在國務(wù)院新聞辦的新聞發(fā)布會上，工信部副部長張云明的表態(tài)，為人工智能產(chǎn)業(yè)的發(fā)展劃出了清晰主線 —— 近期工信部聯(lián)合 7 部門出臺的《“人工智能 + 制造” 專項行動實施意見》，搭配配套的行業(yè)轉(zhuǎn)型指引和企業(yè)應(yīng)用指南，正構(gòu)建起 AI 產(chǎn)業(yè)高質(zhì)量發(fā)展的 “四梁八柱”。而這一藍(lán)圖的核心突破點(diǎn)，明確指向了訓(xùn)練芯片與異構(gòu)算力兩大關(guān)鍵技術(shù)領(lǐng)域，這既是破解當(dāng)前算力瓶頸的迫切需求，也是筑牢產(chǎn)業(yè)自主可控根基的必由之路。
作為 AI 模型研發(fā)的 “算力基石”，訓(xùn)練芯片的重要性不言而喻。這種能處理海量數(shù)據(jù)、完成復(fù)雜深度計算的高性能集成電路，直接決定著 AI 技術(shù)的發(fā)展速度與高度。但長期以來，高端訓(xùn)練芯片市場被國外廠商高度壟斷，國內(nèi)大規(guī)模模型訓(xùn)練始終面臨算力供給不足、結(jié)構(gòu)性失衡的困境，想要擺脫對國外芯片的依賴，國產(chǎn)高端訓(xùn)練芯片的全鏈條技術(shù)攻堅迫在眉睫。
令人振奮的是，2026 年初的行業(yè)動態(tài)顯示，國產(chǎn)訓(xùn)練芯片正迎來多點(diǎn)突破，技術(shù)成果已從實驗室走向?qū)嶋H應(yīng)用。智譜 AI 與華為的合作堪稱標(biāo)桿 —— 借助華為昇騰 Atlas 800T A2 設(shè)備，雙方全程基于國產(chǎn)芯片完成了新一代多模態(tài)圖像生成模型 GLM-Image 的訓(xùn)練，從數(shù)據(jù)預(yù)處理到強(qiáng)化學(xué)習(xí)后訓(xùn)練的全流程，徹底擺脫了對國外芯片的依賴。這款模型發(fā)布后迅速登頂 Hugging Face 趨勢榜第一，用實打?qū)嵉氖袌霰憩F(xiàn)證明，國產(chǎn)算力底座已具備支撐前沿 AI 模型研發(fā)的實力。
在集群訓(xùn)練效率上，科大訊飛與華為的深度合作同樣交出亮眼答卷。雙方攻克萬卡級集群組網(wǎng)和通信協(xié)同優(yōu)化的核心難題，將通用大模型訓(xùn)練效率從行業(yè)普遍的 30%-50% 大幅提升至 85%-95%，即便在長思維鏈強(qiáng)化學(xué)習(xí)這樣的復(fù)雜場景中，訓(xùn)練效率也超過 84%。這意味著國產(chǎn)芯片訓(xùn)練大模型的成本將顯著下降，穩(wěn)定性也已接近國際主流水平，為產(chǎn)業(yè)規(guī)?；瘧?yīng)用掃清了關(guān)鍵障礙。
芯片廠商的產(chǎn)品迭代同樣迅猛，多款新品在關(guān)鍵參數(shù)上對標(biāo)國際主流，且堅持國產(chǎn)工藝路線。燧原科技推出的 L600 定位極高性能 AI 算力，不僅采用國產(chǎn)工藝，還首創(chuàng)原生 FP8 低精度算力，專門用于訓(xùn)練集群，性能可對標(biāo)英偉達(dá) H20 GPU，未來計劃支持萬卡級超大算力集群建設(shè)；中誠華隆的 HL100 則走出差異化路線，采用自研 GPGPU+NPU 融合架構(gòu)，主打高能效比和高性價比，同等算力下的總擁有成本僅為國外某知名 AI 芯片的 1/4，為不同場景的算力需求提供了更經(jīng)濟(jì)的選擇。
更值得關(guān)注的是科研團(tuán)隊在顛覆性技術(shù)路徑上的探索。清華大學(xué)發(fā)布的 “太極 - II” 首創(chuàng)全前向智能光計算訓(xùn)練架構(gòu)，讓大規(guī)模神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度較傳統(tǒng) GPU 提升 10 倍，憑借超高能效比為突破算力瓶頸提供了全新思路；中科院自動化所的 “瞬悉 1.0” 在國產(chǎn) GPU 集群上完成訓(xùn)練，其出色的推理效率和能耗表現(xiàn)，也印證了非 Transformer 架構(gòu)在國產(chǎn)算力平臺上的巨大潛力，為行業(yè)技術(shù)路線多元化發(fā)展打開了空間。
如果說訓(xùn)練芯片是 “單點(diǎn)突破”，那么異構(gòu)算力則是 “系統(tǒng)破局” 的關(guān)鍵。這種早已跳出 “硬件堆疊” 思維的技術(shù)路徑，通過在計算系統(tǒng)中混合使用 CPU、GPU、NPU、FPGA 等不同架構(gòu)的計算單元協(xié)同處理任務(wù)，實現(xiàn)了算力資源的最優(yōu)配置。打個形象的比方，傳統(tǒng)同構(gòu)算力模式就像滿街都是小轎車，拉貨載人都難兼顧；而異構(gòu)模式則根據(jù)任務(wù)特性精準(zhǔn)調(diào)度 “交通工具”—— 拉貨用 “卡車”（NPU / 加速卡），載人用 “轎車”（CPU），長途用 “高鐵”（專用芯片），最終實現(xiàn)效率最大化、成本最低化。
當(dāng)前，國內(nèi)異構(gòu)算力的突破主要集中在三個核心層面。首先是打破 “算力孤島”，解決跨地域、跨芯片協(xié)同的難題。上海 AI 實驗室的 DeepLink 技術(shù)實現(xiàn)了全球首次長距離、跨地域異構(gòu)算力互聯(lián)，就像一個 “萬能插座”，成功將上海和濟(jì)南兩地不同架構(gòu)的算力資源整合為 “超級節(jié)點(diǎn)”，訓(xùn)練效率達(dá)到單一芯片集群的 95% 以上，有效盤活了分散的算力資源，緩解了算力分布不均的問題。
其次是攻克軟硬協(xié)同的 “調(diào)度藝術(shù)”。異構(gòu)算力的核心難點(diǎn)不在于硬件組合，而在于軟件層面的高效調(diào)度。阿里云率先構(gòu)建起業(yè)內(nèi)首個萬卡混合異構(gòu)算力云平臺，通過算網(wǎng)融合架構(gòu)讓不同廠商的 GPU 順暢協(xié)同，通信性能提升 20%；京東云的 JoyScale 平臺則實現(xiàn)了更廣泛的兼容，支持超 10 家國產(chǎn)算力卡，成為行業(yè)最多元的異構(gòu)調(diào)度方案；中國電信的創(chuàng)新實踐更具借鑒意義，其驗證的 “英偉達(dá) + 國產(chǎn)” 芯片交叉組合推理試驗，將推理任務(wù)的 “Prefill” 和 “Decode” 階段拆分，分配給不同特性的芯片處理，最終實現(xiàn)成本最高下降 42%，為行業(yè)提供了降本增效的新范式。
最后是顛覆性的 “光計算” 探索，這被視作下一代異構(gòu)算力的重要方向。前文提到的清華 “太極 - II” 就是典型代表，這款智能光計算芯片利用光子進(jìn)行計算，在特定任務(wù)上的速度比傳統(tǒng) GPU 快 10 倍，且能效比大幅提升，有望打破 “電算力” 的物理極限，為算力行業(yè)開辟全新賽道。而國家超級計算成都中心的最新動態(tài)更顯示，量子與經(jīng)典算力的協(xié)同調(diào)度已成為現(xiàn)實 —— 西南首臺 550 量子比特相干光量子計算機(jī)的落地，讓異構(gòu)算力的邊界從傳統(tǒng)芯片拓展到了量子領(lǐng)域，為未來算力升級埋下了重要伏筆。
從工信部的政策導(dǎo)向不難看出，異構(gòu)算力已從 “技術(shù)概念” 轉(zhuǎn)變?yōu)?“剛需基礎(chǔ)設(shè)施”。未來的 AI 算力競爭，不再是單一芯片 “大力出奇跡” 的比拼，而是 “精打細(xì)算” 的系統(tǒng)能力較量。通過異構(gòu)算力的深度發(fā)展，不僅能充分盤活國內(nèi)豐富的算力資源，更能降低對單一進(jìn)口芯片的依賴，為《“人工智能 + 制造” 專項行動實施意見》中提出的 “到 2027 年實現(xiàn)關(guān)鍵核心技術(shù)安全可靠供給” 目標(biāo)，提供堅實的算力支撐。
隨著清微智能等企業(yè)的可重構(gòu)芯片實現(xiàn)量產(chǎn)落地，國家超算中心的多元算力平臺持續(xù)擴(kuò)容，國產(chǎn) AI 算力正從單點(diǎn)突破走向體系化升級。在政策引導(dǎo)與市場驅(qū)動的雙重作用下，訓(xùn)練芯片的自主化與異構(gòu)算力的規(guī)?；瘧?yīng)用，必將加速推動 AI 與制造業(yè)的深度融合，為新質(zhì)生產(chǎn)力的培育注入強(qiáng)勁動能。
如果想進(jìn)一步聚焦某類芯片的技術(shù)細(xì)節(jié)、特定企業(yè)的實踐案例，或者補(bǔ)充 “AI + 制造” 的具體應(yīng)用場景，我可以繼續(xù)深化內(nèi)容，讓分析更具針對性和實用性。
