過去幾年，AI競爭焦點一直在大模型訓練上，參數規模邁上新階，萬卡集群點亮，都能在行業里掀起一陣討論。到了2026年，風向發生了轉變，AI逐步進入制造、電力、交通等工業現場，諸多摩擦開始顯現，業界開始追問，AI到底能不能在工業領域跑起來？

跑起來這三個字，到了工業現場就具象為一連串硬指標，新的矛盾隨之暴露。云端模式存在網絡時延和數據回傳壓力，工業現場又普遍面臨數據合規、網絡穩定性、長期連續運行等要求。與此同時，傳統工業控制體系并非圍繞AI推理設計，大量工業系統在兼容性、遷移成本和生態協同上仍存在明顯門檻。AI要真正落地，算力底座必須像基礎設施建設一樣打牢夯實，而工業芯片正是其中關鍵一環。

2026世界智能產業博覽會上，海光聯合光合組織全方位展示了覆蓋芯片、整機、軟件到應用的全鏈條開放算力體系。海光信息總裁助理，創新產品線總經理李成和海光信息企業業務部總經理李程在智博會現場，圍繞工業算力焦慮的現實困境，詳解了海光的破解之法。

工業AI落地，算力下沉是必然條件

工業AI與互聯網AI最大的區別，在于前者直接運行在生產現場。李程觀察到，當前大模型生態正呈現明顯的“啞鈴化”趨勢：一端是生產力工具快速下沉，另一端是模型能力持續提升，中間層卻在加速收縮。映射到制造業，大模型應用同樣“兩頭熱、中間冷”。其中營銷服務、運營管理等外圍環節落地較快，研發設計、中試驗證等環節比例逐步提升，但真正深入生產制造核心的應用仍然有限。

而落到生產現場，痛點則更為具體。以AI質檢為例，工業相機需要持續采集圖像并識別缺陷。若所有數據上傳云端，網絡波動和鏈路時延會直接影響產線節拍。同樣的問題也存在于工業機器人、電力監測、軌交運維等場景。隨著AI進入控制鏈路，工業系統對實時性、本地化和連續運行能力的要求顯著提高。

因此，越來越多企業將部分AI推理能力部署到邊緣側，在現場完成數據處理，以降低時延、減輕帶寬壓力，保障系統連續運行。李成在采訪中談到，AI時代的數據流轉正走向云邊端協同，尤其在工業領域，邊緣側正成為AI進入現場的重要載體，這也是海光在云邊端全面布局的核心邏輯。

在此過程中，工業芯片的重要性日益凸顯。行業數據顯示，工業應用約占全球芯片市場21%，是半導體行業中需求最穩定的領域之一。工業系統常年在高溫、高濕、電磁干擾、振動等環境下運行，設備生命周期往往超過十年。工業客戶對芯片的要求不只看算力，更看重穩定性、低時延、寬溫適應、長期供貨和安全性。底層硬件一旦故障，可能直接導致產線停機甚至關鍵基礎設施異常。這正是工業芯片與消費級芯片的根本區別，工業市場不追求先進制程，而是重視成熟工藝、長期可靠性和復雜工況下的持續運行能力。

海光在本次智博會上的展示，清晰呈現了其在工業領域的戰略布局。李成表示，隨著AI向邊緣側延伸，客戶對嵌入式、低功耗、小體積產品的需求持續增長。海光除了面向服務器和工作站的產品外，也在工業場景中部署邊端產品，包括適用于工業現場的嵌入式、低功耗方案，且已有產品投入實際應用。

海光以三大支柱夯實工業算力地基

從上文可以看出，AI進入工業現場所面臨的資源爭搶、協議兼容、遷移成本、運維復雜度，每一項都是真實障礙。

基礎不牢，地動山搖。針對上述痛點，海光以國產自主可控算力底座撐起工業AI的根基。李成將這一算力底座的能力概括為三個層面，每一層都對應著工業現場最核心的現實需求。

第一是承接生態。海光CPU兼容x86指令集，工業領域大量現有軟件和應用不用重寫就能直接跑，千萬級應用開箱即用。通過光合組織，海光聚合了超過6500家上下游生態廠商，聯合完成15000余項軟硬件兼容適配。在鐵路信號系統國產化試點中，國內五家核心信號廠家的工控機全部選用海光C86路線，這正是其工控芯片在關鍵基礎設施領域扎根的例證。

第二是生態協同。海光采用CPU加DCU的雙芯策略，CPU負責通用計算和工業控制，DCU專門處理AI訓練和推理，兩者協同適配工業現場混合負載。隨著AI進入產線，CPU不僅要管好軟硬件，還要跟不同廠商的異構芯片高速互聯。2025年12月，海光開放了基于CPU的高速互聯協議，為異構芯片提供更高效的通信通道，這對工業邊緣側多設備協同尤其重要。

第三則是安全承諾。隨著AI逐漸進入能源、電力、軌交等關鍵行業，底層可信能力的重要性正在提升。相比后期外掛安全模塊，越來越多工業客戶開始關注芯片底層安全能力本身。

海光從指令集底層支持國密算法、可信計算和機密計算，不靠外掛模塊，不犧牲性能。這些底層能力可以免疫或修復熔斷、幽靈等高危漏洞，滿足能源、電力、軌交等行業對數據安全和信息安全的剛性需求。

由此，海光算力基座在生態上兼容，連通上開放協議，安全上提供保障，恰恰構建了一個能夠適應工業環境、兼顧控制與AI負載、并能夠長期演進的算力底座。

工業AI競爭到最后，拼的是生態協同

芯片參數再高，沒有配套的整機、沒有適配好的算法，用戶依然很難真正用起來。這是國產算力過去幾年反復踩過的坑。很多芯片廠商單看跑分不錯，到了用戶現場才發現，用戶需要的是即插即用的方案，而不是一個需要自己折騰兼容性的零件。

海光借助光合組織所做的生態建設，是將“開放算力生態+全鏈協同”的模式在國產算力上落地，其本質上是在打通芯片、整機、軟件、應用之間的協同鏈路。由此，讓各個環節之間有一條標準化的通道，不用每個用戶都自己修路。

從更宏觀的視角看，這個方向跟政策趨勢是一致的。“十五五”開局，工信部等八部門聯合印發《“人工智能+制造”專項行動實施意見》，明確加快智能制造關鍵技術裝備突破、推動人工智能在研發設計、生產制造、運營管理等全流程深度應用。與此同時，國產AI芯片自給率快速提升。摩根士丹利2026年5月發布的最新報告顯示，中國AI芯片自給率已從2023年的20%躍升至2026年的41%，三年實現翻倍，并預計到2030年有望達到85%。

李程表示，海光正積極響應這一趨勢，已在50余個AI+應用場景展開探索，覆蓋制造業研、產、供、銷、服全流程。面向未來，他認為算力普惠化、場景深度融合、數字孿生閉環、產業范式革新、人機協同深化將成為“人工智能+制造”的核心方向，海光在異構底座、場景深耕、開放開源等方面已做好相應準備。

具體而言，海光目前已經完成超過1.5萬項軟硬件兼容適配，并建立28個生態適配中心和25個區域分會，面向石油、汽車、裝備制造、電力等重點行業推進本地化生態協同。對于工業客戶來說，這意味著系統遷移成本更低，項目交付周期更可控，后續運維也更容易形成持續支撐能力。

市場空間已經打開，而在工業場景中，能接住這一輪需求的，一定是生態最成熟、適配最順暢、服務最高效的體系。海光依托光合組織構建的開放算力生態，正是在用系統化的能力回應上述行業訴求。

尾聲

我們正在經歷的，或許是工業AI的筑基階段。當AI開始進入產線、設備與控制系統之后，產業競爭的重心正在發生變化。算力不再只是數據中心里的資源，而開始像電力、網絡一樣，逐漸演變為工業系統中的基礎設施。

海光在智博會現場所展示的，正是其對這一時代命題的回答。無論是雙芯協同構建工業AI底座，還是依托光合組織推動開放算力生態，其本質都不是單純擴大算力規模，而是讓國產算力真正融入工業現場，成為產業系統里長期可運行、可協同、可演進的一部分。

而這，或許才是工業AI真正進入深水區的標志。