中国商报（记者 赵熠如）当前，人工智能成为制造业转型升级的关键变量。如何打通从算力底层到工业场景的“最后一公里”，近日举办的“人工智能赋能新型工业化深度行（走进国家超算互联网核心节点）”活动给出了探索答案。

工业场景对算力提出严格要求

工业制造对芯片的响应速度和稳定性有着极为严格的要求。

山信软件常务副总经理牛春波表示，在钢铁生产尤其是轧钢过程中，工艺速度极快，要求芯片的响应速度必须达到毫秒级，因此对实时性的要求非常高。同时，其产线价值巨大，一旦可靠性出现问题导致故障，将对生产造成重大影响，直接产生上百万元甚至上千万元的损失。

牛春波以山信软件的落地为例分析：中厚板产线的自动转钢和炼钢环节的智能炼钢，已实现从人工操作向人工智能操作的跨越，人工智能技术的突破使得系统能够根据工况变化实时调整。

索辰科技技术总师张总师告诉记者，高端装备的设计依赖CAD（计算机辅助设计）模型构建和CAE（计算机辅助工程）物理场性能的多次迭代优化。进入人工智能时代后，索辰科技正在打造“物理AI”，通过人工智能技术取代传统的烦琐流程。他表示，这一人工智能体系未来将在海光平台上运行，依赖于国产硬件的高效运算。他认为，国产硬件能力逐步达到国际先进水平，并与软件端算法和软件应用度相匹配，才能有效解决工业领域的实际问题。

中建材信息凝智AI联合创新中心主任刘凯分享了安全生产领域的实践。他介绍，在设备巡检方面，以往需要大量人工投入。但现在，通过人工智能辅助，巡检人员投入成本可降低50%以上，巡检的准确性、及时性均有显著提升。在安全层面，他介绍，海光C86架构已经完全自主可控，从底层为数据安全提供了保障。

芯片与软件适配仍面临卡点

多位企业代表称，国产算力芯片与工业软件的适配仍面临卡点。

首先是复合型人才的缺乏。牛春波坦言，复合型人才需要较长的培养周期，但当前人工智能技术发展速度极快，日新月异，人才成长与技术发展之间的不匹配已成为企业面临的一大困惑。

中望软件信创事业部总监王坤也表示，面向全国产环境的通用软件适配，需要将大量工业软件积累的代码迁移到国产芯片架构之下，这一过程既需要精通国产工业软件的人才，也需要掌握芯片底层架构知识的工程师。他认为，这种复合型人才的需求在过往是前所未有的，企业在前期投入和适配过程中面临较大挑战。

其次是生态的不完善。王坤表示，全国产软硬件的适配不仅涉及芯片厂商与软件厂商的配合，更需要从底层到顶层的全系列、全主体参与和协同。他还提出，编译器、性能分析工具等相关工具链仍需持续迭代和高效保证，目前国内的整体生态仍在持续优化过程中。

第三是验证标准的缺失。王坤强调，运行于国产芯片之上的工业软件对准确性和稳定性的要求极高，需要更多客户场景和实际案例来持续验证和迭代。还需要将在迭代过程中积累的经验转化为跨行业、跨厂商可用的标准，并形成可复用的测试体系。他认为，当前业界对全国产环境的投入已取得显著进展，整体功能和性能优化已达到较高水平，正在从“可用”向“好用”状态切换。

卡奥斯物联工业大脑总经理杨健从算力结构的角度解析，当前算力存在结构性的错配问题。他表示，许多企业反映算力短缺，但实际上总体算力资源并不小，问题在于企业难以找到适合自身需求的算力——包括算力是用于训练还是推理、面向大模型还是小模型等，不同选择之间差异显著。他认为，国家超算互联网核心节点的建设，有助于将整体算力资源与企业需求进行有效匹配。

从企业实践看行业趋势

海光信息展示了CPU+DCU双芯系列产品面向智能制造的全栈算力解决方案。二者组合形成的异构计算平台，可以满足“AI+制造”场景中对复杂算法训练、海量数据处理、毫秒级智能决策等环节的苛刻要求，为制造业的高端化、智能化发展提供了坚实的数字基础。

海光DCU具有全精度计算能力，能充分满足工业仿真、科学计算等场景对高精度与复杂并行计算的需求。同时，芯片级内生安全技术，通过硬件加密、机密计算与可信计算，为数据治理和AI应用提供了从底层硬件到上层应用的全栈安全保障。此外，海光DCU构建了广泛且开放的软件生态，通过“类CUDA”的兼容性设计、完整的工具链（DTK/DAS/DAP）以及光合组织生态，降低了用户的适配与迁移成本，有效支撑了从底层算力到行业应用的平台化部署。

国产算力芯片与工业软件深度适配取得了哪些进展、未来趋势如何？王坤表示，中望软件面向全生态环境的研发投入已超过10年，与以海光信息为代表的国产算力芯片形成了深度合作关系。他透露，中望目前已在人工智能与工业设计软件融合方面积累了相当多的技术储备，将在今年4月下旬举行的新品发布会上展示面向AI时代的新功能。

紫光云企业系统部首席AI架构师杜宇分享了他在半导体设计领域的观察。他认为，半导体设计领域算力波动较大，在芯片流片前会产生较大的算力需求，需要弹性的算力支持。他表示，紫光云的紫鸾6.0平台已与海光信息完成全面适配工作。