从芯片到Token：解码海光"双芯加速方案"如何重构国产AI算力底座

【导语】

在中国联通2025年合作伙伴大会"向智同行，连接算网新生态"的主题下，海光信息首次推出"面向词元（Token）经营的双芯加速解决方案"，将CPU与DCU的协同能力、开放互连体系与全栈优化框架打包为一套面向运营商AI业务全生命周期的算力底座。这并非单一芯片产品的迭代，而是国产算力供给侧针对"AI要素流转"瓶颈的一次系统性回应——其折射出的，是国产AI基础设施从"单点可用"走向"体系贯通"的产业拐点。

【事件背景】：当Token成为算力经营的度量衡

要理解海光此次方案的产业分量，首先需要厘清"词元经营"这一概念正在重塑的行业逻辑。

随着大模型从训练阶段走向大规模推理落地，AI服务的计费方式、调度逻辑与价值评估正在发生根本性变化。传统云计算以vCPU、内存、存储等资源为计费单位，而大模型时代，Token——即模型处理文本的最小语义单元——正在成为衡量AI算力投入与产出的核心度量衡。围绕Token的"生产、调度、计量、成本核算、应用变现、复购扩容"，运营商正在探索一套全新的算力经营范式。

中国联通、中国电信、中国移动三大运营商近两年密集布局算力网络，将AI算力视为继语音、流量之后的第三增长曲线。在这一战略框架下，运营商的AI业务模式被概括为"算网一体、Token驱动"——前端对接千行百业的AI应用调用，后端连接国产算力供给，中间则是复杂的调度、计量与价值转化体系。

然而，这条价值链并非坦途。当前国产AI算力底座仍面临三道现实瓶颈：

其一，算力组网效率受限。国产GPU与CPU的协同多停留在板级或单机级别，跨节点、跨集群的统一调度能力薄弱，难以应对Token生产对大规模并行与高带宽互连的需求。

其二，软硬件适配成本高企。不同芯片架构与AI框架、模型之间的适配往往需要数月周期，"模型即发，硬件未就"成为制约AI应用落地速度的关键痛点。

其三，安全可信与开放生态难以兼顾。在AI要素流转涉及大量行业数据与商业机密的前提下，芯片级安全能力与开放的软件栈生态之间需要精细平衡。

正是在这一背景下，海光的"双芯加速方案"试图以CPU+DCU的协同架构与四维开放的产业协同底座，给出国产算力侧的回应。

【行业影响】：双芯协同的四重新含义

海光方案的核心架构并不复杂：以自研CPU作为智能调度中枢，以DCU作为加速计算引擎，通过HSL高速互连协议打通芯片间数据通道，构建一套覆盖驱动层、算子层、框架层、模型层与应用层的五维优化体系。但其产业意义远不止于技术架构本身。

一、 从"各自为战"到"协同调度"：国产算力架构的体系化升级

过去几年，国产AI芯片厂商普遍聚焦于单一加速器件的性能突破，而对通用计算与加速计算的协同关注不足。这一格局在AI推理大规模落地后暴露出明显短板：单纯堆叠加速卡难以应对复杂的任务编排、内存管理与异构调度需求。

海光的方案明确将CPU定位为"智能调度中枢"，承担拓扑感知、NUMA节点对齐、工具调度与记忆管理等"软性"却关键的职能；DCU则专注于并行计算加速、P/D分离优化、批量解码、KV缓存优化、长序列处理等高负载计算任务。这种分工与全球主流AI基础设施中CPU+GPU的协同逻辑一致，但在国产化语境下，海光将其内化为一套经过系统设计的双芯协同范式。

从行业视角看，这一变化的深层意义在于：国产算力底座开始具备承接复杂AI工作负载的体系化能力，而不再仅是单一加速器件的"可用替代"。对于运营商而言，这意味着可以将更多关键业务负载——尤其是涉及调度、编排、记忆管理的Agent类应用——迁移到国产算力栈上，而不必依赖异构混部带来的额外运维成本。

二、 四维开放：构建产业协同的"接口标准"

海光方案提出在算力、互连、安全、软件栈四个维度全面开放，并组建专门的优化团队在大模型发布前完成适配。这一动作直击国产AI生态中长期存在的"最后一公里"难题。

算力开放层面，方案支持双芯原生组合与异构芯片交叉适配，意味着运营商不必"押注"单一芯片路线，可以根据业务并发规模与Token生产场景灵活组合；互连开放层面，HSL协议作为海光自研的高速互连标准，为芯片间数据流转提供了低延迟、高带宽的通道；安全开放层面，芯片级内生安全能力契合了AI要素流转过程中对数据可信与隐私保护的高要求；软件栈开放层面，对百余种主流AI框架的全栈适配，则显著降低了应用迁移门槛。

值得关注的，是海光提出的"模型发布前即完成适配"机制。长期以来，国产芯片与AI模型之间存在适配滞后问题——一款国产大模型发布后，往往需要等待数月才能在国产芯片上稳定运行。海光的做法相当于将适配环节前置到模型研发阶段，与合作伙伴深度协同。这看似是一个流程优化，实则是国产AI生态从"产品叠加"走向"协同设计"的重要信号。

三、 Token经营的全栈对接：运营商AI商业化的基础设施铺垫

将视角拉回运营商端，海光方案的核心价值主张是"降低百万Token成本"。这意味着方案设计的出发点直接对准运营商AI商业化的核心矛盾——Token单位成本与变现能力。

运营商作为算力网络的统筹者与Token流转的中枢，面临着双重压力：一方面需要应对Token规模化生产带来的算力成本上行，另一方面需要在激烈的AI服务市场竞争中保持价格竞争力。海光方案通过五维优化体系，目标是在硬件不变的前提下，通过软硬件协同优化显著降低Token生产的单位成本。

更深一层的意义在于，海光方案试图将"芯片能力"转化为运营商可以直接调用的"算力服务能力"。当芯片厂商能够提供从驱动到应用的全栈优化，并支持异构芯片交叉适配与算力动态调度，运营商就可以更灵活地组织自身的算力资源池，将其包装为面向不同行业的Token服务包。这种能力的边界，决定了运营商在AI产业链中能走多远。

四、 光合生态：国产算力协同的产业组织创新

海光提出的"光合生态"概念，超越了传统芯片厂商与下游合作伙伴之间的产品适配关系，指向一种更具弹性的产业组织模式——整机、基础软件、行业应用等上下游伙伴在统一接口标准下协同创新，实现国产CPU、DCU及异构加速硬件的统一调度与协同运行。

这种生态构建方式，对于当前国产算力产业具有现实针对性。在美国持续收紧先进芯片与制造设备出口管制的背景下，单一芯片厂商难以独立解决从底层硬件到上层应用的全链条适配问题，必须通过生态协同实现"体系突破"。海光的四维开放与光合生态，正是对这一挑战的产业级回应。

【趋势展望】：国产AI基础设施的三个走向

海光此次方案的发布，并非孤立事件。结合近一年国产AI芯片产业的演进脉络，可以梳理出几条值得关注的产业趋势。

趋势一：从"硬指标比拼"走向"软硬协同优化"

国产AI芯片产业此前的竞争焦点集中在算力、显存带宽等硬件参数上。但随着AI应用逐步走向推理落地，硬件参数对最终业务效果的影响正在被软件栈优化所稀释。能够提供全栈优化能力、与AI框架和模型深度协同的芯片厂商，将在竞争中获得更大优势。海光方案中"降低百万Token成本"的定位与五维优化体系的提出，正是这一趋势的体现。

趋势二：Token成为算力服务定价的核心标尺

Token作为AI算力的度量单位，正在重塑云服务市场的定价逻辑。运营商作为AI算力的重要供给方，天然适合以Token为核心构建算力定价、计费、调度与变现体系。可以预见，未来围绕Token的算力交易平台、Token银行、Token资产化等创新业态将逐步涌现。芯片厂商能否提供面向Token经营的系统级方案，将直接影响其在算力价值链中的位置。

趋势三：国产算力底座进入"体系化竞争"阶段

国产算力产业的竞争已从单点产品竞争，进入体系化竞争阶段。芯片厂商之间的较量不再仅是技术参数的对比，而是覆盖硬件架构、互连标准、软件生态、安全能力、产业组织能力的综合较量。在这一阶段，具备开放生态构建能力、与运营商及行业应用深度协同的厂商，将获得更大的产业话语权。

结语

海光在2025年中国联通合作伙伴大会上首发的"词元经营双芯加速方案"，表面上是芯片厂商针对运营商AI业务的解决方案迭代，实质上折射出的是国产AI基础设施从"能用到好用"、从"单点突破到体系贯通"的产业演进。在AI要素流转加速、Token经营范式逐步成型的当下，谁能率先构建起从芯片到应用的全栈式算力底座，谁就能在下一阶段的国产AI产业格局中占据有利身位。

海光的这步棋，或许正是这一格局重塑的一个开端。