧迫性——他提到震网事件、伊朗核设施攻击等历史案例，指出「很多安全事件并非从云侧发起，而是从端侧」，而端侧安全的物理破坏性、甚至地缘政治属性，是过去信创产业收口云侧安全时未曾充分覆盖的盲区。
十年长坡，但重心正在切换赛道
面对资本市场对算力景气度是否可持续的争议，张考华给出了一个跳出「多空对立」框架的判断。他把 ChatGPT 发布定义为堪比互联网革命的时代分水岭，而当下正处在从「训练驱动的上半场」向「应用驱动的下半场」切换的关键节点：
「整个 AI 市场开始真正渗透到社会生活的方方面面……随着云侧算力开始往端侧布局，跟算力芯片、算法、应用相关的企业越来越多。」
他给出的时间尺度是未来十年左右，且判断产业会朝更细分、更差异化、更异构化的方向演化——这意味着单纯用「卡够不够用」「供需比」这类云端算力指标去衡量行业景气度，本身可能已经过时。真正决定下一阶段景气度的变量，是应用场景能否找到规模化的商业闭环，而不是训练集群规模本身。
