核心观点 - 在MWC Barcelona 2026上，公司推出了其最新的SuperPoD产品组合，旨在通过开放源代码与开放协作，为全球构建坚实的计算基础并创造新的可能性[1] 产品发布与技术创新 - 公司发布了最新的SuperPoD产品，包括Atlas 950 SuperPoD、Atlas 850E以及业界首个通用计算SuperPoD——TaiShan 950 SuperPoD[1] - 这些产品基于创新的UnifiedBus互联技术，旨在应对AI模型参数达万亿级别所带来的更大计算需求和更低延迟挑战[1] - Atlas 950 SuperPoD通过UnifiedBus可连接高达8192个NPU，提供超高带宽、超低延迟和统一内存寻址，使其在训练、推理和信息处理中如同一个逻辑计算机[1] - 公司同时展出了新一代服务器，如TaiShan 500和TaiShan 200，为从高到低强度的计算工作负载提供灵活的计算选项[1] 行业趋势与市场需求 - 随着AI技术的快速发展和目前使用万亿参数模型的趋势，智能体AI正渗透到许多行业的基础生产流程中，这加大了对更大计算能力和更低延迟的需求[1] - 传统水平扩展方式难以应对这些大规模模型，更大的集群往往利用率较低且训练易被打断[1] - 公司创新的“集群+SuperPoD”系统架构正是为适应不断增长的计算需求和AI进步而设计[1] 生态系统与开放战略 - 公司持续推动开源和开放系统，旨在加速开发者创新和促进生态系统繁荣[1] - 公司在openEuler社区的发展中扮演关键角色，该社区已迅速成为全球领先的开源操作系统社区之一[1] - 公司完全开放了其异构计算架构CANN，其所有软件组件，从算子库、加速库、图计算到编程语言，均对开发者开放[1] - CANN同时支持如Triton、TileLang、PyTorch、vLLM和verl等开源社区和项目，显著提升了开发者的可访问性和效率[1] 公司战略与愿景 - 随着智能技术变革产业，公司致力于构建坚实的计算基础和共生生态系统，旨在为AI时代创造新的可能性[1]

公司开源战略与演进路径 - 公司自2010年开始有组织地使用开源软件，2012年逐步参与OpenStack等开源项目，并于2019年和2020年开源了openEuler、openGauss等项目 [1] - 公司是300多个开源社区的核心贡献者，有六千多名员工参与开源项目开发 [1] - 公司是全球开源领域的顶级玩家，是Linux基金会、Apache软件基金会等众多著名国际开源基金会的顶级成员或创始成员 [3] 基础软件开源理念与价值 - 公司认为基础软件复杂度、维护成本高，更适合开放出去，共建、共享、共用 [3] - 在智算产业，底层框架、基础软件由业界开源共建，应用层则呈现百花齐放格局，以此创造价值 [3] - 公司的生态策略是硬件开放、软件开源、使能伙伴、发展人才，合力推动计算产业创新 [7] 智算框架开源：CANN - 公司于2019年发布异构计算架构CANN，在昇腾智算生态中扮演类似英伟达CUDA的角色 [4] - CANN在2025年宣布正式开源开放，允许客户自主调优底层算子与硬件资源调度，提高AI演进效率 [4] - CANN社区已建立并正常运行，正与全国高校合作培养人才，未来将持续更新并开发新的推理套件、框架和工具 [4] 通用计算生态构建：鲲鹏 - 公司2019年推出基于ARM架构的鲲鹏处理器，初期面临软件生态挑战 [5] - 截至2025年上半年，鲲鹏已支持大数据、数据库等多款主要开源软件 [5] - 公司通过推出鲲鹏DevKit开发套件和BoostKit应用使能套件，以软硬协同提高性能，增强生态吸引力 [5] 操作系统开源：openEuler - 公司于2019年底宣布openEuler开源，2021年将其捐赠给开放原子开源基金会管理 [6] - 截至2025年底，openEuler社区已吸引2100多家企业、研究机构和高校加盟，拥有26000多名开源贡献者，累计装机量超过1600万套 [6] - openEuler在2025年12月底发布了第一个支持超节点的操作系统版本，支持全场景应用，其成功得益于技术优越、商业成功、生态完善及社区组织得力 [6] 数据库开源：openGauss - 公司主导创建了企业级关系型数据库开源项目openGauss，具有高可用、高性能、高安全等优点 [7] - openGauss已获得金融、电信、政务等关键行业客户的信任 [7] - 未来将持续投入改进内核，提升对多模态数据的支持能力，并增强oGRAC多写功能以支持分布式超节点架构 [7]

行业背景与需求 - 当前算力需求远未被满足，大模型进入生产系统及消费端导致token消耗量呈指数级增长，未来中国每日token消耗量可能突破千万亿 [3] - 简单堆砌服务器和芯片无法有效解决算力缺口，根据Meta论文，万卡集群训练时算力利用率仅约38%，存在高达62%的算力浪费，且模型训练每3小时中断一次 [3] - 集群网络通信已成为大模型训练和推理的主要挑战，计算单元间通信不畅会导致NPU闲置，造成效率低下，出现1+1<2的结果 [3] 超节点的定义与核心特点 - 超节点是对传统计算架构的重构，从以CPU为中心转变为全平等互联架构，CPU、NPU和内存单元无需经过CPU即可直接互联，提升了通信效率 [4] - 真正的超节点需具备三大关键特点：足够大的带宽以确保计算不等待通信、足够低的时延、形成逻辑上的单一系统，其核心在于内存的统一编址 [6] - 统一内存编址技术是实现超节点的关键，它使内存能够池化，从而实现计算单元间的数据快速交换，提升计算效率 [6] 超节点的性能优势 - 超节点相比传统集群的最大优势是显著提升计算效率，可将模型算力利用率从30%提升至45%，相当于性能提升50% [7] - 在摩尔定律放缓、芯片制程从7纳米到3纳米每代性能提升不超过20%的背景下，超节点通过高效资源调度，能在一定程度上弥补芯片工艺的代差 [7] 华为超节点的技术实现与创新 - 华为昇腾384超节点由12个计算柜和4个总线柜构成，其核心创新在于采用光通信技术实现超高速互联，突破了电信号传输距离（通常2-5米）的限制，从而能够规模商用384颗芯片互联，并未来支持8192颗芯片互联 [8] - 光模块技术面临成本高、对环境敏感（如灰尘、温度变化易导致闪断）等挑战，实现如电一般可靠、如光一般长距离传输难度很大 [8] - 华为凭借系统化创新实现了全光互联超节点，其能力源于自研芯片、光器件、底层协议以及在光通信领域超过20年的全球领先技术积累 [9] - 华为构建了新型互联协议“灵衢UB”（UnifiedBus），并将灵衢2.0规范开放，其基础协议长达600页，是业界最详细完整的协议，旨在与产业界共创繁荣生态 [11][12] 华为超节点的产品布局 - 华为不仅在发展智算超节点（如昇腾384），也在发展通算超节点，例如基于鲲鹏950处理器的TaiShan 950超节点，这是全球首个通用计算超节点，计划于2026年一季度上市 [9] - TaiShan 950超节点结合分布式GaussDB数据库，旨在取代各种应用场景的大型机、小型机以及Oracle的Exadata数据库服务器 [9] - 无论是智算还是通算超节点，其核心目标都是让大量服务器像一台计算机一样工作，提供超大带宽、超低时延和统一内存编址能力 [11] 软件生态与产业共建 - 支撑超节点运行的不仅有硬件，还包括大量软件生态，如异构计算架构CANN、操作系统openEuler、数据库openGauss、AI框架MindSpore等 [14] - 华为坚持软件开源开放，截至2025年8月，鲲鹏注册开发者达380万，昇腾开发者近400万，并将CANN从底层运行时到开发语言、算子库等完整开源 [14] - openEuler是业界首个面向超节点的开源操作系统，华为通过开放核心技术与产业协同共创，以应对AI时代快速迭代的挑战 [14]

文章核心观点 - 超节点是AI算力基础设施的重要革新，其核心价值在于通过重构计算架构（如全平等互联、统一内存编址）来显著提升算力利用率，而非简单的硬件堆砌 [1][4][7] - 华为凭借在光通信等领域的系统化创新能力，实现了大规模芯片（如384颗昇腾芯片）的高效互联，并计划将技术开放以构建产业生态 [8][9][11][12] - 算力需求（如中国每日token消耗量可能突破千万亿）正指数级增长，但传统集群存在严重效率问题（如万卡集群算力利用率仅约38%），这凸显了超节点技术的必要性 [3][7] 行业背景与需求 - AI算力需求远未被满足，大模型在生产系统和消费端的token消耗量正指数级增长，未来中国每日token消耗量可能突破千万亿 [3] - 传统通过大量建设服务器集群“堆卡”的方式存在巨大效率瓶颈，例如Meta论文指出万卡集群训练时算力利用率仅约38%，会造成62%的算力浪费，且模型训练每3小时中断一次 [3] - 集群网络通信已成为大模型训练和推理的最大挑战，以混合专家模型（MoE）为例，计算单元间通信不畅会导致NPU闲置，造成1+1<2的效率损失 [3] 超节点的技术定义与优势 - 超节点是对传统以CPU为中心的计算架构的重构，变为全平等互联架构，CPU、NPU、内存单元无需经过CPU即可直接互联，提高了通信效率 [4] - 真正的超节点须具备三个关键特点：足够大的带宽（让计算不等待通信）、足够低的时延、形成逻辑上的单一系统（关键在于内存统一编址） [6] - 统一内存编址技术是实现超节点的核心，它使内存能够池化，实现计算单元间的数据快速交换，类似于图书馆的书籍编址检索，与传统集群“寄快递”式的信息传递方式有本质区别 [6] - 超节点能显著提升计算效率，可将模型算力利用率从30%提升到45%，相当于提升50%，这在一定程度上可以弥补芯片工艺代差（如7纳米到3纳米每代性能提升不超过20%）带来的挑战 [7] 华为超节点的技术实现与创新 - 华为昇腾384超节点由12个计算柜和4个总线柜构成，其大规模互联（384颗芯片）的核心在于采用了光通信技术，而非业界常见的全铜线电信号架构 [8] - 电信号传输距离受限（通常只能在一个机柜内传送2到5米），而光通信技术使华为能够跳出单个机柜限制，实现384颗芯片互联，并计划未来支持8192颗芯片互联 [8] - 光模块技术挑战大，存在成本高、对环境敏感（灰尘、温度变化易导致闪断）等问题，华为凭借在光通信领域过去20年全球第一的技术积累和系统化创新能力（自研芯片、光器件、底层协议），实现了可靠的全光互联超节点 [8][9] - 华为构建了新型互联协议“灵衢UB（UnifiedBus）”，并将其灵衢2.0规范（基础协议达600页）完全开放，旨在让产业界伙伴能借此技术打造自己的超节点，共创繁荣生态 [11][12] 产品布局与生态建设 - 华为不仅在发展智算超节点（如昇腾系列），也在发展通算超节点，例如基于鲲鹏950处理器的TaiShan 950超节点，这是全球首个通用计算超节点，计划在2026年一季度上市 [9] - TaiShan 950超节点结合分布式GaussDB数据库，旨在取代各种应用场景的大型机、小型机以及Oracle的Exadata数据库服务器 [9] - 华为坚持软件开源开放以共建生态，其鲲鹏有380万注册开发者，昇腾有近400万开发者，并于2025年8月将异构计算架构CANN完全开源，openEuler是业界首个面向超节点的开源操作系统 [14] - 开放软件栈（包括CANN、openEuler、openGauss、MindSpore）旨在让开发者能基于此进行业务创新，华为认为AI时代需协同共创、开放共生 [14]

公司开源战略演进与定位 - 公司在开源领域的角色经历了从“使用开源”、“参与开源”到“主导开源”的演进，自2019年起进入主导开源阶段[1][3] - 公司开源的核心逻辑是为业界提供增值，要么填补空白，要么在细分场景创造独特价值，绝不做“metoo”产品[3] - 公司将开源开放定位为其计算生态的根基，并坚守“硬件开放、软件开源、使能伙伴、发展人才”的十六字核心战略[2] 开源生态建设与成果 - 公司通过开源构建了覆盖昇腾、鲲鹏、欧拉等核心平台的全链条开源体系[1] - 鲲鹏生态注册开发者达380万，昇腾生态开发者近400万，与9800家ISV伙伴联合打造了超过2万个行业解决方案[2] - 公司在全球300多个开源社区拥有核心贡献者，超过6600名员工全职投入开源开发[3] 通用计算领域的开源布局 - 在通用计算领域，公司通过开源openEuler操作系统和openGauss数据库，填补了国内基础软件的部分空白[3] - 开源旨在让伙伴和开发者共同参与基础软件优化，通过通信能力连接多核，形成新的算力提升路径[3] - 基于开源平台，中小企业开发基础软件的成本能降低80%以上[3] 智能计算领域的开源驱动 - 智能计算领域面临算力需求爆发式增长，传统集群模式算力利用率仅38%，且每3小时中断一次[4][5] - 为解决行业痛点，公司开源了CANN异构计算框架，让开发者能根据自身场景优化算子，提升算力效率[5] - CANN开源策略的核心原因是人工智能时代技术创新呈“自上而下”特征，单一企业优化速度跟不上行业迭代[5] 核心技术与协议开源 - 公司将自主研发的支撑超节点运转的灵衢互联协议完全开源，基础协议有600多页[6] - 自2025HC大会发布以来，灵衢协议已累计下载24000份，并成立了灵衢社区以社区化方式共同优化协议[6] - 开源核心协议旨在构建面向超节点的完整产业链，希望更多伙伴基于此打造产品，形成良性竞争[6] 超节点技术的定义与优势 - 超节点是基于分布式设备和操作系统，通过平等互联形成逻辑上整体设备的架构，而非传统以CPU为核心的大型机[6] - 超节点的三大核心特征是大带宽、低时延和统一内存编址，三者缺一不可[6] - 公司将超节点技术与开源开放紧密绑定，视二者为推动算力产业发展的“双引擎”[6]

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]