行业趋势洞察 - 信息产业从封闭走向开放是不可逆转的趋势，AI时代尤为明显 [3] - 行业正经历从代码驱动的软件1.0迈向大模型驱动的软件3.0的软件革命 [3] - 未来十年将是智能体时代，软件开发将从个体化“手工作坊”转向自动化“AI工厂” [3] - 应用开发民主化时代来临，创意就是原型，社区成为开发者最重要触达渠道 [3] - 生态型产业通过开放协作和网络效应，实现更高效创新和更低成本 [3] - 未来每一个人都是开发者，每一个行业都要用AI改写，每一个产业都将迈向“生态”型产业 [3] 公司战略与生态建设 - 公司将发展生态提升至前所未有的核心战略高度 [1][3] - 公司作为全球20多个开源基金会的创始成员或顶级成员，已累计在300多个上游社区中成为核心代码贡献者 [3] - 公司致力于构建开放、协作、有韧性的生态系统，认为这是赢得未来的关键 [3] - 公司将继续携手全球产业伙伴，以坚定的开源开放战略共同构筑智能世界新生态 [7] 开源产品与技术贡献 - OpenHarmony开源鸿蒙已成为千行万业的数字底座 [4] - openEuler正在成为全球首选数智基础设施操作系统 [4] - 在AI基础设施层，公司全面开源开放，通过对昇腾AI计算架构CANN的底层能力开放，让开发者能深度挖掘硬件极致性能 [4] - 公司宣布AI全流程工具链ModelEngine数据工程DataMate重磅开源，该工具链涵盖数据处理、标注、合成到知识生成的全流程，内置超过40个基础数据处理算子并支持自定义接入 [4] - 在AI大模型行业化落地中，数据处理占据超过60%的时间，DataMate旨在解决此核心痛点，在瑞金医疗场景实践中已将病理数据处理周期缩短80% [4][5] 开发者赋能与人才培养 - 公司致力于构建覆盖技术、资源、社区与人才培养的全方位使能体系 [7] - 通过开发者布道师计划，为超过430位优秀教师与学生开发者提供八大权益 [7] - “AI百校计划2.0”升级后目标覆盖500所高校、10000名师生，提供亿量级昇腾AI云算力，并增加鲲鹏与昇腾开发板资源 [7]

英伟达算力预期与生态战略 - 英伟达CEO黄仁勋预测AI推理将迎来十亿倍增长 由AI增强的经济活动将催生每年5万亿美元的AI基础设施资本支出市场[2] - 英伟达与OpenAI达成战略合作 计划建设高达10GW的AI数据中心 相当于部署400万-500万个GPU[2][3] - 合作模式被比喻为"梯云纵" 向OpenAI投资1000亿美元 资金以订单形式回流英伟达 提前锁定利润[2] 全球算力竞争格局 - 算力竞赛进入淘汰赛阶段 需求不断抬高[3] - 大模型迭代加速 新框架与算法多基于英伟达平台开发 生态结构固化将增加后来者兼容成本与技术负担[3] - 甲骨文、英特尔等厂商以订单、资金或股权方式与英伟达结盟 形成美国企业主导的AI新生态[2] 华为算力生态战略 - 华为宣布软件全面开源开放策略 包括开源CANN、Mind系列应用使能套件和openPangu[5] - 未来5年计划每年投入150亿人民币生态发展费用 1500P开源社区算力 15000人进行生态平台开发[5] - 明确变现依靠昇腾硬件 通过开源开放促进硬件规模使用 换取更广阔生态空间[5] 中国算力产业现状 - 从硬件突破向生态构建转型 昇腾处理器在算力密度、能效比等指标具国际竞争力[6] - 寒武纪、海光信息等国产企业在特定领域实现技术突破[6] - 缺乏"中国版CUDA"生态平台 现有CUDA生态将AI应用锁定在英伟达硬件平台[6] 华为生态建设具体措施 - 与Triton、PyTorch、vLLM等开源社区深度合作 贡献插件化架构降低生态维护成本[7] - 作为PyTorch基金会最高级别会员参与主流框架建设[7] - 昇腾主导开源60多个项目 累计6500多名核心贡献开发者 在50多个开源社区贡献37万行代码[7] 生态竞争核心观点 - 黄仁勋承认中国拥有最优秀企业家、最多AI工程师且行动迅速 但强调英伟达护城河比三年前更宽[6] - 华为选择不兼容CUDA生态 坚持开源生态和MindSpore 旨在构建不依赖西方供应链的软件生态[7] - 生态建设需要产业链同心协力 芯片供应问题曾阻碍发展 但"生态是用出来的"[8]

全球算力市场预期与竞争格局 - 英伟达CEO预测AI推理将迎来十亿倍增长，并指出由AI增强的经济活动将催生一个每年5万亿美元的AI基础设施资本支出市场 [1] - 英伟达与OpenAI达成战略合作，计划建设高达10GW的AI数据中心，相当于部署400万-500万个GPU [2] - 近一个月以来，甲骨文、英特尔等厂商开始以订单、资金或股权方式与英伟达结盟，一个以美国企业主导的AI新生态正在酝酿 [1] 英伟达的商业模式与护城河 - 英伟达与OpenAI的交易模式被比喻为"梯云纵"，即向OpenAI投资1000亿美元，实则资金又以订单形式流回英伟达，提前锁定利润 [1] - 英伟达的护城河不仅是硬件和软件，更包括迭代速度、规模优势和能源效率等综合能力，且比三年前更宽 [5] - 随着大模型迭代加速，大量新框架与算法基于英伟达平台开发，生态结构一旦固化，兼容性成本与技术负担将使后来者难以突围 [2] 华为的生态构建战略 - 华为宣布软件全面开源开放策略，包括开源CANN、Mind系列应用使能套件、openPangu等，同时支持业界主流开源社区和项目 [3] - 未来5年，华为计划每年投入150亿人民币生态发展费用、1500P开源社区算力，并投入15000人进行生态平台开发与支持 [3] - 华为明确变现依靠昇腾硬件，通过开源开放促进硬件规模和使用普遍性，以换取更广阔的生态空间 [3] 中国算力产业的生态挑战与机遇 - 中国算力产业正处在从硬件突破向生态构建转型的关键时期，昇腾系列处理器在算力密度、能效比等关键指标上已具备国际竞争力 [4] - 国内算力产业缺乏的不是对标H100或B200的芯片，而是一个能让全球开发者使用的"中国版CUDA" [5] - CUDA生态经过十余年发展，构建的AI应用被锁定在英伟达硬件平台上，这种生态优势比单纯技术优势更难超越 [5] 华为昇腾的生态实践与进展 - 昇腾与业界开源社区和项目深度合作，如Triton、PyTorch、vLLM等，并将新功能和特性开源到社区 [6] - 作为PyTorch基金会最高级别会员，华为深度参与主流框架建设，并通过贡献插件化架构降低生态维护成本 [6] - 昇腾主导开源的60多个项目累计有6500多名核心贡献开发者，在50多个开源社区和项目中贡献了37万行代码 [6] - 华为选择构建开源生态和MindSpore，旨在使软件生态不依赖于西方生态和供应链，为长远考虑 [6]

算力在数字经济与AI发展中的核心地位 - 算力被视为数字经济时代的发动机和人工智能发展的关键资源 [1] - 截至今年6月底，中国在用算力中心机架总规模达到1085万标准机架，智能算力规模为788 EFlops，位居全球前列 [1] - 迈向通用人工智能和世界模型需要海量算力作为支撑 [1] 华为“超节点+集群”算力解决方案 - 华为提出“超节点+集群”的差异化路径，以突破外部芯片制造工艺限制 [2] - 超节点通过整合算力芯片资源，在单个节点内构建低延迟、高带宽的算力实体，旨在提高算力利用效率以支撑千亿乃至万亿参数模型的训练和推理 [2] - 集群将多个超节点通过高速网络互联，并通过软件层统一调度，实现如云服务般的灵活性 [2] - 华为发布Atlas 950/960 SuperPoD超节点，分别支持8192张和15488张昇腾卡，并推出算力规模分别突破50万卡和达到百万卡的超节点集群 [3] - “超节点+集群”是华为在计算上的核心战略，计划以几乎一年一代、每代算力规模翻倍的速度演进 [3] - 该解决方案旨在为中国人工智能提供可持续、可拓展的算力底座 [3] - 尽管单颗芯片性能及昇腾生态与国际领先者相比仍有差距，但华为对通过计算架构创新满足国内AI算力需求充满信心 [4] 开源开放战略与算力生态建设 - 华为发布并开放超节点互联协议“灵衢2.0”的技术规范，以共建开放生态 [5][6] - 华为已宣布全面开源开放昇腾硬件使能CANN，加速开发者创新 [6] - 开源开放被视为促进硬件规模化使用和生态建设的关键，硬件规模化使用可弥补开源开放的投入 [6][7] - 开放智算生态和开源成标配已成为2025年人工智能产业关键词 [6] - 开源技术有助于降低算力成本，并推动AI开发模式向全系统创新转变 [6] - 中国正通过出台相关政策文件，为开源生态提供政策支持 [7] - 华为认为生态是通过使用发展起来的，需要开发者和合作伙伴共同努力 [7] AI产业的经济前景 - 根据中国电信研究院预测，到2035年，AI将为中国GDP贡献超过11万亿元 [3]

开源鸿蒙技术进展 - 开源鸿蒙6.0版本正式发布，可支持手机、平板、电脑等终端设备 [3] - 开源鸿蒙已汇聚9200多名社区贡献者，累计贡献1.3亿多行代码，推出70多个行业发行版 [3] - 计划孵化开源鸿蒙跨平台框架PMC及具身智能PMC，后者将完成首套开源鸿蒙与昇腾算力赋能的全尺寸类人型机器人 [3] 华为生态战略与投入 - 公司将生态理念提升到前所未有的高度，未来五年每年将投入150亿元人民币用于生态发展 [4] - 生态投入计划为全球开源社区提供1500P算力支持，并动员1.5万人参与生态平台的开发与支持 [4] - 公司业务从以通信和网络设备为核心的标准型产业，延伸至终端、计算等生态型产业，服务对象扩展到ToD开发者群体 [4] 核心技术布局与成果 - 鸿蒙社区贡献者数量已突破9200人，累计代码贡献超过1.3亿行，孵化了1100多个三方组件库 [7] - 已有1300多个软硬件产品通过兼容性测评，60多款、1700多万台华为终端设备搭载了基于OpenHarmony开发的鸿蒙5 [7] - 启动"天工计划"，投入10亿元扶持AI生态创新，激励超过1万个AI原生元服务与5000多个智能体的孵化 [8] 计算平台与芯片规划 - 鲲鹏计划了两款新芯片，最新处理器已在金融、电力、政务等核心行业实现规模化部署 [8] - 昇腾公布了未来三代的AI芯片计划，从昇腾950、昇腾960到昇腾970，路线图已经规划到2028年 [8] - 昇腾基础软件全面开源开放，今年新增开源CANN、Mind系列应用使能套件、openPangu等 [9] 开发者生态与云服务 - 华为云开发者数量新增约200万，总数达到850万，持续推出面向AI训练的弹性算力、低代码开发平台和大模型服务 [9] - 公司面向中小企业推出坤灵"4+10+N"智能化方案，并发布"百&万计划"，发展100家分销钻石伙伴、10000家精英工程商 [9] - 通过数据格式创新提升大模型训练和推理效率，低精度计算HiF8和HiF4相比BF16可降低50%~75%的显存占用，并实现2~8倍的矩阵乘算力提升 [13] 开源开放与人才培养 - 新一代短距通信技术"星闪"吸引了1200多家伙伴共建标准与生态，采用星闪终端超亿台 [14] - 启动"基础软件千校行动"，覆盖全球20多个国家、2000多所高校，计划培养1万名教师和100万新型软件人才 [14] - 积极参与国际开源基金会和标准组织，与Linux Foundation、Apache等机构保持长期合作 [14]

超节点技术架构创新 - 华为发布创新的超节点架构，覆盖数据中心到工作站的全场景产品线 [3] - Atlas 950 SuperPoD采用正交架构实现零线缆电互联和液冷接头浮动盲插设计，光模块液冷可靠性提升一倍 [4] - 创新的UB-Mesh递归直连拓扑网络支持8192卡无收敛全互联，以64卡为步长按需扩展 [4] - Atlas 850是业界首个企业级风冷AI超节点服务器，支持多柜灵活部署形成1024卡集群，无需改造现有风冷机房 [8] - Atlas 350标卡采用昇腾950PR芯片使向量算力提升2倍，推荐推理场景性能提升2.5倍 [10] - TaiShan 950 SuperPoD具备百纳秒级超低时延和Tb级超大带宽，提升数据库及大数据场景业务性能 [13] 性能对比优势 - Atlas 950超节点相比英伟达NVL144规模达56.8倍、总算力达6.7倍、内存容量达15倍（1152TB）、互联带宽达62倍（16.3PB/s） [5] - 对标英伟达2027年计划上市的NVL576仍保持领先优势 [6] - Atlas 950 SuperCluster规模达xAI Colossus的2.5倍，算力达1.3倍，成为全球最强算力集群 [48] 开源开放生态战略 - 全面开放超节点技术硬件包括NPU模组、风冷/液冷刀片、AI标卡等基础硬件 [18] - 开放灵衢协议和超节点参考架构，允许产业界基于技术规范自研产品 [17] - 操作系统灵衢组件全部开源并合入openEuler等社区，支持用户自行迭代维护 [20] - 昇腾CANN全面开源开放，Mind系列组件同步开源并支持PyTorch等开源社区 [20] - 通过开源降低适配成本，推动产业协同发展和行业场景化解决方案建设 [22][23] 灵衢协议技术特性 - 灵衢（UnifiedBus）是面向超节点的互联协议，实现资源池化、线性扩展和长稳可靠 [33] - 通过大带宽低时延互联网络统一通信协议，消除协议转换开销并实现全局资源池化 [31] - 解决传统集群规模扩大时效率下降和可靠性难题，使集群像单机一样协同工作 [32] - 协议全面开源支持自由开发系统调度软件，促进生态繁荣 [34][36] 产业应用与生态建设 - 超节点已服务于互联网、金融、运营商、电力、制造等行业 [29] - 构建开放的综合交通枢纽式生态，打破封闭式协议隔阂 [40][42] - 支持不同规模用户搭建AI高速路，实现硬件软件算法共建共赢 [51] - 形成AI时代自主可控的技术基座和标准话语权 [52] - 通过最大市场优势形成创新飞轮效应，类似新能源汽车发展路径 [53]

公司战略与投入 - 未来5年每年投入150亿人民币生态发展费用、1500P开源社区算力及15000人进行生态平台开发与支持 [1][6] - 提出"四个坚定"战略方向：开源开放、发展人才、全球合作、战略投入 [1] - 业务从"联接"核心扩展至终端、计算等生态型产业 服务群体新增ToD开发者 [1] 开源生态建设 - 作为全球20多个开源基金会创始成员或顶级成员 在300多个上游社区成为核心代码贡献者 [1] - OpenHarmony开源5年汇聚9200多名贡献者 贡献1.3亿行代码 孵化1100多个三方组件库 [2] - 昇腾基础软件全面开源 新增CANN、Mind系列套件等 优先支持PyTorch等主流开源社区 [2] - 将低密度计算HiF8/HiF4数据格式技术捐赠全球计算联盟GCC 显存占用降低50%-75% 矩阵乘算力提升2-8倍 [3] 技术落地成果 - 1300多软硬件产品通过OpenHarmony兼容性测评 应用于金融、交通、能源、航天等行业 [2] - 60多款华为终端设备搭载鸿蒙5 总量超1700万台 9000个应用基于系统创新能力开发70多种体验创新 [2] - 星闪技术吸引1200多家伙伴共建生态 终端设备超1亿台 联合定义HDR Vivid等视听新标准 [3] - 华为云开发者新增200万 累计达850万 支持直接使用鲲鹏/昇腾算力进行云端开发 [3] 人才发展体系 - 与全球高校合作开发3000多门课程 设立3000多所ICT学院 培养超170万名人才 [4] - 启动"基础软件千校行动"覆盖20多国2000多所高校 计划培养1万名教师和100万新型软件人才 [4] 全球合作机制 - 联合开放原子开源基金会等国内机构及Linux Foundation等国际基金会加强开源生态建设 [6] - 通过知识、赋能、开发与激励四大体系支持全球开发者创新 [6]

人工智能发展趋势核心观点 - 开源开放已从理念变为现实并重塑行业生态 例如DeepSeek的出现改变了生成式AI格局 实现了十倍的增长和变化提效 [1] - OpenAI时隔六年首次再次开源 其创始人承认可能站在历史错误的一边 标志着行业对开源价值的重新认可 [1] - AI正从卖工具转向卖结果 从辅助工具演变为可交付价值的Copilot甚至AutoPilot 依赖于深入行业场景和专业知识整合 [1] 行业应用与价值交付 - 在医疗领域 焕新智能体已在中山医院上线 优势在于更深入的场景和更高质量的数据而非更多算力或工程师 [2] - 医疗智能体实现多模态数据如MRI CT 心电图 文本的综合解读 并能自动识别心电图异常区域辅助规范诊疗 [2] - 在金融领域 团队在恒生指数创新挑战赛中夺冠 核心技术是将大语言模型与符号计算结合构建神经符号系统 [2] - 金融领域解决的问题是指数生成的广度 深度 速度和颗粒度 以控制幻觉并确保推理准确性 [2] 安全可信与技术路径 - 安全可信是AI发展的底线 大模型存在造假 幻觉等问题 医疗领域模型准确率甚至只有55% [2] - 风险案例包括MIT导师发现AI生成的博士论文 WPP集团CEO遭遇深度伪造诈骗 凸显真假信息难辨的挑战 [2] - 关键技术路径包括可解释AI 在金融医疗等关键决策领域必须能解释模型的每一个决定 [2] - 其他技术路径包括检索增强RAG与神经符号系统 高质量数据治理 博弈对抗技术 以及让模型具备自知之明 [2][3][4][5] 总结展望 - 开源开放让技术更加普惠 使更多机构能够使用AI [5] - 深耕场景才能释放产业价值 [5] - 安全可信是AI可持续发展的根本保障 [5]

公司战略与生态建设 - 华为通过开源开放策略构建算力生态，宣布昇腾硬件使能CANN全面开源开放，Mind系列应用使能套件及工具链全面开源，支持用户自主深度挖潜和自定义开发 [3] - 公司推出"xPN先锋行动"全方位支持伙伴，共同推动千行万业数智化升级，包括投入800万助力伙伴拓展研发、营销和销供服全生命周期 [1][10] - 华为计算产品2025年全面升级，开放鲲鹏模组、昇腾板卡等，支持伙伴开发边端AI产品，部件伙伴业务实现翻番增长 [6] 产品与技术布局 - 昇腾部件产品覆盖AI全场景，从模组到标卡共9款，2025年下半年实施从低算力到高算力全面覆盖边端场景策略，重点投入Atlas 300I A2和310模组 [4] - 鲲鹏模组集成网络、核心电源、桥片及内存，伙伴可快速开发产品，计划推出8核和12核低算力产品实现全系算力覆盖 [9][12] - CANN作为神经网络异构计算架构，连接上层AI训练框架和底层昇腾芯片，2025年底将完成A2版本开源 [3][4] 伙伴生态与协同成果 - 通过APN和KPN两大伙伴计划构建生态，截至2025年昇腾APN伙伴已发展到100多家，累计开发产品100多款，鲲鹏KPN伙伴发展100多家，基于鲲鹏模组开发产品达70多款 [8] - 伙伴协同创新案例包括：图灵智感基于昇腾算力开发智能病房监护系统，北京杰创永恒科技推出算力达20TOPS的启智01开发者套件 [8][9] - 软通华方基于华为全栈方案实现端侧70B、32B模型部署，北京乐研科技基于鲲鹏模组打造高接口密度平台 [11] 市场拓展与目标规划 - 华为2025年xPN伙伴业务目标增长350%，基于客户需求和支撑能力设定，提出"数智世界 一触即达"战略目标 [12] - 营销支持包括全开放营销资源、专项营销资金支持，通过空中覆盖和地面活动支持伙伴，商机共享达30亿 [10] - 供应稳定性表现显著，累计14天齐套比例达成73%，通过满天星计划提升伙伴服务能力 [10] 行业应用与场景落地 - 算力应用覆盖教育、政务、医疗、制造等多个行业，在教育场景支持六四级考试、长文本处理及多模态处理 [11] - 政务应急场景实现部门级算力需求，网络安全领域满足不同场景接口组合需求 [11] - 算力架构实现云边端协同，从数据中心侧延伸到边端，使算力同宗同族更便利 [11]

文章核心观点 - 人工智能发展面临数据枯竭、算力成本限制、算法偏见、能源消耗和安全治理等主要技术困境 [1][7] - 中国通过开源开放、算法创新和产业应用突破AI发展瓶颈 改写全球AI竞争规则 [2][24][69] - 中国在AI芯片、光子量子计算、自动驾驶和人形机器人等应用领域形成核心竞争力 [35][51][55] 当前人工智能发展所面临的主要技术困境 生成式大模型的算法偏见与困境 - GPT-5上线后被吐槽反应速度慢、处理问题频繁出错 [10] - 生成式AI存在系统幻觉现象、逻辑推理能力有限、数据依赖性、偏见与缺乏可解释性等缺陷 [10] - 第三方测试显示GPT-5领先优势微乎其微 大模型边际收益递减趋势明显 [1] AI算力增长的能源消耗问题 - 英伟达H100芯片单片功耗峰值达700W 10万块总功耗接近小型发电厂输出功率 [11] - AI系统需要执行大量矩阵运算和密集型计算任务 依赖高性能计算机和GPU支持 [11] - "星际之门"计划若采用现有高端AI芯片 年耗电量将是上海市全年用电总量的三倍 [49] 大模型训练数据枯竭 - 数据作为AI的"化石燃料"正日益枯竭 将迫使改变当前AI大模型的预训练方式 [12] - 高质量训练数据几近枯竭 成为AI发展的核心瓶颈之一 [1] 人工智能安全管理与风险控制 - AI技术面临科林格里奇困境 早期难以实施有效控制 技术深入社会后改变成本显著增加 [15][16] - AI指数级发展带来模型能力快速扩张 但社会伦理风险愈发难以预测和控制 [16] AI系统开发软件开源争议 - 开源软件基于GPL规则存在多种收费模式 包括分发收费、担保条款收费、商标许可费和技术服务费等 [20][21] - AI软件代码开放被认为是历史发展的必经之路 虽然存在波折但大势所趋 [20] 中国的优势、贡献和挑战 算法创新与开源开放 - DeepSeek-V3采用MoE架构+MLA机制 训练成本低于600万美元 实现高性能低成本 [24][25] - 阿里通义千问Qwen3-Coder性能强于所有开源模型 实际体验不输Claude和GPT4.1等闭源模型 [24][32] - 中国开源模型推动全球AI普惠 将"大力出奇迹"变为"巧力出奇迹" [24] 芯片自主与算力突破 - 华为昇腾910采用7nm工艺 提供256 TFLOPS的FP16计算能力 [35] - 寒武纪推出思元290和370高性能AI芯片 配套云端智能加速卡和训练整机 [36] - 中国成熟制程芯片(28nm及以上)占据75%以上应用市场 形成稳固本土产业链 [38] - 光子芯片利用光速传输信号 运算效率远高于现有AI芯片 功耗极低 [41] - 量子芯片在量子纠错技术取得突破 谷歌Willow芯片5分钟完成超级计算机1025年计算任务 [43] 产业应用与场景落地 - 中国电动汽车产销量连续八年全球领先 促进自动驾驶技术发展 [53] - 人形机器人产业链相关企业达6.7万家 国家级专精特新企业1051家 [55] - AI智能体具备多模态理解处理能力 在工业制造、物流配送等领域发挥重要作用 [57][58] - 中国生成式AI企业超4500家 核心产业规模达6000亿元 用户数2.3亿人次占总人口16.4% [66] 全球治理与合作 - 中国提交《关于加强人工智能伦理治理的立场文件》和《全球人工智能治理倡议》 [67] - 联合国通过中国提出的"加强人工智能能力建设国际合作"决议 143个会员国联署 [67] - 中国颁布《生成式人工智能服务管理暂行办法》促进AI健康发展与规范应用 [66]