在数字化浪潮席卷全球的今天，开源开放已成为激发产业创新活力、凝聚发展合力的关键路径。华为作 为信息通信业的领军企业，自2010年起逐步布局开源领域，从最初的 "使用开源""参与开源"，成长为 如今的 "主导开源"，构建起了覆盖昇腾、鲲鹏、欧拉等核心平台的全链条开源体系。 赋能产业协同共生 相对于通用计算，在智能计算领域，随着大模型规模不断扩大、输入长度持续增加、数据需求指数级增 长，算力需求呈现爆发式增长。"国家去年发布的日token消耗达300万亿，未来可能突破每日千万亿， 近日，在以"算力创新领航开源开放共创"为主题的沙龙上，华为计算产品线多位高管对《中国经营报》 记者表示，华为正通过开源开放不断推动产业生态的繁荣发展，不仅在技术层面实现了深度共享与协同 创新，更在商业模式、生态构建等方面展现出前瞻性的布局。通过开源，华为有效促进了产业链上下游 企业的紧密合作，共同探索算力创新的新路径，为数字经济的蓬勃发展注入了强劲动力。 构建全链条产业生态 "华为计算产业从2019年正式创立至今，始终坚守'硬件开放、软件开源、使能伙伴、发展人才'的十六 字方针，这不是一句口号，而是我们六年来始终践行的核心战略。"华为计 ...

文章核心观点 - 英伟达在AI算力芯片领域，特别是训练场景，凭借先进技术和强大的CUDA软件生态建立了近乎垄断的领导地位，市值高达约4.5万亿美元，2025年第三季度营收同比增长约62% [2] - 尽管存在众多挑战者，但目前均难以撼动英伟达的地位，但未来格局可能因技术路径差异和地缘政治因素而改变 [1][2] 竞争壁垒：技术与生态 - **训练是战略制高点**：在大模型发展的初期和中期，训练算力是核心瓶颈，决定了模型的“高度” [5] - **训练要求三要素**：对算力芯片的要求可拆解为单卡性能、互联能力和软件生态三部分 [6] - **单卡性能的追赶**：竞争对手如AMD的最新产品在主要性能指标上已接近英伟达同期产品，但仅凭此不足以构成威胁 [7] - **互联能力是关键差距**：英伟达通过NVLink、NVSwitch实现万卡级高效稳定互联；其他厂商实际落地集群规模多停留在千卡级，且缺乏大规模商用实践，导致在利用效率、训练时间和成本上存在显著差距 [7] - **软件生态构成核心护城河**：英伟达的优势更在于对算力生态的统治地位，其CUDA平台拥有超过400万开发者，积累了20年的成熟工具、软件库和社区支持 [8][9] - **生态的网络效应**：CUDA生态与主流深度学习框架（如PyTorch、TensorFlow）深度协同，形成强大的网络效应，使得用户转换成本极高 [10] - **学术与教育基础**：全球高校和AI实验室的教学实验设备几乎全是英伟达GPU，培养了熟练掌握CUDA的工程师人才池 [9] 相对弱势领域：推理市场 - **推理场景要求降低**：模型部署进行推理时，对算力卡数量和互联能力的要求远低于训练，有时甚至单卡即可完成 [12] - **生态依赖度降低**：训练完成的模型对英伟达开发生态依赖度降低，且存在成熟的跨平台迁移方法（如ONNX格式）可将模型部署到其他算力平台 [12][13] - **仍占据市场主导**：尽管统治力不如训练领域，英伟达在推理市场仍占据超过70%的市场份额，因其在性能、价格、稳定性、开发成本等方面的综合性价比仍有竞争力 [13] - **迁移成本高昂**：据访谈，将模型从英伟达平台迁移至其他品牌集群，可能导致开发周期延长6个月，成本增加40% [13] 谁能挑战英伟达 - **竞争者的两难选择**：挑战者必须面对技术和生态的双重壁垒，要么在技术上实现巨大超越，要么通过非经济手段（如保护性市场）避开生态正面竞争 [15] - **美国：技术路径挑战**：挑战主要来自定制化ASIC芯片（如谷歌TPU），通过牺牲灵活性换取AI计算效率，谷歌Gemini3大模型已完全基于TPU训练 [15] - **ASIC与GPU的权衡**：ASIC芯片在特定AI计算任务上效率、功耗更有优势，但面临模型算法范式变动带来的“过时”风险；短期内技术跨越不大，且生态劣势是全方位的，因此对英伟达影响有限 [16] - **中国：地缘政治催生的市场**：美国禁令使中国市场被动成为“被保护”的市场，英伟达的生态优势无法充分发挥 [17] - **中国市场的阵痛与机遇**：禁令导致中国AI产业短期内面临算力效率下降的阵痛，但为国产算力芯片企业（如华为、寒武纪、燧原）提供了重大发展机遇，迫使用户转向国产生态（如华为CANN） [18] - **生态迁移的长期影响**：尽管开发者转向国产生态面临学习成本和技术问题，但随着投入增加，生态将逐渐成熟；未来即使禁令解除，用户也可能因迁移成本已被“消化”而留在新生态 [18] - **政策的最新变化**：2025年12月8日，美国政府批准英伟达向中国出售较先进的H200芯片（附带条件），H200算力约为特供版H20的6倍，显存容量约为1.5倍，训练表现领先数倍到十倍以上，旨在维持技术代差和英伟达生态影响力 [19] - **中国的战略应对**：理性的策略不是完全禁止或无条件放开，而是允许必要的采购（如国产芯片无法满足的核心项目），同时设计机制在局部保护市场，扶持国内AI芯片企业发展自己的生态 [19] 战略考量：生态竞争与开源 - **超越国产替代思维**：仅关注国产替代可能导致全球技术封闭和脱钩 [21] - **生态竞争的本质**：与英伟达的竞争是生态与生态之间的竞争 [21] - **开源是最优解**：开源战略可以构建全球性网络，汇聚全球开发者智慧，放大创新效率，打破脱钩陷阱；华为已宣布将其CANN和Mind工具链全面开源开放 [21]

文章核心观点 - 华为昇腾将其底层AI基础软件CANN全面开源开放，旨在通过降低AI算力开发门槛、提供灵活的开发工具和构建开放生态，挑战现有计算架构格局，并推动一个独立于CUDA的AI算力生态快速成长 [2][31] CANN开源的核心价值与目标 - CANN作为连接上层AI框架与底层AI芯片的桥梁，其开源使开发者无需关心芯片细节即可调用底层算力，获得了定义算力的权力 [2] - 开源旨在构建“算力多元世界”，不仅仅是替代，更是邀请开发者共同构建新生态 [31] - 一个不同于CUDA路径的AI算力生态正在基于CANN快速成长 [31] 降低开发门槛：实现“AI算子开发自由” - CANN支持与PyTorch、TensorFlow、MindSpore、PaddlePaddle等主流AI框架无缝对接，并开放GE图开发接口，允许自定义图结构 [5] - 大模型支持覆盖广泛，包括Llama、Mistral、Phi等海外模型及Qwen、DeepSeek、GLM等国产模型，总计超过50种，并参与了超过10个大模型开源社区的生态构建 [6] - 为不同背景开发者提供三条算子开发路径 [7] - **路径一（Triton生态）**：实现与Triton深度对接，支持Python语法编写算子，原有Triton代码可低成本迁移至昇腾NPU [9] - **路径二（Ascend C）**：提供采用C/C++语法风格的原生编程语言，开放底层资源管理接口，允许原子级控制以追求极致性能 [10] - **路径三（模板库）**：提供基于Ascend C的CATLASS算子模板库，通过参数配置快速生成矩阵乘等算子，无需重写复杂逻辑 [11][13] - 针对MoE模型推出MLAPO融合算子，将多算子计算融合为单个高效算子，在DeepSeekV3模型量化场景下，能将计算耗时从109us缩减至45us，带来整网性能提升20% [13][15] - 已在AtomGit开放多个核心仓库，并发布官方容器镜像，提供开箱即用的开发环境 [16] - 已预置超过1400个基础算子、100多个融合算子及15个通信算法，提供“开箱即用”能力 [16] 架构创新：分层解耦带来的灵活性 - CANN的核心创新在于宏观架构上的“分层解耦”，将软件栈拆解为多个功能正交、独立演进的组件 [19][22] - 分层解耦贯穿全栈，从底层驱动到上层编译器、加速库，实现物理松耦合，允许按需引入或升级特定组件，降低系统集成和定制门槛 [22][23] - 具体变化体现在： - **加速库组件化**：算子库被精细拆分为ops-math、ops-nn、ops-cv、ops-transformer等独立组件，改变了过去“全量算子一个包”的发布方式 [24] - **通信库与图引擎独立**：HCCL通信库开放通信算子和框架层，支持自定义通信算法；GE图引擎开放图编译和执行接口，支持自定义图融合策略 [26] - **运行时极简化**：Runtime层剥离冗余模块，实现核心功能最小化，并开放aclGraph接口支持图模式下沉，减少Host与Device间交互开销 [27][28] - 架构解耦后，CANN共有20余个安装包，支持各功能独立演进和编译升级，使开发者能在模型、算子、内核、底层资源等多层级分别进行优化 [29] 开源进展与社区现状 - CANN的全面开源开放正在加速推进，其在AtomGit的代码库非常活跃，几乎每天都有新动态 [33] - 截至目前，CANN项目下已有27个子项目，总star数超过3700，总下载量突破35万 [35] - 开源版图持续扩大，例如核心组件GE（图引擎）以及新型编程范式PyPTO框架等正在建设中 [35] - 开源组件覆盖算子库、通信库、图引擎、编程语言和运行时等多个关键领域 [36]

项目核心信息 - 昇腾384超节点算力集群在深圳福田河套建成并正式投用，由华为与深圳市龙岗区城投集团共建 [1] - 项目标志着国产算力巨舰已具备实际运行能力 [2] 技术架构与性能 - 采用昇腾AI基础软硬件构建，通过业界最大规模384卡高速总线互联，将大带宽总线互联范围从单台服务器扩展至整机柜乃至跨机柜 [1] - 集群内任意处理器能像访问本地内存一样直接链接数据中心内任意资源，使整个集群如同一台超级计算机般高效协同 [1] - 整合384颗高性能NPU与192颗鲲鹏最新一代高性能CPU，实现集群训练性能3倍提升，推理性能达到业界4倍的飞跃 [1] - 在混合专家模型训练、分布式推理、大规模并行计算等关键场景中展现出显著性能优势 [1] 战略定位与产业影响 - 是深圳市龙岗区“在地+云端”算力资源池战略部署的关键举措 [2] - 将推动算力服务从“头部企业专属”向“全产业可用”发展，为政务、金融、能源、制造等广泛领域提供支撑 [2] - 以“CANN全量开源+开源鸿蒙生态”为双翼，打造自主的“算力-操作系统-应用”技术闭环 [2] 生态协同与发展愿景 - CANN作为AI计算底层引擎确保昇腾芯片算力充分释放，开源鸿蒙作为跨终端协同的操作系统基座打通算力流动 [3] - 两者协同在技术层面实现软硬一体，在生态层面推动芯片、硬件、框架、应用等全产业链深度协作 [3] - 闭环体系旨在吸引全球AI算法与鸿蒙应用开发者汇聚，加速深圳打造“人工智能先锋城市”并推动大湾区构建AI产业生态 [3]

论坛核心主题 - 第六届华为创新与知识产权论坛以“开放驱动创新”为主题，探讨通过知识产权制度推动协作创新 [1] - 论坛核心议题为“创新—保护—共赢”，汇聚了世界知识产权组织、国际贸易许可者协会等全球机构嘉宾 [1] - 开放创新被强调为系统性的可行方法论，旨在通过共享平台与专利透明机制让创新更高效和普惠 [9][10] 华为知识产权成果与投入 - 截至2024年底，华为在全球累计获得超过15万件有效授权专利 [4] - 华为研发投入占年度收入的20%以上，过去十年累计投入超过1.2万亿元 [4] - 2024年华为公开的专利合作条约国际专利申请量达6600件，自2014年以来持续位居PCT体系全球用户榜首 [6] - 2024年华为的研发投入超过1700亿元，占全年收入的20.8% [7] 华为具体创新与开放举措 - 公布2024年度“十大发明”，包括Scale Up超大规模超节点算力平台、鸿蒙全栈架构创新技术等 [4] - 通过OpenHarmony、openEuler等开源项目形成庞大生态网络，截至2025年OpenHarmony已被超过5000家企业采用，覆盖数亿台设备 [7] - 升级“查思专利”平台，新增AI语义检索、自动摘要等功能，向业界开放以加速知识流通 [6] - 积极参与全球ICT标准制定，累计提交数以万计的标准提案，并与Sisvel、Avanci等国际许可平台合作提供FRAND专利使用途径 [8] 开放创新的商业价值与行业影响 - 2024年华为专利许可收入超过6.3亿美元，涵盖智能手机、汽车、物联网等领域 [8] - 知识产权被视为产业协作的桥头堡，其价值正从拥有转向共享，从竞争走向共生 [1][10] - 开放生态的竞争力被证实远超单一企业能力，在智能终端、汽车电子及5G/6G标准等领域促进跨界融合 [9] - 香港大学协理副校长邓希炜肯定华为遵循国际知识产权惯例，促进了知识产权的价值流动和良性商业生态构建 [12]

文章核心观点 - 中美AI竞争的焦点正从算力转向电力，电力供应和成本成为关键竞争要素 [5] - 中国通过“东数西算”工程和电费补贴政策，构建能源优势，以弥补国产芯片在性能和生态上的劣势 [7][31] - 这一战略旨在通过降低AI算力总成本，为国产芯片生态争取发展时间，并可能重塑AI产业的竞争格局 [32][44] 美国AI产业的电力瓶颈 - 美国科技巨头面临严重的电力短缺，微软CEO指出电力已成为比芯片更紧迫的瓶颈 [10] - AI耗电量巨大，ChatGPT每日响应约2亿个请求的耗电量可支持1.7万个美国家庭用电 [11] - 美国电网系统老旧，预计到2030年某些区域电力缺口高达20%，数据中心项目审批因电力问题受阻 [11][12] - 为应对电力危机，企业采取极端措施，如微软重启三哩岛核电站，亚马逊花费6.5亿美元购买数据中心园区以直接接入电厂 [13] 中国的能源优势与战略 - “东数西算”工程将东部数据处理需求转移至西部，利用西部廉价、充裕的清洁电力 [16][17] - 针对使用国产芯片的数据中心提供最高50%的电费补贴，直接降低运营成本 [5][30] - 国产芯片在产生同等算力时，电费成本比英伟达芯片高出30%到50% [22] - 电费补贴旨在覆盖因切换至国产芯片所带来的更高电费及生态迁移成本（约6-18个月） [24][32] 中国AI竞争的战略闭环 - “东数西算”是弹药，提供低廉且充足的电力供给 [35][36] - 电费补贴是扳机，通过经济激励引导企业采用国产芯片 [37][38] - 国产芯片及CANN等生态建设是目标，旨在打破英伟达CUDA的生态霸权 [39][40] - 该闭环战略通过能源和成本优势，将AI竞争从技术性能比拼转向资源消耗能力比拼 [41][44] - 战略核心是利用能源优势换取技术发展时间，最终实现技术和生态的突破 [46]

文章核心观点 - AI行业竞争已从单纯算力比拼转向围绕软件、开发者与生态的“护城河”之战 [1] - 华为昇腾异构计算架构CANN的全面开源是国产AI基础设施在生态战略上的一次深刻自我革命，旨在打破封闭模式，构建开放社区 [4] - CANN开源的核心价值在于“破壁与赋能”，即打破技术黑箱实现透明度革命，并将创新主动权交还给开发者，这是其从“可用”迈向“首选”的必由之路 [21][23] - 构建成功的计算生态关键在于为最广泛的开发者群体提供稳定、通用、高效的底层工具，即找到“最大公约数”，并激发社区的“原生创新” [18][44] CANN的演进历程与挑战 - CANN早期开发阶段被形容为“刀耕火种”，技术门槛极高，2018年的1.0版本甚至要求开发者在接近汇编层面编程，生产效率极低 [11] - 平台架构经历剧烈迭代，曾有团队花费一年编写的应用案例因底层软件推倒重来而需全部重做，凸显早期生态建设的不稳定性 [13] - 经过数年迭代，工具链完备性显著提升，例如Ascend C编程语言已与CUDA C基本对标，性能分析工具Profiling能将NPU利用率从50%逼近90%的理论峰值 [15] - 尽管工具进步，开发者仍面临系统性瓶颈，如模型精度难以复现（收敛结果可能相差十几个百分点）、缺乏高级调试功能、软件包过于庞大耦合导致迭代缓慢 [17] 开源带来的变革与机遇 - 全面开源意味着编译器、运行时等核心组件代码完全可见，开发者可洞察硬件运行逻辑，进行更深层次性能优化，解决如IR生成不匹配等顽疾 [24] - 开源深度和广度超越行业领导者，英伟达CUDA核心组件并未完全开放，而CANN全面开源能提供更大的探索和创新空间 [25] - 开源为产学研融合提供机遇，高校研究者可直面产业真实痛点，将解决实际问题转化为科研成果，形成良性循环 [26] - 开源是培养下一代开发者的最佳土壤，使青年开发者能从使用者转化为贡献者，在真实世界级项目中锻炼成长 [28] - 开源将加速高效易用工具的诞生，如算子模板库CATLASS将开发门槛从硬件专家级降至模板调参级，效率提升5到10倍 [30] CANN的生态战略与布局 - 生态战略核心是“分层解耦”，将过去庞大的软件包拆分为20多个细颗粒度组件包，允许开发者按需更新，提升灵活性与敏捷性 [37][40] - 采取差异化开放策略：对运行时、编译器、Ascend C等需要创新自由度的组件进行全量代码开源；对需保持稳定性的虚拟指令集则开放接口 [39][40] - 通过成立CANN技术指导委员会（现有26位成员）吸纳外部专家共同决策，标志其从企业主导走向社区共治 [39] - 公司实施系统性人才培养举措，与国内16所顶尖高校合作，提供算力资助，并举办训练营、创新算子挑战赛（年度总决赛奖金池超100万元）等活动 [42] - 公司承诺每年投入1500P算力和3万片开发板，与全球开发者共创共享昇腾开源生态 [45] 未来展望 - CANN当前阶段重要任务是对标CUDA，补齐功能短板，但最终目标并非成为替代品，而是孕育自身的“原生创新”能力 [44] - 国产AI生态真正繁荣的标志是下一个类似FlashAttention的革命性创新诞生于CANN生态，使其从追赶者变为引领者 [29][44] - 生态建设的评判标准正从“能做出什么”转向“开发者愿意用此创造什么”，其未来取决于能否构建开发者友好的社区，完善文档、教程和示例仓库，形成雪球效应 [47] - 全量算子将于9月底开源至GitCode社区，领域加速库、图引擎等软件代码将于12月底陆续上仓，完成开源开放 [48]

芯片产品规划 - 昇腾950系列芯片支持FP8/MXFP8/MXFP4等低数值精度格式，算力达1P-2P FLOPS，自研HiF8格式精度接近FP16，包含面向Prefill场景的950PR和面向Decode场景的950DT两款合封芯片，均计划2026年上市 [3] - 昇腾960芯片性能较950翻倍，支持自研HiF4格式，推理精度优于业界FP4方案，计划2027年四季度推出 [7] - 昇腾970芯片FP4/FP8算力及互联带宽较960全面翻倍，内存访问带宽提升1.5倍，计划2028年四季度推出 [7] - 鲲鹏950处理器包含96核/192线程和192核/384线程两个版本，为首款支持机密计算的数据中心处理器，计划2025年一季度推出 [13] - 鲲鹏960处理器包含96核/192线程高性能版和不少于256核/512线程高密版，计划2028年一季度推出 [13] 超节点系统 - Atlas 950超节点基于8192颗昇腾950DT芯片构建，包含160个机柜（128计算柜+32互联柜），占地1000平方米，FP8算力达8E FLOPS，FP4算力达16E FLOPS，互联带宽16PB/s（超全球互联网峰值带宽10倍），计划2026年四季度上市 [11] - 对比英伟达NVL144系统，Atlas 950芯片规模为其56.8倍，总算力为其6.7倍，内存容量1152TB为其15倍，互联带宽16.3PB/s为其62倍 [11] - Atlas 960超节点基于15488颗昇腾960芯片构建，包含220个机柜（176计算柜+44互联柜），占地2200平方米，FP8算力30E FLOPS，FP4算力60E FLOPS，内存容量4460TB，互联带宽34PB/s，计划2027年四季度推出 [13] - TaiShan 950超节点为全球首款通用计算超节点，基于鲲鹏950处理器，最大支持32处理器/48TB内存，支持内存/SSD/DPU池化，计划2025年一季度上市 [13] 算力集群架构 - Atlas 950 SuperCluster集群由64个Atlas 950超节点互联组成，集成52万片昇腾950DT芯片，FP8总算力524E FLOPS，规模为xAI Colossus集群2.5倍，算力为其1.3倍 [18] - Atlas 960 SuperCluster集群计划2027年四季度推出，规模达百万卡级，FP8总算力2Z FLOPS，FP4总算力4Z FLOPS [19] - 自研"灵衢（UB）"互联协议支持万卡级超节点架构，具备总线级互联/平等协同/全量池化等六大特性，并开放灵衢2.0技术规范构建生态 [17] 软件生态战略 - CANN编译器与虚拟指令集接口开放，其余软件全开源，基于昇腾910B/C的开源计划2025年12月31日前完成 [22] - Mind系列应用使能套件及工具链全面开源，计划2025年12月31日前完成 [22] - openPangu基础大模型全面开源 [22] 技术突破方向 - 自研两种低成本HBM内存技术，分别适配Prefill推荐场景和Decode训练场景 [3] - 通过光通信/网络/供电技术集成384颗昇腾芯片构建超节点，计算与通信高速并行，已部署超300套 [10] - TaiShan 950超节点结合GaussDB多写架构可实现大型机/小型机替代，性能提升2.9倍 [15] - 推出TaiShan 950与Atlas 950混合超节点，支持PB级推荐系统嵌入表和超低时延推理 [15]

昇腾超节点算力方案 - 大模型训练性能达传统节点3倍 支撑千亿级大模型训练 [1] - 突破传统集群通信瓶颈 提升算力基础设施效率 [1] CANN开源生态成果 - AI框架深度适配 算子自动生成技术大幅提升开发效率 [1] - 全量开源推动生态合作 计划两年培育200万开发者 [1] AI CITY标杆城区建设 - 以昇腾算力为底座打通政务与公共服务数据 覆盖城市管理、民生服务与产业赋能 [1] - 主干道通行效率提升18% 社区医院AI辅助诊断准确率超92% [1] 数字生活空间建设 - 提供T级存储、网络、公共资源与智能算力支持 构建"云-网-边-端"一体化服务底座 [1] - 以四大数字权利为核心 实现从城市治理向市民服务转型 [1] 应用场景拓展 - 发布第二批"城市+AI"应用场景清单 涵盖21个领域共424个场景 [1] - 龙岗区城投与华为共建"在地+云端"算力资源池 [1]

昇腾超节点与算力基础设施升级 - 华为发布昇腾超节点解决方案 采用384卡高速总线互联技术 相比传统以太网络架构通信带宽提升15倍 时延降低10倍 训练性能达到传统节点的3倍 [7] - 超节点是超级算力集群概念 专门应对算力消耗大、复杂度高的AI大模型计算任务 解决政务云大规模AI应用的算力瓶颈问题 [7] - 龙岗区将与华为携手推动昇腾384超节点在政务云上部署 构建强大的AI算力核心 率先实现政务云智能化与市民化 [7] 政务AI应用体系与效能提升 - 龙岗已形成政务AI"1+1+4+N"应用体系 包括一个政务智能体百千万共创平台、一个全国产大模型基座、4个核心领域及N个应用场景 [6] - 4个核心领域涵盖市民和企业服务、民意速办、政务办公、城市治理 通过AI原生赋能实现事件秒级直达处置人员 [6] - 居民诉求响应速度从过去一两天缩短至秒级触达 "一网统管"平台通过AI赋能事件处置全流程 [6] 数字生活空间4T for Home项目 - 项目依托4T底座构建八大场景 包括政务办事、数字家园、龙岗家医、虚拟社区、本地生活、信息资讯、学习成长、数据账户 [3] - 4T指T级存储空间、T级网络流量、T级公共资源、亿级人工智能大模型Tokens 实现物理世界权利向数字世界映射 [8][9] - 未来居民可通过"我的龙岗APP"搭建数字生活空间 基于个人数据训练专属私人AI助手 [10] 城市+AI应用场景拓展 - 龙岗首批40个城市+AI应用场景已基本落地 涵盖环卫机器人、医疗大模型导诊系统、智能巡逻机器人等领域 [11] - 新发布第二批应用场景清单 覆盖21个重点领域424个具体场景 其中建筑领域126个场景 医疗领域59个场景 [11] - 计划三年内拿出百亿政府订单支持新技术试点应用 未来两年培育200万名昇腾开发者 [12] 智慧城市战略演进 - 龙岗智慧政务布局超十年 从智慧龙岗1.0政务云底座到2.0"鲲鹏+昇腾"国产底座 现已全面实施All in AI战略 [6] - 年初在政务领域部署满血版DeepSeek 全面赋能政务服务与城市治理 [6] - 通过CANN异构计算架构提升昇腾AI处理器计算效率 构建对上支持多种AI框架、对下服务AI处理器的核心平台 [12]