抢抓AI Agent与Token化发展机遇 海光加速构建国产AI算力底座

　　日前，光合组织2026智能计算应用大会在郑州举办。会上，海光展示了智能巡检机器人、AI BOX端侧一体机、封闭场景工业自动驾驶解决方案等多项应用成果，覆盖工业控制、端侧物理AI推理、智能设备等典型场景。

　　海光信息总裁助理兼智能计算产品部总经理杜夏威表示，伴随AI产业快速扩张，大模型相关需求占比持续提升，海光在新一代芯片研发中适度倾斜硬件算力资源至AI运算单元，同时完整保留全精度计算能力，兼顾存量科学计算客户需求，助力传统科研用户加速完成业务AI化转型。

　　据了解，目前，海光DCU已对多款主流大模型完成适配和优化，覆盖GLM、DeepSeek、MiniMax、Kimi等模型生态，并持续推进训练、推理和集群管理等环节的效率提升。

　　分层软件架构充分释放全精度算力能力

　　杜夏威表示，分层软件生态体系能够帮助客户高效释放全精度算力性能。为此，海光采用三层标准化软件架构持续助力用户AI转型：第一层为DTK基础软件栈，负责将底层硬件算力标准化封装，向上输出统一调用能力;第二层为DAS AI专用软件层，实现大模型、AI开发工具与硬件算力的高效适配;第三层为DAP业务平台层，完整封装底层软硬件能力，向客户输出轻量化、业务化操作界面。

　　具体来看，海光三层软件栈保持分层独立迭代、协同配套的稳定节奏。底层DTK基础软件栈与芯片硬件研发进度同步，持续跟进新芯片架构、专属指令集，完成底层硬件能力全适配;中层DAS AI软件栈采用小步快跑迭代模式，充分释放底层DCU算力性能;上层DAP业务平台迭代节奏完全贴合市场业务趋势。

　　对此，杜夏威解释说，2025年，平台研发重心为对话式AI场景，依托RAG知识库技术，帮助客户快速对接自有行业知识库，同时依托底层算力搭建自然语言交互业务体系。今年，平台迭代重心转向AI Agent，推出DAPClaw智能代理组件，以Token标准化形式对外输出底层算力。

　　近一年来，海光软件栈已完成多项核心技术升级：第一，全面适配已量产的最新一代DCU芯片，充分释放LP8低精度算力能力;第二，全面兼容行业主流推理引擎，包含VRAM推理引擎、SGLang推理引擎、Tailor等热门工具，并持续跟进各工具最新官方版本，为客户算法开发提供完整配套;第三，持续深耕算子性能优化，针对主流模型、行业算法需求打磨高性能算子库LightOP，最大化挖掘DCU硬件算力上限。

　　可以看出，海光整体软件栈的迭代升级，一方面，是响应客户多样化AI开发需求;另一方面，是适配行业全面Token化的整体发展趋势。“后续海光将持续完善三层软件栈各层级功能，强化分层架构差异化优势，打造高效算力、Token调度传输通道，降低开发者与业务人员使用算力的操作门槛。”杜夏威如是说。

　　持续推进CPU+DCU双芯协同战略

　　相较国外厂商，国内拥有规模庞大、类型丰富的AI落地应用市场，海量真实业务场景为芯片产品迭代提供了天然的试验场与数据基础。依托多样化场景催生的细分需求，能够帮助行业企业清晰、有序地规划产品研发与技术迭代路线，这是国内企业最核心的差异化优势。

　　站在产业及企业自身的角度，杜夏威表示，CPU算力适配AI场景的升级并非短期突变，不会因AI Agent、Token产业生态兴起就产生颠覆性改变。但Token成为产业核心衡量指标后，行业确实需要重新调整CPU、DCU算力架构，适配全新产业发展逻辑。

　　杜夏威表示，海光长期推行CPU、DCU双芯协同发展战略，多年来结合AI市场需求持续优化CPU底层架构、指令集、硬件资源配比与内存访问架构，实现CPU与自有DCU算力高效协同、互补赋能。未来，海光将持续坚持CPU、DCU双芯协同路线，强化CPU原生AI算力支撑能力，依托CPU高通用性、低使用门槛的优势，扩大AI技术、AI产品及AI Agent工具对开发者与终端用户的覆盖范围。

　　稳定的生态兼容能力与长期坚守的自有芯片架构路线，是海光的核心竞争优势。海光自发展初期便选定GPGPU通用图形处理器架构，并同步确立全精度技术路线。长期稳定的技术路线持续沉淀了海量行业客户、完备软件生态与成熟开发者使用习惯，现已形成正向循环的生态飞轮效应。

(本文不涉密)
责任编辑：路沙

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。