文｜张钰 朱耘

ID | BMR2004

“全社会对国产算力的期待可以归结为4个字——‘物美价廉’，这也是当前国产算力面临的主要挑战。”中科曙光高级副总裁任京暘在2026数博会期间接受《商学院》记者采访时表示。

当前AI正加速向产业渗透，行业重心正从建设算力底座转向高效用好算力，算力成本高企、产业生态不完备，成为国产算力规模化落地的现实阻碍。

在任京暘看来，国产算力要真正走向大规模应用，不能只靠硬件堆料，而是要在生态、系统、应用场景等多个维度形成合力。算力产业的竞争，最终不是比谁建的机房大、谁攒的卡多，而是谁能让算力真正变成像水、电一样随取随用的服务。这一关过不去，AI落地千行百业就是一句空话。

01

算力现实瓶颈：“物美价廉”仍待突破

词元经济的到来，意味着AI开始真正创造价值。但价值创造的前提，是算力能够像水、电一样随取随用。现实却仍有差距。

任京暘指出，国产算力“用不起”的问题尤其突出。近年来主流AI服务器价格涨幅巨大；算力成本异军突起，让电力、模型等成本都相形见绌。“大家都期待算力能像水、电一样成为公共基础设施，但水和电是每个人都消费得起的，今天的算力价格还远远没有达到这个水平。”

价格暴涨的背后，是AI应用爆发式增长让供应链措手不及。“没有想到短期之内应用这么大量地爆发，产能释放短期存在瓶颈。”任京暘认为，产能的重新构建和释放需要周期，“恐怕还要几年的时间”。

比“用不起”更深层的问题是“用不好”。国产算力的生态环境尚需完善，从芯片到系统、从框架到应用，各环节之间的协同不够顺畅。即便有了硬件，企业也未必能高效地调用和调度算力资源。任京暘认为，要做到“好用”，首先要在生态建设上补课——这是解决“物美”的问题。

02

中科曙光的解法：系统协同，构建综合竞争力

面对“用不起”和“用不好”的双重挑战，中科曙光在数博会上展示了“曙光8000全国产十万卡AI超集群”。这套系统采用“超智融合”技术路线，摒弃传统超算、智算分区方式，真正实现了全类型计算的原生一体化融合，面向高精度科学计算和低精度智能计算的复合需求，支持FP64到INT8全精度，可覆盖科学计算、大模型训练、AI推理、工业仿真等多类科研和产业场景。

任京暘强调，超大规模计算系统不是简单堆砌硬件。“不是把这些卡连起来就可以了，而是要做到芯片、计算、存储、网络、制冷、软件的深度耦合。”尤其是在科学智能等前沿领域，超智融合的新一代算力基础设施备受关注。曙光8000不仅在硬件层面实现全自主，更在系统综合集成层面攻克了诸多技术难题，为大规模模型训练和科学计算提供了统一的算力底座。

然而，单靠一家企业的硬件创新，无法化解全行业的成本与生态困境。为此，中科曙光推动建设“AI开放计算架构”，并依托“光合组织”推动产业共识的形成。任京暘介绍，光合组织已汇聚6000多家合作伙伴，大家共同的任务是搭建好这个架构，解决“物美价廉”的问题。“我们希望把这个架构在行业内形成共识，让上下游的伙伴一起在开放计算架构这条道路上携手走下去。”

谈及中国算力产业的核心竞争力，在任京暘看来，这是一套多重条件叠加形成的综合优势。依托现有资源与技术积累，我国在搭建超大规模算力底座这类大型复杂系统上已经显现出突出能力，而国内计算产业数十年发展沉淀下来的人才储备，也为产业发展筑牢根基，中科曙光在全国各地布局的研发中心，便能够持续招募到大量高水平技术人才。与此同时，国内千行百业丰富的数字化实践场景，为算力产品与技术迭代打磨提供了天然的产业“演兵场”；叠加从宏观到微观层面长期、具备前瞻性的产业政策支持，共同构筑起国内算力产业独特的发展底色。

硬件、生态、制度层面的多重条件逐步成熟，也为推理时代的产业爆发打下基础。对于“词元经济”带来的影响，任京暘认为，这标志着AI从模型训练走入了推理阶段，意味着AI真正“能够干活了、能够解决问题了”。虽然目前推理应用还集中在编程、短剧制作等较窄领域，但“这扇门已经被推开了”，推开之后，千行百业都将与AI产生关联。“推理经济发展起来之后，和社会中的每一个个体，关联度都会显著提升。”

任京暘预测，随着推理经济的深入，AI将逐步渗透到制造、医疗、金融、政务等更多行业，真正成为社会运行的基础能力。而要让这一天更快到来，算力产业仍需在降低成本、完善生态、提升系统能力等方面持续努力。这既是挑战，也是中国算力产业从“物美价廉”走向“综合竞争力”的必经之路。