如何筑牢Agentic AI時代通算底座？鯤鵬給出答案

文/海峰看科技

從單一指令觸發跨應用、全流程事務自動代勞，OpenClaw龍蝦智能體的落地應用，標志著人工智能產業徹底跳出被動問答的初級階段，正式邁入Agentic AI（智能體人工智能）全新紀元。

這類AI應用想要規模化部署，離不開超大規模、超低延遲、超高穩定性的算力底座支撐。

當下，算力體系迎來從以GPU為中心向CPU與GPU并重的關鍵轉型。但傳統算力架構跟不上智能體的迭代速度，算力行業面臨挑戰。

“硬件開放、軟件開源，讓算力適配智能體全流程，才能破解Agentic規模化落地的算力困局。”在華為中國合作伙伴大會2026期間，華為鯤鵬計算領域總裁李義，在主題演講《鯤鵬，為更先進的數智世界而計算》中，一語道破行業痛點，也清晰亮出了鯤鵬筑牢Agentic AI算力基石的核心底氣與戰略思路。

筆者在大會現場看到，華為推出鯤鵬950/920新型號、920Lite低算力模組、SP230/SP560系列卡，聯合伙伴推出大數據場景省內存方案，以全棧產品、專屬技術與開放生態，破解智能體算力需求痛點。諸多整機廠商也紛紛展示新的鯤鵬計算產品。

Agentic AI時代，通用算力面臨怎樣的趨勢與挑戰？那鯤鵬生態又將以怎樣的新定位、新舉措，扛起新時代算力底座重任？

Agentic AI時代：算力產業面臨新挑戰

AI Agentic的爆發式增長，讓全球算力需求呈指數級攀升，也讓傳統通用算力體系迎來全方位大考。智能體的記憶、行動、工具調用等核心環節均部署在CPU上，其耗時占比高達40%—90%。這意味著CPU在智能體運行中占據著不可替代的核心地位。李義直言，沒有CPU的高效協同，XPU的強大算力就難以充分釋放價值。

新趨勢，也給通用算力帶來三大新挑戰。李義在演講中指出了三大挑戰。其一，OpenClaw等智能體的快速普及，讓Token消耗速度呈爆發式增長。據悉，國外某企業甚至出現一夜之間，智能體消耗8萬美金的情況。

我們再以大火的“養龍蝦”應用為例，“養龍蝦”需自主規劃、多步驟執行任務，上下文長度與交互頻次大幅提升，Token消耗呈指數級增長而非線性增加。

其二，智能體落地過程中還面臨沙箱下發響應慢、高危工具調用不順暢等技術問題，難以滿足企業業務對實時決策、低延遲響應的核心需求。

其三，AI智能體的跨場景應用，讓越權操作、數據泄露、高危工具違規調用等安全風險持續加劇，算力架構的底層安全能力，成為智能體規模化商用必須守住的底線。

同時，通用算力供給呈現斷層特征。高端場景算力供給不足、成本居高不下，入門級基礎算力又無法滿足中小企業與邊緣場景的智能體調試需求。

精準破局：錨定新定位，亮出全新解法

面對Agentic AI時代的算力痛點，華為并未選擇行業常見的“堆料式”通用算力升級，而是基于七年“硬件開放，軟件開源”的戰略積淀，以新的產業定位及新思路給出新解法，精準擊破行業痛點。

新定位：聚焦智能體核心環節，打造四大專屬技術優勢。

智能體運行流程中，規劃管理、工具調用、沙箱管理、記憶系統四大環節與大模型形成快速循環，是Token消耗最多、對算力要求最高的核心部分。

針對這四大環節，鯤鵬生態打造了高性能、低消耗、高質量、高安全四大專屬技術優勢。高性能實現毫秒級啟動檢索，優化上下文信息調用與推理決策效率。低消耗通過底層技術優化，實現內存與Token的雙重節省，基礎場景下內存消耗可降低50%。高質量搭建高性能沙箱系統，保障智能體下發指令后穩定運行，避免掛死、卡頓等情況。高安全從底層算力架構出發，打造完善的安全防護體系，規避越權鑒權、數據泄露、高危工具違規調用等問題。

新思路：構建三方協同生態，打通規模化落地全鏈路。

華為始終堅持“硬件開放，軟件開源”的核心戰略，打造了鯤鵬+OEM+ISV三方清晰分工的生態體系。

其中，作為算力底座核心提供者，華為為智能體落地提供標準鏡像、硬件配置、嚴選后的Skill智能安裝包與MCP工具鏈，從源頭規避病毒植入、越權使用等問題，筑牢底層算力基礎。

OEM伙伴基于鯤鵬服務器進行智能體相關功能的預裝與預集成，讓用戶拿到產品后即可直接運行智能體，實現“開箱即用”，大幅縮短落地周期。

鯤鵬ISV伙伴則面向終端客戶打通“最后一公里”，聚焦客戶實際業務需求解決軟件商用化問題，讓智能體真正適配千行百業的應用場景，形成完整的產業閉環。

我們看到，當“養龍蝦”應用剛剛大火，鯤鵬就攜手生態伙伴完美兼容OpenClaw框架，以及OpenViking插件，推出了“OpenClaw+OpenViking+鯤鵬服務器”三位一體的生產級Agentic AI解決方案，補齊OpenClaw記憶能力短板。這便是鯤鵬生態協同優勢的具象化體現。

多措并舉：全場景產品+賦能工具雙輪驅動

好的戰略布局，最終需要通過扎實的落地動作支撐。鯤鵬想要扛起AI時代算力基石的重任，核心依靠兩大抓手：全場景產品矩陣補齊算力短板，全方位升級賦能生態伙伴工具。

舉措一：全棧產品矩陣覆蓋，打通高端到入門全場景。完善了從芯片到配套部件、從高端算力到入門輕量的全棧產品矩陣。

在高端算力領域，華為推出了鯤鵬950處理器，作為首個支持靈衢的CPU產品，其在核寬比、內存高可靠性、安全等方面完成了優化與創新。基于該芯片打造的鯤鵬超節點，可滿足金融、科研等高端場景的極致算力需求。

在主流應用領域，鯤鵬920新型號產品憑借單核性能提升60%，能效比提升40%，內存節省超25%，單系統遷移一人周四大特性，并已衍生出超100款服務器型號實現全場景使用，低功耗優勢讓機房在現有機架功耗下可部署更多設備。

在入門輕量領域，華為發布了鯤鵬920Lite低算力模組，覆蓋四核、八核、十二核版本，將算力下沉至網關、視頻CVR、管理面等細分邊緣場景。

在配套部件領域，華為推出SP230系列標卡、SP560系列智卡，各有所長，分別兼顧通用場景穩定性與AI場景可編程性，全面適配不同網絡需求。

舉措二：專屬工具+定制方案，破解企業改造遷移頑疾。在應對內存增長挑戰方面，華為鯤鵬聯合東方國信推出大數據省內存方案，實現內存用量下降但性能無損，切實降低企業轉型成本。李義介紹，該創新幫助客戶內存由512G減為384G。

在遷移難題方面，華為鯤鵬對自研DevKit開發套件完成迭代升級，重點突破了SQL語句與配置文件自動轉換、JAVA環境無源碼無損遷移兩大行業痛點，徹底解決了企業系統改造過程中普遍存在的源碼丟失、配置繁瑣復雜、遷移試錯成本高等頑疾，大幅壓縮整體遷移周期、提升部署效率。

套件升級已在實踐中帶來價值。李義介紹道，郵儲銀行在新一代手機銀行系統升級項目中，借助鯤鵬升級后的開發套件完成深度聯調優化，不僅實現系統版本全量更新效率提升15%，核心業務運行性能更是同步提升30%。

筆者認為，鯤鵬生態的雙輪驅動將有力推動AI智能體真正走向規模化落地。

三大優勢：鑄就鯤鵬Agentic AI時代算力底座核心地位

為何鯤鵬能成為筑牢Agentic AI時代通用算力的引領者？通過聆聽李義演講，筆者發現，鯤鵬生態并非依靠單一的產品迭代，而是憑借技術、產品、生態三位一體的差異化核心競爭力，實現在算力產業的底層重構中占據了先發優勢。

其一，技術自研+場景適配，筑牢技術核心壁壘。鯤鵬具備從芯片、部件到整機的全棧自研能力，能夠針對Agentic AI的場景需求進行深度定制化優化，從底層規避了依賴外部技術帶來的性能瓶頸與安全風險。這也是其能打造四大專屬技術優勢的核心基礎。

同時，華為堅持硬件與軟件雙輪驅動，持續開源核心產品。比如，華為提供了獨有的無感彈性內存回收技術，以及omni大數據加速組件雙重使能。比如，無感彈性內存回收技術，可在不降低性能的同時，節約25%內存。

其二，全場景覆蓋，實現算力需求精準匹配。鯤鵬產品競爭力核心在于實現了算力能力與場景需求的精準匹配。華為鯤鵬也是行業內少數能同時覆蓋高端、主流、入門全場景的算力玩家。

華為通過鯤鵬950聚焦高端極致算力需求、鯤鵬920Lite模組填補入門輕量算力空白、920新型號夯實主流商用場景基礎，構建了無死角的產品矩陣，可滿足不同主體的智能體算力需求。

其三，開源開放+全球生態，激活全產業協同動能。七年堅守的“硬件開放，軟件開源”戰略，是鯤鵬生態競爭力的核心底色。

華為開放了芯片、主板、模組等全層級硬件資源，讓全產業鏈伙伴能夠共享技術成果。目前已攜手數千家伙伴，孵化出上萬款解決方案，形成了開放共生的產業生態。

華為積極構建全球生態系統。在國內，華為攜手伙伴，在金融、政務等領域深耕，并取得豐碩成績。

回首2025年，鯤鵬生態助力長沙中智打造公共資源交易微服務平臺，打造中南科技智慧停車系統，攻克北京信元老舊OA遷移難題，推動醫大智能藥品管理系統獲得鯤鵬雙認證。

值得一提的是，鯤鵬生態已走向海外。李義在演講中介紹，基于鯤鵬的項目已在中東、非洲成功落地，在氣象、油氣、數據庫等領域的海外合作也在扎實推進。

行業觀察：從算力破局到中國算力的全球進階

不難發現，鯤鵬的破局之道，不僅是解決Agentic AI時代算力困境的技術方案，更折射出中國算力產業的未來發展方向。

我們預計，未來，隨著在技術、產品、生態層面的持續發展，鯤鵬生態將繼續以“為更先進的數智世界而計算”為初心，攜手全球伙伴將創新技術轉化為場景動能，以開放協同凝聚每一份算力價值，讓算力成為千行百業數字化轉型的核心動力，也為全球智能計算產業的發展，提供一條兼具技術創新、生態共贏與普惠落地的可行路徑。

在這場數智產業變革中，鯤鵬生態不僅推動全球算力產業完成適配Agentic AI時代的升級重構，更開啟了中國算力從本土深耕走向全球引領、從硬件輸出到生態輸出的全新篇章，為全球智能計算產業發展，提供了一條兼具技術創新、生態共贏與普惠落地的可行路徑。