暴力计算触及极限，算力进入系统工程时代
业内：基于生态的开放架构有望成为最优解
在大模型快速迭代、算力需求指数级攀升的背景下，算力产业正经历一场深刻的路径调整，过去几年，全栈能力一度被视为国产芯片厂商缩短差距、提升竞争力的关键路径，从芯片设计到整机系统，厂商曾试图通过一家之力构建算力闭环，但随着行业发展，越来越多厂商开始反思甚至修正这一路线。
在光合组织2025人工智能创新大会上,芯片、服务器、整机和系统厂商的核心人物一致表示，算力竞争已从单点性能转向系统效率，全栈路线正在被多方协同的系统工程所取代，这一转变并非理念的简单变化，而是大模型时代的真实工程约束下的必然结果。
正如中国科学院院士周成虎所言,数字社会需要一个超级大脑来支配其发展，计算是这大脑背后的核心支撑，随着大模型参数量大幅跨越至万亿级甚至十万亿级，过去依靠单一芯片性能提升的暴力计算模式正在触碰物理与效率的极限。
从芯片性能到系统效率,单点突破正在失效，中科曙光高级副总裁李斌指出，今天的大模型对算力的要求已不再局限于某一颗芯片的性能，而是整个系统能否长期、稳定、高效地运行，在人工智能发展初级阶段，算力的提升主要依赖于GPU、CPU等单一处理器性能的迭代，但当任务复杂度跨越式提升、处理时长高速增长时，单一芯片的优化已显得力不从心。
随着模型规模向万亿参数演进,算力系统面临的挑战已不再局限于算力峰值，而是延伸至互连带宽、存储层级、供电制冷、系统稳定性等系统性指标，李斌强调，算力规模的扩大对可扩展性和可靠性提出了更高要求，这些因素决定了系统是否能真正发挥作用。
为应对这一挑战,行业正转向超节点和超集群模式，IDC中国区副总裁兼首席分析师武连峰表示，传统的计算节点已无法适应万亿规模大模型的需求，行业共识正在转向通过超高速总线将不同GPU焊接在一起，形成高密度的计算单元，超集群模式本质上将算力从硬件工程升级为系统工程，需要在算、存、网、电、冷、管、软等多个维度协同融合，而非简单堆叠芯片。
这种转变意味着过去依赖单点性能突破来弥补系统短板的思路正在失效,即便芯片性能持续提升，如果互连协议不统一、系统软件不兼容、运维可靠性不足，整体算力效率依然会被迅速稀释，海光信息副总裁吴宗友也指出，在国产化快速推进过程中，芯片种类的快速增加给用户带来了适配和维护的负担，性能并不能直接转化为用户的实际收益。
全栈模式的代价：生态内耗与用户痛点
在市场发展初期，不少国产厂商选择全栈自研模式，试图通过紧耦合的技术架构建立竞争围墙，李斌指出，这种现象背后是厂商的普遍焦虑：由于人工智能产业链极长，厂商担心只做某一个环节无法掌控市场，于是纷纷开启全栈模式，这种尝试带来的结果却是“内卷”加剧，各家都想做全套，却在每一层上都难以做到极致，最终形成了多个封闭的小生态。
这种割裂的生态给最终用户带来了巨大的困扰,吴宗友指出，过去几年国产芯片行业发展迅速，但也让用户陷入了适配的难题中，面对众多的芯片路线，用户需要投入高额成本进行重复的适配和优化，每个芯片的接口、总线各不相同，这种适配难度极大降低了开发效率，武连峰也证实，目前生态挑战依然严峻，算法和算子往往锚定在某个特定生态，移植过程短则数月，这不仅浪费了时间成本，也造成了人才资源的消耗。
整机厂商的感受更加直接,雷神科技董事长路凯林提到，国产AI工作栈发展的瓶颈之一正是生态资源的丰富度，相比英伟达积累数年的海量生态，国产算力在硬件与软件的无缝衔接上仍有差距，“生态的打通和生态的丰富度应该是制约我们快速发展一个很重要的瓶颈，但是好在现在也在快速突破。”
开放计算被推上前台,但执行成本同样不低
在反思全栈路线的同时，开放计算被推到了舞台中央，但多位受访者也强调，开放并非一条低成本路径，任京暘表示，今天的开放计算意味着厂商要从“一家通吃”中跳出来，往多厂商各司其职、相互协作、共赢的方向走，这种转变的核心在于分层解耦，即在芯片、存、液冷、网络等每一层都由多个优秀厂商集群式地攻关，打破以自我为中心的紧耦合架构。
走向开放并非易事,它首先要求厂商让渡一部分控制权和利润空间，任京暘指出，真正的开放意味着在关键接口和能力上让渡控制权和部分利润空间，同时还要建立一套可执行的协调机制，而不是停留在口号层面，在他看来，开放计算的难点不在技术，而在组织和协作分配。
具体到执行层面,开放计算首先要求对产业链进行分层解耦，芯片、互连、存储、散热等环节由多家厂商并行推进，在各自层面形成竞争与合作并存的格局；各层之间又必须通过统一标准重新紧耦合，否则系统效率同样难以保障，任京暘认为，需要有具备公信力的平台来承担协调角色，确保制度保障和资源保障，在供需对接、标准制定和冲突调解中发挥作用。
吴宗友则从市场格局角度提出,开放架构实际上为AI产业的进化提供了一种路径选择，在他看来，如果继续各自为战，最终开放架构之外的生态很容易跟不上时代，路凯林也指出，场景正在倒逼技术升级，随着国产算力增强，垂直小模型在本地工作站部署的需求激增，这种由场景驱动的协同赋能，让硬件与应用实现了真正的相互咬合，而这种基于生态的开放架构，正实实在在地降低不同行业适配AI的成本。
转向也并不意味着路线之争的终结,任京暘在采访中也谈到，紧耦合的封闭体系与开放协同的体系，在国内丰富的应用场景中仍将长期并存。
在大模型和超集群成为常态之后，能否构建一个高效、可协同、可持续演进的系统，将成为决定厂商生存空间的关键变量。
