数智时代企业算力基座建设路径与行业实践研究报告

数智时代企业算力基座建设路径数智时代企业算力基座建设路径与行业实践研究报告1以大模型为代表的人工智能技术正从探索期迈向规模化落地阶段，算力已不再是简单的资源消耗，而是跃升为推动产业升级的核心生产要素。在全球科技竞争与产业格局加速重构的背景下，我国新型工业化战略深入推进，各行业智能化转型对算力底座提出了更高要求—不仅需要充足、普惠的算力供给，更呼唤安全可靠的技术支撑。构建坚实的算力底座，已成为企业抢占智能化先机、重塑核心竞争力的关键支撑与战略抉择。面对快速迭代的算力技术和纷繁复杂的建设路径，行业用户在算力底座规划与落地过程中普遍面临认知门槛高、建设经验少、可借鉴案例缺乏等现实挑战。本报告从行业用户需求关切出发，系统梳理企业算力底座的建设路径、方法论与实践框架，深度挖掘并呈现来自制造、能源、半导体等行业的成熟、优秀建设案例，力求为正在探索算力建设的各类企业提供可参照、可复用的实践示范与决策参考，助力行业加速迈向智能化发展新阶段。2 1.1产业背景：算力成为企业AI转型的核心支撑 3 4 6 6 22 32 32 33 341第一章算力底座建设的产业背景与战略价值1.1产业背景：算力成为企业AI转型的核心支撑从全球范围看，前沿大模型正加速向万亿级参数规模迈进，算力需求呈现指数级增长态势。据测算，训练一个万亿参数模型所需的浮点运算量已达到10的26次方数量级（Grok4约为5.0×10^26Flops），单次训练耗资达数亿美元，相当于E级超算连续运行3.2年；与此同时，头部大模型训练所需算力仍以每年5倍的速度快速增长。在此驱动下，全球智能算力市场持续扩张，Gartner预计到2026年，全球AI基础设施（含服务器、网络、存储等）支出预计将突破1.36万亿美元。图1全球顶尖模型训练计算量增长（数据来源：Epoch.ai）技术进步与成本下降双轮驱动下，前沿人工智能能力正加速向千行百业落地。在技术侧，大模型性能快速提升，多模态理解、逻辑推理与长上下文处理等能力突破，最新模型已可稳定处理数百万token的上下文，数学推理、代2码生成等复杂任务上的准确率较两年前提升超30%。在成本侧，推理算力成本断崖式下跌成为AI能力落地关键催化剂。OpenAI、谷歌、深度求索等头部模型API调用价格过去两年降幅超99%；本地部署的端侧模型可媲美6-12月前顶尖模型性能。由此可见，硬件效率与算法优化共同推动实现技术平权和价值普惠。图2前沿模型能力与本地消费级终端部署模型能力时间差距（数据来源:Epoch.ai）除AI厂商持续加码算力基础设施布局外，国内外头部行业企业已将算力视作提升未来产业竞争力的核心驱动，纷纷展开高强度战略布局：金融领域，摩根大通提出成为一家“AI原生”金融组织的战略目标，将AI深度融入其运营和战略决策的各个层面，2026年技术支出预计达到约198亿美元，约12亿美元将专项用于AI相关基础设施和项目，包括AI模型训练、算力支持、AI应用开发等；汽车领域，现代汽车集团将投入约5.8万亿韩元建设AI数据中心，计划部署约5万颗图形处理器（GPU），用于支撑大规模算力需求；制造业领域，海尔集团宣布未来5年将累计投入不少于1000亿元，以筑牢AI原生技术根基，其中算力作3为支撑AI技术研发和应用的核心基础设施，是投入的重要方向之一。总体来看，算力已远远超越单一资源属性，愈发成为企业前沿科技博弈和产业智能化转型不可替代的核心要素。1.2政策导向：新型工业化与自主算力建设双轮驱动当前，我国统筹推进新型工业化的战略部署，将算力定位为关键新型基础设施，通过新型工业化与自主算力建设双轮驱动，突出了自主算力底座在未来发展中的重要战略地位。政策端覆盖国产芯片、基础软件及算力集群的技术攻关、产业合作、金融财政等多维度政策体系加速完善：国务院《新时期促进集成电路产业和软件产业高质量发展的若干政策》从财税投融资全链条给予芯片企业长期支持；工信部联合多部委发布的《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》、《算力互联互通行动计划》等文件明确要求枢纽节点提升国产算力比例；发改委与财政部将国产AI算力基础设施纳入超长期特别国债及专项债券的重点投向领域，合力推动国产算力底座从单点可用向体系化规模化落地跨越，以底线思维构筑产业安全防线。在产业落地层面，我国更加强调产研融合与生态共建，推动国产算力领军企业与制造业、能源等重点行业深度融合。工信部通过“揭榜挂帅”机制与应用示范工程，引导能源、制造领域的大型央企优先采购经过行业验证的国产方案，链接整机、软件与垂直行业应用的生态聚合体，实4现从“可用”到“好用”的生态演进，为新型工业化锻造安全数字基座；围绕“计算技术底座、赋能行业发展、支撑新兴领域”三大方向，以先进计算赋能新质生产力为核心，组织遴选并公布59项2025年先进计算赋能新质生产力典型应用案例，覆盖制造、医药、汽车、金融、交通科学计算等多个领域，进一步强化国产化生态信心。1.3行业诉求：国产算力底座精准契合企业多层次诉1.3.1供应链安全是基础：规避外部环境风险，保障业务连续性与经营安全近期，对高端GPU、CPU等核心算力硬件及配套基础软件依赖度较高的企业，日益重视供应链的韧性与连续性。相关产品的采购与供应，已从单纯的商业采购问题，逐步转变为需要持续评估和管理的供应链议题。企业普遍希望降低因单一供应来源波动或服务中断可能带来的影响，以保障生产系统平稳运行、数据资产安全及业务连续性。在此背景下，构建更加多元、有弹性的算力供给体系，将本地化或可替代的算力方案作为重要补充，已成为企业增强抗风险能力的现实考量。企业普遍希望通过部署安全可靠的算力架构，在芯片、系统、应用等层面加强冗余设计与安全防护，逐步降低对单一技术路线的依赖，从而在不确定环境下更好地保障生产经营的可持续性和核心数据的安全可控。1.3.2本地化适配是优势：国产算力适配行业复杂场5景，满足多样化算力需求随着制造业、能源、交通等关键行业数字化转型迈入核心生产环节，通用性进口算力方案与行业特定场景间的“适配鸿沟”日益凸显。以制造业的精密工业仿真、实时协同质检，以及能源领域的广域电网振荡分析、地下油藏高精度建模等典型场景为例，其对算力基础设施提出了微秒级确定性时延、海量并发数据处理能力及在高温、强电磁干扰等严苛环境下长期高可靠运行的极致要求。这些深度耦合行业工艺流程的需求，远非标准化、封闭化的海外方案所能精准满足。因此，企业迫切需要能够提供深度定制与联合优化能力的国产算力方案，通过与国产芯片及算法供应商的协同攻关，实现从指令集适配、中间件优化到场景化算子库重构的垂直整合，使算力底座真正融入并赋能核心业务价值流。1.3.3降本增效是目标：通过国产化优化实现降本增效，提升AI应用部署的经济性在企业智能化升级进程中，AI大模型训练推理、工业视觉等应用加速规模化落地，导致算力采购与运营成本急剧攀升，是影响企业投资决定的重要阻碍。海外高端算力产品不仅获取成本高昂且供应不稳定，其封闭生态带来的高额软件授权费与维保支出更进一步加重了企业负担。相比之下，主流的国产算力方案依托兼容主流生态的技术路线，大幅降低了存量应用的迁移改造成本，并通过更优的软硬件协同设计与性能功耗比，从单位算力成本上构建优6势。企业采用国产算力底座，不仅能够规避因供应问题导致的溢价风险，更能有效降低AI应用落地的总拥有成本，最终达成保障供应链安全与提升生产经营效率的有机统一。第二章我国算力底座技术演进与产业生态格局近年来，国内厂商在制程工艺、算力密度、能效比等方面稳步提升，核心产品性能与关键技术能力逐步接近国际领先水平。从规模上看，我国人工智能加速芯片出货量持续攀升、互联能力大幅增强，已能支持十万卡级集群建设；从产品性能上看，通过以超节点为代表的算力架构创新，我国厂商将计算、存储、网络深度融合，破解超大规模AI训练与推理中所面临的扩展性瓶颈、效率损耗与能耗墙难题，已能支持千亿参数以上模型的产业级训推需求。表1部分公开披露的万卡集群配套软件栈推动我国算力从“可用”迈入“优用”阶7段，全栈软件体系不断完善，适配能力与易用性显著提升，主要体现在以下两方面：一是底层工具链日益成熟，软件栈已基本实现与CUDA生态的功能对标，大幅降低代码迁移成本。迁移成本曾是阻碍国产芯片规模化落地的核心瓶颈—开发者长期习惯于CUDA的编程范式，重构代码的时间与人力成本极高。国产算力厂商通过API兼容、自动化转换与智能迁移方案，将原本需要数月的人工改写压缩至数天甚至小时级，大幅降低了用户切换平台的心理门槛。二是功能不断丰富。当前国产软件栈已从单一算子库延伸至涵盖线性代数、并行计算、科学计算、深度学习算法等全MindSpore等主流编程框架的深度适配，意味着开发者可以在国产平台上直接使用熟悉的API和训练范式，无需改变工作流和使用习惯。图3国产代表算力芯片软件栈与国际主流软件栈架构对比异构计算架构成为主流，云边端协同算力体系逐步构8建，支撑全场景算力覆盖。当前，单一计算架构难以满足多样化的AI应用需求，国内厂商普遍采用异构计算路线，并加速构建多层次算力体系。一方面，CPU+GPU异构协同成为标配，实现硬件层面的深度协同，能够根据负载特性动态调度算力，兼顾大模型训练与通用计算需求。另一方面，整机形态日益多样化，主要算力厂商纷纷布局从单卡PCIe到超节点的完整产品谱系，力争满足覆盖云端训练、云端推理、边端部署的差异化需求。同时，云边端协同架构逐步完善，通过统一调度平台，将云端大规模训练算力、边缘端实时推理算力与端侧轻量化算力有机结合，满足制造业智能巡检、能源管道监测等不同场景的低延迟、高可靠需求。图4多样化算力部署形态产品2.2智算生态从单点突围走向合作共赢当前，算法模型的快速迭代已经与芯片、软件栈、框架间协同愈发紧密，算法、芯片、框架等单一环节改进已不能满足大规模token运转需求，需要软硬件并行研发、协同设计，头部模型厂商需要同时在算法机制、硬件架构、9软件栈能力等方面展开创新，更加强调全栈协同一致性和开放合作重要性。近段时间，在开放合作生态引领下，我国软硬件与前沿模型的关系从被动适配走向主动协同、同步进化、原生适配，这种趋势直观反映在国产芯片与主流开源模型的适配周期变化上，从过去按月计算的“被动适配”逐步缩短，最终实现“DAY0原生适配”，如DeepSeekV4发布当天，包括海光、昇腾、寒武纪等在内的国内数款AI芯片已实现适配支持，打破传统算力供给的滞后瓶颈，为应对大模型爆发的算力需求提供了坚实底座。表2我国算力与主流开源模式适配周期变化等）DAY0（原生适配）总体来看，我国智算生态已逐步迈入快速协同、开源开放新阶段。开放智算生态从早期的框架、模型等单点局部开源扩展逐步走向覆盖模型、框架、算子库、互联等多环节在内的软硬全栈开源开放，未来不同开源环节间有望形成深度合作，形成新的开源开放协同生态，这也是我国打破海外封闭生态壁垒、寻求高质量自主发展突破的重要抓手。图5开放智算生态演进趋势第三章算力底座建设核心挑战与突围路径3.1算力底座建设面临的现实挑战与过去采购单一产品（服务器、PC、数据库等）进行单环节建设相比，用户在国产算力底座建设规划与产品选型过程中，需要统筹考虑软硬件系统的成本、性能、安全、适配性等问题，贯穿底层硬件、软件生态、商业应用及物理环境等多个维度。目前，用户在国产算力底座选型时面临的困难，可归纳总结为“底座脆、迁移难、应用浅和能效差”四方面顾虑，制约了国产算力技术产业生态的进一步发展壮大。一是底层硬件与供应链维度的安全韧性挑战。当前，外部环境变化使核心技术供应面临一定不确定性，算力底座的供应链稳定性仍需持续加强。从EDA工具、先进制程制造到高端封装测试，产业链各环节的国产化水平正在提升，但在部分关键节点上仍有进一步完善空间，算力供给的长期韧性有待巩固。在微架构设计与硬件安全方面，部分国产芯片在自主授权、独立安全处理器和硬件可信根建设上还需深化，底层加密与防篡改能力尚在持续完善之中，以更好适应关键信息基础设施对安全性和可信性的要求。可以说，安全是所有要素的承载基础，安全底座不牢，性能越高、应用越广，风险反而越大。二是软件生态与系统适配维度的壁垒与迁移挑战。“重硬轻软”、“先硬件后软件”等国产算力产品惯性研发思维导致生态鸿沟成为制约算力释放的最大阻碍。国际巨头已形成高度封闭且繁荣的开发者社区与底层计算架构，构筑了极高的迁移壁垒。用户在国产算力选型中，常面临算子库不全、编译器优化不足、主流AI框架适配滞后、开发者生态欠缺等痛点。缺乏丰富的产品矩阵与活跃的开源社区支撑，导致开发者面临高昂的代码重构与调试成本，使得国产底座在“好用”维度上难以抗衡国际主流方案。三是商业落地与应用牵引维度的供需错配与闭环挑战。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。四是能源约束与可持续运行维度的功耗与绿色挑战。大模型时代算力规模的指数级跃升正逼近物理极限，“功耗墙”成为底座扩张的硬约束。随着超节点、万卡集群等集约算力产品普及，单机柜功率密度急剧攀升，传统散热与粗放供电模式已无法满足高电能利用效率的合规要求。算电协同调度能力不足、先进液冷等技术渗透率偏低，不仅推高了全生命周期总拥有成本（TCO），更使得算力底座在面临“双碳”目标与能源指标双重考核时，缺乏长期可持续运营的支撑。总体来看，上述四重挑战并非孤立存在，而是相互耦合、层层传导的有机整体—供应链安全制约底座可用性，软件生态薄弱削弱易用性，商业闭环缺失动摇可持续性，能耗约束则从物理层面限制扩张边界。破解这一困局，需要国产算力厂商在安全、性能、生态与绿色之间达成动态协同、补齐短板，这不仅依赖技术工程突破，更考验产业生态的组织能力和长期战略定力。l33.2算力底座建设选型模型针对用户在算力底座建设与选型过程中面临的困难挑战，本报告构建算力底座建设选型“4C模型”，旨在为产业破局提供具象指标参考和全景式的方法论框架。该模型将算力底座视为多维耦合的复杂系统：其中，Chain（供应链安全与韧性）作为物理基石，强调全链路安全可靠，构筑抵御外部风险的生存底线；Community（生态和产品矩阵）作为软件灵魂，依托丰富的产品矩阵与繁荣的社区生态，跨越技术鸿沟并降低迁移成本；Commercial（商业闭环）作为价值引擎，聚焦高价值场景牵引与核心业务的真替真用能力，通过应用反哺推动底层技术迭代，实现商业正循环；Carbon（绿色高效）则作为长效约束，以算电协同突破能源物理极限，保障算力规模的可持续扩张。四者以安全筑基、生态铸魂、应用牵引、绿色护航，形成相互咬合、紧密协同的飞轮效应，共同夯实我国新质生产力的核心基座。图6国产算力底座建设选型4C模型3.2.1Chain-供应链安全与韧性供应链安全与韧性是国产算力底座的重要基础和物理支撑，其核心在于构建从宏观产业到微观技术的多层次安全与抗风险能力，涵盖产业、架构与技术三大层级。产业层级安全强调产业链与供应链的自主化水平提升，涵盖从半导体设备、晶圆制造到先进封装的全链路多源备份与多元化供应能力建设，以构建更具韧性的供应链网络，更好应对供应波动等不确定性因素。架构层级安全源于核心技术的自主研发能力。国产算力需持续加强对指令集架构、核心IP核等底层关键技术的掌握，通过自主研发降低对单一封闭指令集的授权依赖，推动芯片设计与制造工艺协同优化，逐步实现从整机集成向底层技术创新的升级，减少关键环节的外部制约。技术层安全需要将安全能力下沉至芯片硬件层，以独立安全处理器和硬件可信根构建可l5信启动与加密体系。同时，在指令集层融入国密加速单元，更好平衡安全与性能。在此基础上，贯通从芯片到应用的全链条可信供应链，结合可信执行环境实现数据机密计算，并通过合规管理与常态化漏洞治理形成可持续的安全方案。。3.2.2Community-产品/开发者社区Community（生态和产品矩阵）作为国产算力底座的灵魂，旨在通过全栈产品矩阵与繁荣的开发者生态，大幅降低用户的迁移成本与应用门槛，核心要求体现在硬件矩阵的广度、软件栈的深度与社区生态的活跃度层面。在硬件矩阵维度，算力供应商应构建全场景协同的异构产品体系。可靠、完善、有竞争力的算力底座应能够摆脱单一产品局限，提供覆盖计算、存储、网络等全环节的解决方案。国产算力产品应包含通用CPU、AI加速卡（GPU/NPU）以及高性能存储与网络交换设备，形成完整、高度自洽的产品矩阵。各硬件节点间具备高效的互联协议与集群组网能力，满足从通用计算、高并发交易到大规模AI大模型训练等多元化场景的算力需求。在软件栈维度，算力供应商应提供功能完备且高度兼容主流生态的基础软件平台。软件栈是释放硬件算力的关键。国产算力底座需能够提供成熟的基础软件平台，包括高效的编译器、丰富的算子库，以及对主流AI框架（如PyTorch等）和计算平台（如CUDA）的深度适配，确保算子覆盖率高、模型迁移平滑无痛。同时，应具备完善的性l6能调优工具与自动化部署能力，最大化发挥底层硬件的算力效能。在社区生态维度，培育人才汇聚与开源共建的繁荣土壤。生态的繁荣是算力底座长效发展的源泉。算力厂商在坚持底层技术创新的同时，应保持关注活跃的开源社区建设，提供丰富的参考案例、开发者工具链与技术论坛；并深化产教融合，联合高校与企业开展人才培养与认证体系，汇聚海量开发者，形成“技术创新-社区反馈-产品迭代”的循环效应。3.2.3Commercial-价值闭环在各地方、各行业推进国产算力建设进程中，往往存在“为建设而建设”的现象，部分软硬件产品没有经过行业真实用户的实战检验。用户应优先选择具备“真替真用”行业应用经验的国产算力底座，算力供应商能够通过实际业务的规模化应用创造真实商业效益，并将应用端的需求与反馈反哺给底层技术，推动算力底座持续迭代。具体来看，国产算力供应商应具备以下能力：一是锚定高价值场景，打破信任壁垒。国产算力厂商不能仅停留在硬件交付，应能够主动联合金融、智能制造等领域的头部客户，共同打造高价值场景的标杆解决方案，如投入核心技术团队，针对金融交易的高并发、低时延等极端业务需求提供深度定制化支持，攻克核心系统迁移难题。通过在“硬骨头”场景中的联合攻坚，用真实、优异的运行数据证明国产底座的可靠性与性能上限，彻底消除市场的性能顾虑。这种由厂商主导的标杆示范，能有效打破客户的信任壁垒，推动国产算力从“边缘试用”向“核心敢用”跨越。二是深化业务融合，确保“真替真用”。为确保客户真实使用、产生实际业务价值，厂商需提供全栈软硬件协同优化能力与完善的迁移工具链，降低客户业务重构成本。厂商不能只交付基础算力集群，而应深入客户业务逻辑，提供算子级调优、AI框架适配及大模型微调等深度技术服务，保障迁移后的极致性能。通过全生命周期的技术赋能，助力国产算力真正承载关键业务负载，实现从“物理替换”三是构建反馈机制，驱动技术迭代。厂商必须建立贴近一线业务的敏捷产用反馈机制，将客户在“真替真用”中暴露的技术痛点，直接转化为底层研发需求，实时获取真实高负载场景下的运行数据与性能瓶颈，以此精准指导下一代硬件架构设计、优化软件栈，推进集群网络演进。这种以商业落地反哺技术研发的机制，能驱动国产算力底座在实战中持续进化，实现从被动迁移向主动引领的跃升。3.2.4Carbon-绿色高效在算力选型过程中，“绿色高效”不仅是降低总拥有成本（TCO）的关键，更是衡量国产算力底座可持续发展能力的重要标尺。面对建设投入与长期运营的双重约束，行业用户应优先选择具备以下核心技术特征与能力特点的算力产品：一是架构集约的高密度设计。算力产品应支持超节点形态的整柜高密集成，将数十乃至上百张加速卡和互联网络融合部署于单一机柜，相较于传统分立式服务器能够成倍提升机房空间利用率，从源头压缩单位算力的物理占地成本，为规模化部署留出宝贵的空间弹性。二是绿色节能的先进散热方案。产品需具备机柜级分液液冷等高效散热能力，以替代常规风冷方案，显著压低电能使用效率（PUE），直接削减运营期电力开销。对于长期运行的大规模集群而言，低能耗本身就是最直接的成本竞争力和最扎实的绿色底数。三是软硬协同的一体化交付与统一运维能力。在硬件层面，应实现关键互联组件的自主可控，有效控制物料成本与供应链风险；在软件层面，需具备复用成熟生态工具链的能力，并提供一体化运维管理，大幅减少多架构适配、现场调试和长期维护带来的人力与时间消耗，缩短业务上线周期。第四章国产算力底座在重点行业实践应用4.1从芯到云构筑全栈可信平台4.1.1油气行业构筑自主云能力平台支撑核心业务系统安全迁移应用背景：油气行业作为国民经济支柱行业，当前面临油气勘探开发难度加大、成本持续攀升、安全环保要求不断提高等问题。目前大模型等前沿技术已与油气勘探、资源管理等业务深度融合，可有效提升行业效能。但主流方案均基于海外供应商软硬件底座，存在较大供应链风险，需尽快构建能够承载企业核心生产任务的国产数字底座，支撑勘探开发、生产运营等关键业务系统的部署需求，同时满足能源关键信息基础设施的高等级安全合规要求。方案及成效：在此背景下，某油气行业龙头企业构建全栈国产基础架构，采用国产架构服务器与AI服务器集群，配合国产化云、安全套件及中间件，构建高可用平台资源池，确保业务连续性；基于国产处理器构建自主可控IT基础架构，建立覆盖网络、主机、应用的三维立体防御，实现业务数据全生命周期安全防护；CPU+DCU智能协同，以开放兼容特性高效支撑通用计算与AI计算需求，加速业务场景部署与流程优化。平台成功支撑勘探开发、生产运营等核心业务系统平稳迁移，系统稳定性达99.99%，成为石油行业算力底座建设的标杆示范。图7云平台总体架构图/安全防护体系图4.2以高性能算力底座支撑行业智能化转型4.2.1汽车行业构建自主算力底座支撑智驾模型训练应用背景：当前，汽车行业正加速向智能化转型，头部车企普遍具备全球化制造布局。智能驾驶研发高度依赖千亿级路采数据、专家级数据标注库与大规模算力集群。随着端到端大模型成为主流技术路线，训练环节需海量并行算力与高带宽显存，车联网实时数据处理则对在线推理的吞吐与时延提出严苛要求。行业普遍面临原有算力难以支撑新一代智驾模型快速迭代的困境。为此，各车企纷纷启动智算中心扩容，核心诉求是在保障现有X86业务系统平滑迁移的前提下，规模化引入自主可控的训练与推理算力，以构建安全、高效的智算底座，支撑智能驾驶算法持续演进。方案及成效：某车企基于国产C86处理器为智算中心云平台各组件提供充足通用算力，支撑调度、存储、数据预处理等全栈服务；C86原生兼容X86指令集，可裸金属直接承载基于Intel/AMD平台开发的存量应用与业务系统，应用改动代价极小；基于C86的双路和四路服务器提供裸金属、云主机、数据库、对象存储、并行文件存储等十余类机型，全面满足云平台异构硬件需求。该企业国产算力服务器集群由4800片C86处理器组成，并基于AI异构计算平台实现从数据采集到模型部署的全流程智能化管理，具备跨集群算力与存储资源统一调度能力，同时支撑智能网联数据存储分析、AI智慧助手、新能源监管报送等业务系统研发。图8某车企国产智算中心算力平台架构图4.2.2工业互联网平台以国产异构算力支撑工业大模型与能碳智能体落地应用背景：在家电等制造场景中，空压站往往存在设备独立运行、负荷波动大、能耗数据分散和运营报告编制效率低等问题。随着工业大模型和智能体进入生产环节，企业需要同时满足多源工业数据接入、设备联控优化、报告自动生成和边缘实时决策等需求，对算力底座的模型推理能力、工业软件兼容性与云边协同能力提出了更高要方案介绍：某国家级工业互联网平台基于国产CPU与GPGPU构建工业大模型算力底座，一期部署12台GPGPU服务器，支撑工业大模型推理与智能体实时决策。平台将设备能效预测、运筹优化、多工况识别和设备机理模型结合，形成空压机联控优化智能体；同时接入设备数据、工单与能耗信息，构建运营报告生成智能体，实现能效分析、故障统计、成本评估和多维图表自动输出。实施效果：相关方案已在多家家电制造工厂落地，能够根据用气需求动态生成机组启停、加载与卸载策略，并通过闭环监测持续优化控制策略；运营报告生成智能体实现多源数据自动融合和报告一键生成，显著缩短报告编制时间。该实践验证了国产异构算力对工业大模型、边缘智能和能碳管理场景的支撑能力。4.3国产算力助力存量业务实现无缝迁移4.3.1钢铁装备行业搭建基于国产平台实现全栈服务平滑迁移应用背景：在钢铁行业智能运维领域，专业服务商多脱胎于大型钢铁集团，凭借数十年的装备技术服务积淀，在产业链供应链自主可控战略驱动下，正推动IT基础设施的全面重构。行业普遍需要构建符合自主可靠要求的统一IT资源平台，为内部生产、运维、管理等各部门一体化提供服务器、操作系统及数据库等核心资源。这些平台既需严格满足合规要求，又必须承载智能运维的高性能需求，从而实现对原有进口架构的平滑替代，确保钢铁装备状态监测、故障诊断等关键业务系统的安全连续运行，筑牢钢铁制造的数字化安全底座。方案及成效：某企业基于国产服务器，实现新建资源池内各厂商产品兼容互认，达成硬件、OS、数据库、中间件的全栈适配；基于C86处理器的超融合架构整合异构计算与存储资源，统一资源调度，实现虚拟化资源与物理设备集中纳管；平台建成后通过自动化运维工具链减少人工干预，降低多架构运维复杂度。算力平台共部署11套C86路线超融合一体机，相比传统服务器部署，资源利用率大幅提升，运维人力需求显著降低，能耗与总体拥有成本（TCO）节约约30%；新建资源池承载内部经营管理10余套系统，实现跨地域、跨部门数据统一视图与分析；从设备开箱上线到业务上架，交付人天直接减半。图9超融合平台方案架构图4.3.2金属矿业央企推进司库系统低成本全栈国产化应用背景：在金属矿业领域，大型央企集团普遍依托其财务公司构建全球资金管理核心平台，负责千亿级资金调度、跨境结算、存贷款及票据等全链条金融服务，对系统连续性与数据安全要求极高。随着数字经济加速演进和国家安全可控战略深入推进，行业正面临司库系统全栈国产化改造的重大课题。核心挑战在于，如何在保障全球资金实时调度与跨境结算等关键业务零中断的前提下，实现从底层硬件到操作系统、数据库及核心应用的全面自主可控，平稳完成架构替换，构建安全高效的集团级司库体方案及成效：某金属矿业央企基于C86原生兼容x86指令集特性，快速适配现有矿业及金融专业软件，通过自研自动化迁移工具链完成业务系统平滑过渡，显著规避海外项目系统因架构差异导致的数据转换风险；采用智能流量调度、数据双向同步、热备双活三大核心技术，按业务优先级实施灰度发布，确保关键系统RTO；采用“云原生+微服务”架构，通过容器化部署与Kubernetes智能编排，实现计算、存储资源弹性伸缩，灵活适应财务业务峰值负载。算力平台采用C86-3G/4G处理器，统建系统整体部署151台服务器、302片CPU。整体改造成本降低60%；通过“适配验证→双轨并行→全面替换”三阶段渐进式切换，有效平衡技术风险与改造效率，为央企财务系统国产化改造踏出标准实施路径。图10司库系统国产化改造方案架构图4.3.3EDA领域基于自主算力构建EDA+AI解决方案应用背景：在集成电路设计领域，EDA作为芯片设计的“工业母机”，其器件仿真、版图验证、光刻仿真等关键模块对双精度浮点算力存在刚性需求。长期以来，国内EDA厂商普遍采用“x86+NVIDIAGPU”的成熟计算架构，深度绑定专用数学库，形成相对封闭的技术生态，整体迁移壁垒高、风险大。在芯片设计产业链协同推进自主的战略驱动下，将算力底座从国际主流方案向“国产x86CPU+国产GPGPU”平台切换，已成为行业共识。当前，加速推进国产EDA工具在国产处理器上的适配验证、兼容性测试与性能优化，打通“国产EDA+国产算力”的技术闭环，是构建安全可信和全产业链可控的芯片设计工具链的紧迫任务。方案介绍：某厂商联合国内算力厂商，基于国产CPU和GPU异构体系，构建国产EDA+AI一体化算力解决方案，主要包含四个部分：一是平台环境与方案论证：基于国产CPU+GPU架构，经多轮方案论证与技术验证获用户高度认可；联合HPC/AI专家对仿真软件及大模型进行适配调优与性能验证，关键任务平稳运行、性能达预期。二是EDA仿真软件适配调优：针对通用模拟仿真、射频电路仿真、大规模后仿等核心仿真工具，在国产算力平台上开展深度适配、兼容性验证与性能调优；国产计算卡提供FP64、FP32高精度算力覆盖各仿真验证模块精度需求，并提供对标NVIDIA计算数学库的替代方案。三是AI算力集群（基于Ray框架一期部署采购33台国产AI服务器，部分服务器基于Ray分布式框架构建AI算力资源集群，支撑AI辅助编程与代码审核等场景，显著提升研发效率。四是集群网络与存储：通过400GInfiniBand高速网络将GPUServer经Leaf/Spine两级交换互联，配合POSIX分布式存储与25G集群管理/业务网络，保障大规模仿真与AI训练任务的低延迟数据交换。实施效果：在EDA全流程各模块的适配与兼容性验证中，基于国产计算卡的任务性能可对齐NVIDIAA800，满足业务需求，关键仿真任务平稳运行、性能达预期。可稳定运行，满足现阶段业务需求。项目率先在真实复杂设计场景中打通国产处理器、加速卡与EDA工具链的端到端协同，为国内集成电路产业链提供可复用的标杆范式，显著提升国产算力在集成电路设计领域的竞争力。图11国产EDA+AI算力平台网络架构图4.3.4基于全栈国产化的SCADA平台赋能工业智能升应用背景：国内工业组态软件行业起步于上世纪九十年代，经过三十余年发展，已涌现出一批具备自主研发实力、在海外布局分支机构的领军企业。产品及解决方案深入市政、能源、矿山、汽车、电子等关键领域，形成了覆盖监控组态软件、SCADA系统（SupervisoryControlAndDataAcquisition，数据采集与监视控制系统）、工业实时数据库、数据采集与协议转换平台及工业云操作系统的完整产品矩阵，兼容数千种工业设备，支撑着国家重要基础设施的自动化运行。当前，传统工业自动化市场面临增速放缓、利润空间收窄与行业竞争加剧的结构性挑战。同时，工控系统国产化已成为明确的政策方向。长期以来，行业存量系统普遍构建于“x86+Windows+国外SCADA平台”之上，技术生态封闭，迁移壁垒极高。在自主可控战略驱动下，将SCADA全栈迁移至国产CPU与GPGPU算力平台，已成为保障工业数据安全、打通产业链堵点、构建安全、自主的工业控制数字底座的关键举措。方案介绍：某公司基于国产C86处理器与AI加速器构建“芯动能”工业数字化转型联合方案，主要实现三方面突破：一是打造全栈国产化SCADA（KingSCADA）核心平台。经与国产C86处理器软硬协同深度调优，已在多个行业项目取得应用验证，具备GIS数据建模、三维图形引擎、时空数据库、边缘数据处理、工作流引擎、数据报警、用户安全等完整后台服务能力。二是搭建全栈产品矩阵×自主算力底座：以国产C86处理器为核心通用算力底座，围绕工业软件产品矩阵开展国产化适配与工程验证，重点验证KingSCADA、KingHistorian、KingIOServer协议采集、实时报警、历史存储与查询等工业软件在国产处理器、国产操作系统和国产数据库环境下的稳定运行能力，为工业企业从x86+Windows+国外SCADA组合向国产软硬件环境迁移提供可复制的实践路径。三是推动AI融合赋能。基于国产CPU与AI加速器构建模型训练与运行环境，开展面向工业软件工程语义的专用代码生成模型微调验证，聚焦工业组态、控制逻辑、设备联动、报警规则等工程开发任务，使模型具备代码生成、代码补全、语法纠错、代码解释和工业逻辑脚本生成等能力。表3某国产工业组态软件领军企业基于自主算力底座的应用方案项目技术栈关键成果某省级重大水资源配置工程辅控系统C865380+银河麒麟V10+达梦数据库+KingSCADA+国产PLC国家重大水利工程之一；1中心+3泵站CS冗余架构，实现对输水全过程的实时数据采集、处理与可视化展示某市城市内涝排水监测系统C86处理器+统信V20+KingSCADA国家级海绵城市治理工程，新建改造排水管网与方涵，治理多处积水点；实现闸坝泵站实时监测、水流量在线监测、水位趋势分析与超限自动报警某流域国考断面达标攻坚工程管网监控系统C865380+银河麒麟V10+KingSCADA中央环保督察重点整改项目，监控冗余+数据库服务保障高稳定性与安全保密；实时跟踪管网流量、水质、压力等关键指标变化并预警潜在故障实施效果：“芯动能”工业数字化转型联合方案已在水利、市政、环保等多个关键行业取得规模化落地验证，典型案例如在某省级重大水资源配置工程、某市城市内涝治理工程、某流域管网监控工程三个标杆项目中，基于国产C86处理器+银河麒麟V10+达梦数据库+KingSCADA全栈国产化方案均稳定运行，成功替换国外产品组合，验证了国产工控全栈方案在关键基础设施中的高可靠性。上述方案依托兼容1600余家厂家6000余种设备协议的广泛适配能力，可在市政、能源、矿山、汽车、电子、造纸、烟草等行业快速推广，为工控系统全栈国产方案构建提供可复用的标准化范式。图12“芯动能”工业数字化转型联合方案产品架构4.4绿色节能技术构建高效算力集群4.4.1石化企业基于国产液冷技术打造绿色算力标杆应用背景：在“双碳”目标与“东数西算”工程深入推进的背景下，数据中心行业正面临前所未有的节能降碳压力。传统风冷数据中心能效瓶颈日益凸显，PUE难以持续降低，尤其随着CPU、GPU等芯片功耗密度急剧攀升，高发热量对散热系统提出严苛挑战，单纯依靠提升空调制冷已无法满足高密度部署需求，液冷技术由此成为构建绿色算力基础设施的关键方向。从冷板式液冷机柜、冷量分配单元到液冷服务器及管控平台，全链条国产液冷产品方案逐步成熟，为行业提供了摆脱国外技术依赖、保障供应链安全的新选择，推动迈向“极致能效+自主可控”的高质量发展道路。方案及成效：国内某石化企业基于国产CPU+DCU算力底座，从芯片级实现自主创新，规避国外技术限制风险，支撑地震资料处理、油藏开发优化、化工产品研发、智能客服等专业模型开发；采用最新冷板液冷技术建设算力集群，最大程度保障芯片高效运行，为复杂数值模拟、地震数据分析、生产优化决策提供算力支撑；整体方案显著提升能效，实现PUE优化、运行噪音降低与电力成本节约的三重效益。算力平台为24台4U八卡DCU冷板式液冷服务器组成的集群，提供总计36PFlops@FP16理论峰值计算能力，通过RoCE高速无损网络实现低延迟互联，运行PUE值≤1.2。稳定支撑“人工智能+”勘探、开发、炼油、化工、安全、环保、科研、经营、管理等9类200余项AI场景；推动提高勘探成功率、生产运营效率，