當ChatGPT橫空出世時，國內很多人都在急切的追問：“中國需要幾個月才能追上？”

短短兩年后，時局已悄然改變。根據工信部數據，我國已建成萬卡智算集群42個，智能算力規模超過1590 EFLOPS，位居全球前列。中國成為AI專利最大擁有國，在全球占比達60%。

這些成就背后，中國的人工智能產業，并未沿著預設的“追趕”軌跡亦步亦趨，而是走出了一條算力算法協同演進的差異化發展道路。中國AI產業飛速發展，充分驗證了算力先行的底層邏輯。

近期，兩件緊密銜接的產業大事，清晰勾勒出這條道路的輪廓。2月5日，國家超算互聯網核心節點在鄭州上線試運行，3套曙光scaleX萬卡超集群系統形成了全國最大單體國產AI算力資源池。2月10日，“國產萬卡算力賦能大模型發展研討會暨聯合攻關啟動儀式”在鄭州舉行，產學研用齊聚一堂，共議“大算力+大模型”的協同發展路徑。

一周之內密集的行業動作揭示了一個趨勢：國產算力與國產模型、AI應用的深度融合與協同創新，已成為中國AI產業的必由路線。智算破局的關鍵不能靠單點技術攻關，更不能孤立地發展算力，軟硬協同的系統性解法已經成為產業共識。

從喂飽模型，到模型×算力協同進化

AI產業的發展是技術棧不斷融合與協同創新的過程。在早期，小模型時代，產業中的芯片、框架和算法相對獨立地發展，每一環節都相互分離，技術進步也局限于單點突破。

然而，隨著DeepSeek、Qwen、Seedance等一批國內大模型的崛起，以及它們與國際頂尖模型同臺競技，AI產業的軟硬協同達到了新的高度。

與大模型發展早期“堆算力就能大力出奇跡”的階段不同，如今算法架構持續創新、應用場景快速擴展、推理需求呈爆發式增長，倒逼智能算力完成“升維”——從單純提供算力供給，走向圍繞訓練、推理、調度、穩定性與成本的系統工程能力。

“百模大戰”后，基礎模型數量上逐步收斂，但架構創新并未停歇，反而成為新的分水嶺。中國信通院在《人工智能產業發展研究報告》中提到，在算法架構層面，以 DeepSeek 的 NSA、月之暗面的 MoBA 等為代表的稀疏注意力機制，正在成為提升模型推理效率的重要技術路徑之一。

中國信通院專家指出，現階段很多大模型的發展與創新，離不開與底層軟硬件系統的深度結合。整個軟硬件的生態體系，是下一個階段模型創新和智算設施競爭的焦點。

因此，智算產業正在完成一個核心轉變：過去是“算力喂飽模型”，現在是模型與算力互為驅動。模型用更聰明的架構逼出更高的單位算力效率，算力用更成熟的系統工程把模型創新變成可規�；�交付的生產力。

場景與應用，倒逼中國智算加速升維

信通院專家指出，智算產業的邏輯正經歷深刻轉變。過去，智算產業的發展主要依賴于“堆算力”的規模效應，而如今，以應用為導向已經成為推動智算加速發展的核心動力。

根據國家數據局的統計，2024年初，中國日均Token消耗量為1000億，而截至2025年6月底，這一數字突破了30萬億，增長超過300倍。這一數據直觀地反映了AI應用落地的爆發式增長。巨量的應用需求，凸顯了當前智能算力的核心挑戰：

“今天好用、易用、便宜的算力遠遠不夠。”國家高性能計算機工程技術研究中心副主任曹振南一語道破國內智能算力現狀。

首先，算力性能與穩定性。隨著AI產業向萬億參數大模型、世界模型、物理AI不斷演進，算力需求不再只是“峰值性能”，更強調長時間、大規模訓練與高并發推理下的穩定性、容錯能力和工程可靠性。應用規模一旦上來，“不穩定、不好用” 等瓶頸都會被放大成事故。

其次，算力門檻高。大模型創新加速，使硬件、框架、編譯器、通信與算子之間的耦合越來越深；同時，底層是多元異構芯片并存，上層則是“百模千態”的模型與應用組合。重寫算子、改并行策略、調通信與內存、重做性能調優……如果遷移成本過高，本質上是在勸退用戶。

第三，與產業應用脫節，是當前最容易被忽視的核心問題。許多智算中心的資源建設過于粗放，導致部分智算中心算力利用率僅為30%。有的智算中心在建設時只注重單一指標，忽視了多元異構生態的應用需求，造成了“建成即落后”的局面。

行業智能化發動機，國家超算互聯網的不可替代性

從軟硬件協同創新的意義上，國家超算互聯網的建設與核心節點在鄭州的落地，正是智算產業全鏈條協同的系統性實踐，更是推動產業智能化普及的核心動力。

1. 全球領先算力網，以應用導向為頂層設計

國家超算互聯網的定位，是國家級綜合算力服務平臺：以海量、普惠、易用的國產算力為底座，以全鏈路安全穩定為基本盤，把算力從“資源”升級為可規�；�交付的“服務”。

目前平臺已連接全國30多個超算中心和智算中心，形成全球領先規模的異構算力資源池；更關鍵的是，它并不止步于“把算力接上網”，而是持續推進與國產大模型、國產算力芯片的適配優化，把“能用”前移為“好用、可持續用”。

國家超算互聯網的頂層設計的邏輯是以應用為導向，圍繞產業真實負載來落地。以鄭州上線試運行的核心節點為例，其由超3萬卡國產AI算力支撐，具備全場景算力能力，可面向萬億參數級訓練、高通量推理、AI for Science 等高性能場景提供服務。

應用規模是算力平臺能力最有力的驗證：國家超算互聯網累計注冊用戶達 113萬，單日處理作業峰值突破 103萬，月訪問量突破 1130萬；AI社區已接入 1100+開源大模型。于鄭州上線試運行的核心節點也已針對數百個應用完成深度適配，覆蓋 23個行業領域。

2. AI全產業鏈聚合器，打通算力到應用的生態閉環

過去AI產業生態割裂，使得算力難以高效流通，模型難以快速適配，應用難以普及。針對這一痛點，超算互聯網專門構建了“算力-平臺-模型-數據-應用-生態”的AI行業服務能力，推進軟硬件全棧技術攻關，打通“算力基礎設施 + 大模型廠商 + 應用場景” 的產業閉環。

這一閉環的核心在于：把算力資源與大模型研發、應用場景實現深度融合，推動整個產業鏈的協同創新。這不僅是技術層面的突破，更是產業發展模式的創新，它代表了從碎片化到協同化、從單點創新到全鏈條融合的轉型。

3. 加速全國算力一體化，推動千行百業算力普惠

位于鄭州的核心節點的意義，不只是“新增一座大算力中心”，而在于它作為“東數西算”核心節點、國家超算互聯網核心樞紐，正在加速全國算力跨區域、跨中心、跨架構的統一調度與穩定交付能力。這正是全國一體化算力網要解決的核心問題。

更重要的是，超算互聯網讓“算力普惠”落地：把算力變成一種更接近水電煤的公共型服務能力，從而把AI應用落地的門檻整體拉低。

目前，從該核心節點的邀測需求來看，也從側面驗證了平臺的“普惠”價值：一方面，千卡、萬卡級別的訓練與推理需求不斷涌現，反映出大模型產業化正在進入更高強度的算力階段。另一方面，也接收到大量百卡級別的行業應用需求。不同規模算力需求同臺出現，恰恰驗證了全國算力一體化調度的必要性：既要能托底“頭部沖刺”，也要能覆蓋“長尾落地”。

結語

當“模型×算力”進入協同進化階段、當應用需求倒逼智算升維，AI產業的彎道超車就不再靠一次爆點，而靠長期的效率曲線：更低的算力成本、更快的迭代速度、更穩的工程交付、更廣的行業滲透。

中國AI的差異化道路，最終將由這套系統能力來定義，也將在千行百業的生產現場被驗證。

END

       原文標題 : 國產大算力×國產大模型，中國AI換道提速