中国科技的下一次跃迁，藏在“慢变量”里

内容来源|本文摘编自湛庐文化/浙江科学技术出版社书籍
《昇腾崛起》方兴东 著

责编| 镜心

第 9806篇深度好文：3646字 | 11 分钟阅读

2026年的科技行业，仿佛被按下了快进键。

智能体开始进入办公室和生产线，具身智能从“展示动作”走向“真正干活”，开源模型持续刷新能力边界。

在2026年世界人工智能大会上，具身智能汇聚了超过200家企业，产业关注点也从外形、能力进一步转向落地。政府工作报告则提出推动智能终端和智能体加快推广，支持开源社区建设，并实施超大规模智算集群、算电协同等新基建工程。

应用越热闹，底层问题越清晰：谁来支撑计算需求？模型如何稳定运行？中国能否拥有持续迭代的技术底座？

《昇腾崛起》正是在这一节点上，提供了一份理解中国AI产业的长期样本。

《昇腾崛起》由一条AI计算产品线切入，记录架构、软件、人才、组织和生态等“慢变量”如何共同形成。

一、长期战略的价值，是提前进入未来

昇腾的起点可以追溯到2016年前后的基础研究布局。

2016年8月，徐直军与深度学习先驱约书亚·本吉奥交流，进一步确认AI可能引发下一场工业革命。

2017年，华为内部围绕“要不要为AI专门做一颗芯片”展开争论。当时应用需求并不明显，支持者却看到，神经网络所依赖的大量矩阵运算，可能使AI成为新的通用计算范式。

内部代号为“达芬奇”的项目随后启动。团队选择自主架构，提出3D Cube计算架构，希望以可伸缩架构覆盖从低功耗终端到数据中心训练的不同场景。从达芬奇架构、昇腾310、昇腾910，到CANN、MindSpore、Atlas和大规模集群，一条漫长的技术链才逐渐形成。

今天回头看，这段故事很容易被概括为“押中AI”。

而书中大量细节却提醒我们，长期成果很难依靠一次精准预测获得。判断帮助组织选择方向，持续建设才能把方向变成能力。

真正有效的战略，是识别计算需求、软硬协同和开发者生态等长期变化，提前投入资源，在机会到来前完成能力准备。至于哪个模型突然爆红、哪个场景率先形成商业闭环，往往超出计划的边界。

真正的战略，无须猜中每一次浪潮，它要让组织在浪潮到来时已经站在水里。

昇腾310从立项到交付，经历了一场“极限百日”；昇腾910的难度又远高于310，芯片、算子和软件团队必须同步推进。硬件设计无法独自完成这场竞赛，AI芯片的性能只有经过软件释放，才能变成客户真正使用的算力。

进入深科技时代，一项底层技术需要科学发现、工程实现、产业配套、市场验证和生态扩散共同完成。任何一层缺位，都会让实验室里的突破难以走进产业。

市场习惯奖励看得见的结果，底层创新却要承受漫长的沉默。产品发布只占据一天，技术能力常常需要十年积累。

热点决定人们此刻看见什么，长期投入决定未来还剩下什么。

二、允许失败，才能积累创新的复利

《昇腾崛起》中有一个很有意思的人物：华为Fellow（笔记侠注：华为技术体系的最高荣誉，持有者被称为“华为院士”）、海思首席科学家廖恒。

在进入华为之前，他先后参与光通信、以太网交换、网络处理器、存储芯片、SSD闪存和多项技术标准。由于原公司规模和市场能力有限，不少项目做了一两年便停止。他的履历横跨多个领域，也留下了一长串未能完成商业成功的产品。

2016年，他所在的PMC被收购，部分高管离开公司。华为从这份看起来并不整齐的履历里，识别出另一种稀缺价值：跨领域的技术经验、系统架构能力，以及从多次项目成败中积累的判断力。后来，正是这类经验进入达芬奇架构和昇腾早期技术路线的讨论。

这个案例揭示了一项常被低估的创新规律：人才的价值有时需要很久才能兑现。

硬科技研发中，一个没有完成商业化的项目，可能训练出一支团队；一次路线失误，可能留下下一代产品需要的工具。创新能力具有复利属性，许多看似无效的投入，都在等待合适的时代接口。

科技产业最昂贵的浪费，是丢掉失败项目留下的人、工具与方法。

昇腾也在不断吸收失败。早期可借鉴的成熟架构十分有限；产品进入客户环境后，理论性能与实际表现出现落差；大模型浪潮到来时，软件、算子和集群能力又要接受压力测试。

团队把暴露出的性能差距拆成算子、调度、通信、编程和工具链等任务，再由不同团队逐项攻关。失败只有经过拆解、复盘并进入下一轮研发，才能转化为组织资产。

中国科技要从追赶走向引领，需要为这种复利创造稳定环境：企业给基础研发更长周期，资本理解深科技的回报节奏，高校为非共识研究保留空间。在缺少标准答案的领域，跨越多个技术周期的人往往更能识别风险。

失败不会自动产生价值，能够被组织吸收的失败才会形成复利。

复盘要把个人经验转化为组织知识，平台要让旧工具被新项目调用，人才机制要让跨领域人才获得新的机会。只有这样，失败的成本才会进入下一次创新的资产负债表。

三、生态的护城河，
长在开发者的日常里

书中另一个重要的慢变量，是生态。

芯片可以在发布会上完成亮相，生态只能在开发者的键盘下缓慢生长。工具是否好用，迁移成本是否够低，问题能否快速解决，伙伴能否获得回报，这些日常体验不断累积，最终形成技术路线的护城河。

昇腾的发展经历过这样的现实压力：理论性能接近，模型进入实际环境后仍可能跑不起来；算子库缺少一个函数，整套模型就会卡住；客户已经习惯成熟平台，切换过程如同“在赛跑中途换车”。

2023年，面对大模型带来的算力需求，华为组织“三丫坡会战”，跨部门围绕算子、调度、集群和编程集中攻关。团队把目标归纳为极致性能、极简易用和生态，“头部客户作战队”则进入现场，围绕真实模型逐项适配。

围绕鹏城云脑Ⅱ，团队用自主技术建设E级AI算力平台，在测试和实际任务中持续验证。与科大讯飞等头部客户合作，又把真实工作负载和应用问题带入研发体系。客户的价值由一笔订单延伸至推动底层技术成熟。

技术自主最终必须通过用户体验检验。国产技术的评价标准已经进入“好不好用、值不值得用、能不能持续用”的阶段。政策可以打开第一扇门，产品体验与商业价值决定门后能走多远。

突破技术封锁解决生存问题，赢得开发者才能解决发展问题。

2019年，华为推出MindSpore，此后持续推进框架开源、工具开放与开发者建设。开源降低使用门槛，也让技术在更多场景中接受检验。

2025年春节，DeepSeek流量快速增长。华为云、海思等团队围绕资源、算子、模型调优和业务运维展开协作。模型提出需求，算力平台进行优化，真实流量再次检验系统，一条新的产业反馈回路由此形成。

底层能力越扎实，开放越有底气；生态连接越广泛，自主体系越有活力。产品可以依靠功能赢得用户，一条技术路线还要依靠生态赢得未来。

产品的边界由企业决定，生态的边界由无数开发者共同打开。

四、从做出产品，
到提供全球技术公共品

中国科技的下一阶段，还要完成一次更深层的跃迁：从参与世界技术体系，走向为世界提供可复用的底层工具、开放标准与技术公共品。

从开源模型到通信标准，从新能源供应链到AI基础设施，中国正在更多基础层面参与全球创新。2026年政府工作报告把开源生态、智算集群和算电协同纳入部署，AI竞争正从单项技术扩展到产业生态。

昇腾的“超节点+集群”路线具有代表性。面对单颗芯片工艺受限和大模型算力需求持续增长的现实，团队尝试通过高速互联，让更多计算单元高效协作，并开放面向超节点的灵衢互联协议。它提供了一种重要思路：当局部条件受限，仍然可以通过架构、连接和系统工程寻找新的上升空间。

中国科技还要从适配既有规则，走向参与定义接口、协议与标准。未来的科技影响力，将取决于三种能力：提出新问题，提供可复用的底层工具，组织跨行业、跨国界的开发者共同创造。

这场跃迁需要大企业建设底座，也需要小团队不断冒险；需要集中资源突破瓶颈，也需要多条技术路线充分竞争。自主扩大选择，开放扩大价值。

一项产品解决一个时期的问题，一套开放生态才能持续回答未来的问题。

五、快时代，更要看见慢力量

《昇腾崛起》记录了八年产品历程，也保存了发布会和技术参数之外的细节：有争议的战略选择、做过“失败产品”的工程师、持续百日的研发冲刺、反复补齐的软件工具，以及压力中形成的生态。

这些细节共同指向一个朴素的结论：科技崛起没有真正的“一夜之间”。新闻中的突破，往往来自新闻之外长达数年的准备；产业中的领先，也来自无数基础环节持续而缓慢的改善。

方兴东用6年访谈和写作留下这份记录，让人们越过胜利时刻，看到胜利如何发生。昇腾仍在演进，中国AI产业也面临软件生态、开发体验、基础研究、能源效率与全球协作等长期挑战。

对于企业，慢变量是战略耐心、人才密度和组织学习；对于产业，慢变量是基础软件、开放标准和开发者生态；对于国家，慢变量则是基础研究、工程教育和对失败的包容。模型榜单会更新，最终沉淀在产业里的，是人才、工具、标准、开发者与组织经验。

快变量决定一家公司能否抓住眼前的机会，慢变量决定一个产业能否穿越更长的周期。

中国科技的下一次跃迁，藏在那些新闻很少报道、时间却无法绕过的慢变量里。

*文章为作者独立观点，不代表笔记侠立场。

好文阅读推荐：