《数智时代企业算力基座建设路径与行业实践研究报告》发布 四大维度阐述算力底座建设体系

“业界是非常需要有这样一个比较全面的智算选型的考量，”基础软硬件与生态工作组组长、中国信通院人工智能研究所软硬件与创新生态部主任李论在采访中表示，“这里面涉及到供应链的韧性和安全问题、生态适配、绿色低碳以及应用导向等多个方面。”

算力底座建设之困 没有“路线图”的时代

在报告发布之前，企业算力基建长期处于“盲人摸象”状态。

硬件选型无标准、技术路线难抉择、存量业务迁移风险高、重复建设与资源浪费严重——这是部分企业面临的共性困境。

海光信息央国企业务部总经理张鹏在服务央国企客户的一线实践中，也深刻感受到这种困境的普遍性。他在群访中坦言："目前央国企的存量系统非常大，而且技术架构复杂，相当于每个企业都有自己核心的特点，软硬件的适配工作体量巨大。第二个问题是，核心业务迁移缺少直接可复用的经验，一个央企做了相应的基建，到另外一个央企不能拿来就用，还是要经过反复的验证，每个企业也非常担心它的业务延续性问题，怕在迁移过程中出现中断。第三个，有些企业还是只注重设备的采购，对后续运维和业务价值的估量存在不足。"

张鹏指出，央国企的要求已今非昔比："不仅仅只是替代的问题，而是要求国产化能否稳定地承载央国企的核心业务，只有完成了核心业务替代，我们才能真正做好央国企的数字化转型工作。"

同时，报告显示，当前，算力基础底座与实际业务需求之间往往存在脱节现象，部分智算中心出现“重建设、轻运营”、“重参数、 轻场景”倾向，导致大量算力资源闲置，商业循环尚未完全打通：IDC调研数据显示，近半数企业的智算资源利用率 维持在51%-70%的中等区间，且仍有6.7%的企业利用率仅为 31%-50%，处于较低水平。

一方面是算力建设浪潮下可能 存在盲目投资，更重要原因则是国产底座普遍缺乏真实、 复杂的高价值业务场景进行“真替真用”的极限承压与场 景打磨，难以在实战中暴露深层缺陷并完成技术迭代，极 易陷入“建而不用”或仅用于边缘测试业务的困境，难以实现真正的价值兑现。

“4C模型”打造全周期方法论

报告中值得关注的理论，在于构建了算力底座建设选型的“4C模型”，将算力基建从“单一参数比拼”升级为“多维系统耦合”的科学方法论。

过去，企业在算力建设中往往将芯片峰值算力、单卡性能作为核心评判指标。但在大模型深入生产系统的今天，供应链稳定性、业务迁移平滑度、软硬件兼容性、长期运行可靠性以及能耗与运维成本的可控性，共同决定着投入的最终成效。报告提出的“4C模型”也是对这一痛点的回应。它将算力底座视为一个多维耦合的复杂系统，涵盖四个核心维度：

Chain（供应链安全与韧性）——这是算力底座的物理基石和生存底线。企业需要综合考察产品的核心技术自主化程度、安全防护能力与持续迭代潜力，建立从芯片设计、制造到封装测试的全链路多源备份体系，避免关键业务受单一技术与供应体系制约，保障业务连续性与数据安全。

Community（生态和产品矩阵）——这是算力底座的软件灵魂。算力落地贯穿芯片、服务器、操作系统、开发工具、软件框架、模型到行业应用的全链条，生态完善程度直接决定企业存量业务迁移和新应用部署的成本。具备广度与深度的产品矩阵、繁荣的开发者社区、以及对主流编程框架的深度适配，能够大幅降低用户的迁移门槛与应用改造成本。

Commercial（商业闭环）——这是算力底座的价值引擎。报告强调，算力建设不能“为建而建”，国产算力必须进入复杂、高价值的真实业务场景，通过核心系统的“真替真用”形成实际产出，并以一线业务需求反哺芯片、软件和系统的持续优化，实现商业正循环。

Carbon（绿色高效）——这是算力底座的长效约束。随着高密度部署加速，电力、散热和运维压力持续上升，单机柜功率密度急剧攀升。先进的液冷散热方案、高密集约的架构设计以及算电协同调度能力，已成为评估算力基座全生命周期成本与可持续发展能力的重要指标。

海光信息企业业务群总经理李程在采访中表示：“人工智能发展的核心卡点是算力，算力的核心卡点是电力，电力的核心卡点其实是绿色。如何实现从算力底座到能源消耗到有效高效的绿色节能，作为算力厂家来说是一个非常重要的环节。我们结合着合作伙伴的能力，无论是在芯片设计底层的优化，还是液冷的高效实现，以及超大规模集群、超节点、10万卡集群建设方面，都提供全生命周期的保障。”

从产业视角看，“4C模型”可作为企业规划和产业协同的参考框架：它为长期碎片化的算力建设提供了一套可参考的通用的“坐标系”——企业可以用它定位自身短板、规划演进路线；产业链上下游可以用它建立共同的话语体系。

回应千行百业的差异化需求

方法论的生命力在于落地。报告并未停留于理论推演，而是通过多个行业的真实案例，验证了“4C模型”的实操价值。

在油气行业，某龙头企业基于海光CPU+DCU异构架构，构建全栈国产云平台，成功承载勘探开发、生产运营等核心业务系统迁移，系统稳定性达99.99%，成为能源行业算力底座建设的标杆。

在汽车领域，某头部车企依托4800片海光C86处理器构建智算中心，同时支撑智能驾驶模型训练与车联网数据处理，实现了从数据采集到模型部署的全流程智能化管理，且原有X86业务系统“裸金属”平滑迁移，改动代价极小。

在集成电路设计领域，国产EDA工具与海光算力平台的适配已取得阶段性突破——在器件仿真、版图验证等关键模块上，国产计算卡性能对齐国际主流产品，率先打通了“国产EDA+国产算力”的端到端协同。

关于算力建设与业务场景的先后关系，张鹏分享了海光从一线实践中得出的判断："至于我们是先建后用，还是根据需求再建。在国家要求里面已经给了部分答案，三大运营商已经在建一些基础算力底座。但现在资源还是有部分闲置的，需要后端业务场景上来给前端需求进行提升。我觉得是一个并行走的阶段，不能建好了资源池等业务，也不能有了业务没有算力可用，这是双管齐下的态势。而且海光本身是CUDA兼容生态，生态能力比较好地能够完成客户业务迁移、上线需求。目前我们的资源也是比较饱和的状态，未来央国企这个情况也是一个爆发的态势。"

值得关注的是，报告在绿色高效维度着重收录了某石化企业的液冷DCU集群实践——该平台采用冷板式液冷方案，运行PUE值≦1.2，稳定支撑了勘探、开发、炼油、安全、环保等9类200余项AI场景。这一案例也印证了国产算力在“双碳”目标下的可行路径。

从“各自为战”到“统一坐标系”

在产业观察者看来，这份报告的意义远不止于技术指南——它进一步为企业算力基建建立了一套“行业坐标系”。

有了这套坐标系，企业可以准确定位自身在“建迁用演进”中所处的阶段，明确下一步行动方向；产业上下游可以用共同的话语体系沟通需求、规划产品，减少低水平重复；标准制定机构也获得了参考依据，为后续行业规范出台提供支撑。

李程在群访中分享了他对当前产业机遇的判断："随着人工智能大模型逐渐在辅助研发设计、生产运营以及经营管理提效方面开始应用，算力从过去IT服务支撑保障的动作，提供智能体、提供智能问答，开始逐渐渗透到生产、研发侧，人工智能已经逐渐成为一个生产要素。这个过程给我们带来了面向于从大模型衍生的企业AI发展、数智化发展这样一个产业高速发展的方向。"

李程进一步指出，当前行业正处于关键窗口期：“在国家整个‘十五五’规划里面，我们看到了明确提出要做自主可控，要发展智算建设的时候，要考虑到对自主可控、对落地的效率以及对产业的布局是不是有一个长期价值的提升。有好的技术沉淀和产业能力的厂商来说，这是一个非常不错的发展机遇期。”

海光信息企业行业方案部副总经理李洋则从统筹通算与智算的角度，介绍了海光在行业方案层面的协同思路："从企业算力基座层面来说，不能按照不同业务简单堆叠算力设备，否则容易形成资源孤岛，增加数据流转和运维管理的复杂度。我们需要先做应用负载分析，明确哪些任务依赖通用计算、哪些依赖大规模并行计算，再设计CPU与DCU协同异构的架构。海光C86架构CPU承担通用计算、数据库、存储、大数据预处理等负载，DCU承担AI训练推理，以及工业仿真、科学计算等并行任务。方案设计的重点不是简单堆叠，而是围绕业务形成协同，通过软件体系、开发工具和资源调度能力打通从数据到任务再到应用的全流程，让异构算力真正发挥效率。"

谈及海光的未来布局，李程表示将围绕三个方面持续深耕：“海光一直持续以来核心做三件事，第一是发展全栈自研的产品，第二是发展开放的海光生态，第三是深耕行业应用。我们在AI软件栈层面长期布局，目前供应链平台有差不多2000+优化算子去推进全行业AI相关支撑。围绕光合组织大概有6000余家伙伴，从基础硬件厂家到操作系统、中间件到AI模型厂、平台厂、云厂家、数据库等全产业链伙伴，围绕着海光的算力底座开发各种应用，面向行业的应用产品。”

海光信息方面透露，未来将持续围绕“全栈自研产品、开放产业生态、深耕行业应用”三大方向推进工作。目前其围绕“光合组织”已汇聚6000余家合作伙伴，覆盖从基础硬件、操作系统到AI模型、行业应用的完整链条，并实现了对主流大模型的“Day 0”级原生适配。

李程表示：“海光会持续不断地和我们的伙伴，围绕着我们的芯片产品、围绕着我们的生态体系这种双轮的驱动模式，去支撑行业侧各种核心应用的替代，把我们的方案推到每一个企业客户来，最终为企业能提供一个从产品稳定性、从AI的效率以及可持续性这样一个算力的模式，提供海光的算力底座。”