HAIC2025背后：開放架構為基，國產AI生態面臨體系化拐點

在剛剛落幕的光合組織2025人工智能創新大會（HAIC2025）上，國產AI產業呈現出前所未有的“體系化”趨勢。從海光信息的開放系統互聯總線，到曙光的萬卡集群；從統一異構編程工具包UPTK到科學大模型一站式開發平臺的開放共享；從整機、操作系統、芯片廠商的大規模聯合簽約，到覆蓋三年周期、總投入10億元的AI計算開放架構聯合實驗室的項目組協同創新計劃等，國產AI正在從碎片化走向生態化協同；從單點產品競爭走向系統工程競爭。而在這一轉變中，“開放架構”已不再是行業口號，而成為了支撐國產AI走向可持續繁榮的技術拐點。

告別“煙囪式”繁榮，生態的本質是連接與選擇

眾所周知，過去幾年，國產算力市場呈現出“爆發式”增長。然而，當我們撥開繁榮的表象，審視其內核時，會發現這種繁榮在某種程度上伴隨著“虛火”。

例如為了在短期內搶占市場，許多廠商選擇了“類大型機”的封閉垂直優化模式，且這種模式僅由少數巨頭主導，從芯片、基礎軟件、框架到模型進行全棧耦合優化。

不可否認，此種“煙囪式”模式在初期的確能帶來較高的整合效率，但長此以往，勢必導致嚴重的“生態隔離”，即不同品牌的芯片之間無法互通、不同架構的系統之間難以遷移以及算力資源變成相互割裂的孤島的同時，給用戶帶來極高的試錯成本和被廠商鎖定的風險，而站在整個產業的高度，則意味著重復造輪子，大量研發資源被消耗在無意義的適配而非核心技術的創新上。

此外，國產智算產業要想實現真正的突圍，還面臨“性能墻”與“生態墻”的雙重阻礙。

以“性能墻”阻礙為例，隨著摩爾定律的放緩和單芯片性能提升邊際效應的遞減，單純依靠堆砌晶體管數量來提升單點算力的路徑已難以為繼。特別是在高端芯片供應鏈受限的大背景下，單純靠“單卡性能”硬剛，如同以己之短攻彼之長。

相較之下，“生態墻”的阻礙則更為隱秘且致命。具體表現為專有封閉系統導致應用適配遷移成本高昂，軟硬件生態不成熟，資源供需錯配，從而導致許多企業在采購了昂貴的國產算力設備后，卻發現由于軟件棧不兼容，主流的大模型無法跑通，或者性能折損嚴重。而這種“有算力無生態”的尷尬局面，勢必嚴重制約國產AI產業的落地進程。

正是在上述背景下，行業亟待重新定義“伙伴繁榮”的含義。而重新定義它的關鍵在于企業不應建立在“綁定”之上，而應建立在“選擇權”之上；不應依賴單卡性能的極限突破，而是仰仗體系協同的持續演進。

基于此，惟有打破“煙囪式”模式，通過開放、標準化建立一個基于統一開放技術底座（“類Cluster”的開放跨層優化模式）的“安卓”開放生態，打通底層的互聯互通，讓不同廠商的產品像搭積木一樣自由組合，實現資源的普惠，才是國產計算走向可持續發展的唯一技術路線，也是實現算力普惠的必由之路。

開放架構為支點，五層開放體系重構產業協作

如果說“打破煙囪”是行業的共識，那么“AI計算開放架構”就是實現這一目標的具體路徑。而在HAIC2025上，光合組織詳細闡述了這一架構，即與封閉垂直模式不同，AI計算開放架構并非由單一廠商主導，而是以系統工程思維，聯合芯片、整機、基礎軟件、數據與應用等產業鏈多方共同構建。這種路徑更像國產智算界的“安卓模式”，通過開放接口與標準，降低協作門檻，放大整體創新效率。

而從工程角度看，開放架構的關鍵不在于“是否開放”，而在于“開放到哪一層、以何種方式開放”。具體到此次光合組織推動的開放架構，其核心體現在五個層面的系統性打通。

眾所周知，在AI集群中，芯片與芯片之間的互聯帶寬往往是性能的瓶頸所在，是架構的基石。為了解決這一問題，海光信息推出了HSL（High-performanceScalable Link）。

相比傳統的PCIe接口，HSL不僅大幅降低了延遲，提升了帶寬，更實現了芯片間（C2C）的高速直連和全局地址空間一致性。這意味著，基于HSL，不同廠商的AI加速卡可以像“搭積木”一樣與CPU進行高效協同，極大簡化了編程復雜度，尤其是在本屆大會上海光HSL 1.0規范及設計參考方案的發布，硬件伙伴的適配門檻將大幅降低，解決了長期以來國產AI服務器“適配難”的頑疾，推動了部件級的“即插即用”。而10余家國產芯片廠商的加入，正是看中了這一標準所帶來的生態紅利。

建立在互聯基石之上的，是系統級的硬件解耦與大規模集群的工程化協同。

以中科曙光發布的scaleX萬卡超集群為例，它不僅是算力規模的突破，更是開放架構理念的集大成者。據了解，該集群由16個scaleX640超節點通過全棧自主研發的原生RDMA高速網絡互連而成，硬件支持多品牌AI加速卡，軟件兼容主流計算生態。

需要強調的是，這種“巨型系統”的構建，并非簡單的節點堆砌，而是通過國產自研原生RDMA高速網絡和“超級隧道”技術帶來的存力范式革命，實現存、算、傳緊耦合深度優化，并結合BurstBuffer、XDS等技術加持，顯著降低訪問延遲、提升推理客戶端的帶寬，大幅提升大模型訓推效率。

這無疑向行業證明，在開放架構下，通過超大規模組網與智能調度、存力新范式的系統工程創新，完全可以駕馭萬億參數模型訓練等頂級挑戰，構建出世界領先的算力基礎設施。

如果說硬件是骨骼，那么軟件就是靈魂。為此，開放架構在軟件層推出了UPTK（通用異構編程工具包），直指長期困擾國產算力生態的CUDA壁壘問題。具體體現在，通過對異構計算接口的統一抽象，UPTK讓開發者能夠以“一套代碼、多端部署”的方式，適配多種國產硬件平臺，快速實現異構程序的開發，大幅降低應用遷移與維護成本。

而在此基礎上，科學大模型一站式開發平臺OneScience的開放共享工作，則進一步將算力、數據、模型、工具鏈整合為一體，把過去動輒數月的科研模型復現過程，壓縮至小時級別。以昌平實驗室為例，其依托該平臺構建的MolSculptor分子建模體系，實現了全流程高效開發，訓練效率提升了5倍；而中科院大氣所則構建了下一代多模式超級集合預報系統，在Z500大尺度技巧評估中，其性能遠超國外，達到了國際領先水平。這些真實的落地數據證明，開放架構為AI for Science提供了真正可復制的工程化路徑。

當然，開放架構的視野并未止步于軟硬件，而是延伸至基礎設施與數據的全鏈路賦能。

例如在基礎設施層，曙光數創牽頭制定了《數據中心冷板式液冷系統技術規范》國家標準，引導行業向標準化、高質量方向發展；至于數據層，中科天機發布的“高分辨率氣象數據共享計劃”，為行業大模型提供了高質量的數據“燃料”。通過共享全球12公里與中國區域3公里分辨率的氣象全要素模式數據，開放架構正在打通AI落地的“最后一公里”，賦能新能源、低空經濟等垂直行業。

實踐見真知，從“概念”到“工程化”的生態進階

眾所周知，任何技術路線和架構，最終都要經受工程實踐，否則就是空中樓閣。具體到本屆光合大會，先不說2500家企業代表、專家學者及行業領袖，通過200余場高密度分享與5000余平方米實景展區本身就證明了光合組織強大的產業號召力，更具實質意義的是，圍繞開放架構形成了跨芯片、跨系統、跨軟件的集體行動。

其中多家CPU、GPU廠商，整機與操作系統企業，基礎軟件與行業模型團隊，在同一技術框架下對齊接口、標準與演進路徑，釋放出國產AI生態正在由松散并行轉向有序協同的明確信號，并具體表現為商湯科技、中科曙光、大曉無限機器人、麒麟軟件、華大九天、海光信息等企業達成多項戰略合作，涉及科學大模型、行業應用、操作系統等多個賽道，由此證明了不同廠商、不同技術棧的產品能夠在統一底座上高效融合。

值得關注的是，這種變化的意義，還不在于簽約數量本身，而是協作方式的轉變。例如AI計算開放架構聯合實驗室首批項目組協同創新計劃，旨在匯聚頂尖力量，針對科學大模型、多元異構算力融合、統一基礎軟件棧、超大規模集群優化等共性關鍵技術開展聯合攻關，將開放協作深入研發源頭；開啟光合組織生態筑基行動、光耀百城2.0計劃，推動產業鏈各環節產品以標準接口協同工作，詮釋了開放生態從“全鏈覆蓋”到“價值閉環”的演進。

更重要的是，上述協作不再依賴某一家企業的單點推動，而是通過體系化機制降低參與門檻，使更多生態伙伴能夠以較低成本融入其中，國產AI也由此開始具備類似“集團軍作戰”的能力。畢竟單個廠商的能力或許仍有邊界，但通過體系協同，整體效能得以被持續放大，而HAIC2025所呈現的正是這一拐點，即國產AI生態已經跨越了“喊口號”的階段，具備了“標準化接口+多架構協同”的工程化落地能力，是從概念驗證到規模化部署的關鍵躍遷。

寫在最后：站在“十四五”收官與“十五五”蓄勢之際，人工智能正在完成從“技術工具”向“社會基礎設施”的身份轉變，此時國產AI生態的選擇勢必關乎未來十年的產業格局。而HAIC 2025則向我們展示了一個清晰的路線，即開放架構不是權宜之計，而是國產AI走向體系化的技術分水嶺。盡管這條路徑未必最短，卻是在現實約束條件下，通向體系化與可持續發展的必經之路。