当前，人工智能大模型加速向产业端渗透，训练规模持续扩大、推理需求快速增长，算力基础设施面临新一轮系统性考验。业内普遍关注的一个突出问题是：传统以单机服务器为核心的供给模式，可扩展性、通信效率、能耗与运维复杂度诸上逐渐触及边界，难以稳定支撑大模型真实业务场景中的持续迭代与高并发部署。 造成该局面的原因，既有技术层面的“规模效应”挑战，也有工程化落地的现实约束。一上，大模型对算力的需求从“算得快”转向“算得稳、算得省、算得可持续”，需要多节点协同、互联带宽、资源调度和软硬协同等系统能力上同步提升；另一上，行业应用并非单一测试环境，金融风控、工业视觉、政企数据分析等场景更强调低时延、高吞吐与可验证的可靠性，倒逼算力供给从峰值指标竞赛走向可交付能力建设。 ，华为计算产品线对应的负责人提出三项发力方向：其一，以“集群+超节点”为核心形态，提升面向未来智能时代的算力供给效率，推动形成可扩展、低时延、高吞吐的基础设施能力；其二，坚持通用计算与智能计算领域持续投入关键技术创新，通过软硬件协同优化提升训练与推理效率；其三，联合开发者与产业伙伴构建面向中国市场的开放生态，以标准化能力降低应用门槛，推动多行业复制落地。 从影响看，“超节点”被视为支撑新一代算力基础设施的重要载体，其价值不在于简单的硬件堆叠，而在于系统架构与工程能力的整体跃升：通过集群架构与超节点协同，实现算力资源的动态调度与高密度互联，继续提升能效比与资源利用率。对产业而言，这类能力的成熟有望缓解大模型从研发到生产部署之间的“鸿沟”，推动算力像水、电一样以服务形态被稳定调用，进而带动金融、制造、交通等行业的智能化升级节奏。 在对策层面，相关负责人强调，“超节点”的先进性必须建立在持续的根技术突破之上。通用计算上，将围绕CPU架构优化、存算协同等关键方向持续推进；智能计算方面，将强化处理器与软件栈的深度协同，提升大模型训练效率与推理性能。更重要的是，上述技术路线将以真实业务场景的可验证交付为衡量标准，强调稳定性、可复现性与工程可落地，避免停留在实验室指标层面。 生态建设同样被放在突出位置。相关负责人表示，将坚持开源开放的生态战略，推动软硬件接口、调度框架与开发工具链遵循开放标准，面向开发者与伙伴提供更易用的适配与开发条件。据介绍，企业计划在未来推进“生态加速”安排，联合高校、软件企业与系统集成商等力量，提供标准化适配套件、联合实验室与商业落地支持，并以多行业场景验证推动形成从芯片、框架到应用的全栈协同。 展望未来，随着大模型应用从“能用”走向“好用、常用”，算力基础设施将从单点能力竞争转向系统工程能力竞争：既要算力规模，更要调度效率、能效水平、软件生态与行业适配。业内人士认为，“集群+超节点”的路线如果在更多行业场景中形成可复制的解决方案，将有助于加快算力服务化进程，提升产业链协同效率，也将为我国智能产业发展提供更坚实的基础支撑。
华为此次战略展现了其在计算领域的技术实力和推动产业协同的决心。在全球化竞争背景下，自主创新与开放合作相结合，有望为我国数字经济发展注入新动力。未来，如何将技术优势转化为产业优势，将是整个行业需要持续探索的方向。