經濟觀察報記者 鄭晨燁

7月28日，2025年世界人工智能大會（WAIC）在上海落幕，超過7萬平方米的展區、800余家企業，以及一度被炒至3000元的單日票價，都彰顯著這場盛會前所未有的熱度。

與往年相比，本屆WAIC大會呈現出兩條愈發清晰的產業路徑：一方面，以華為、中科曙光、神州數碼為代表的硬件廠商，正將算力基礎設施的競賽推向新的性能高峰；另一方面，以百望股份、階躍星辰為代表的模型與應用廠商，則集體將目光從技術參數轉向了商業場景的深度落地。

這種“一體兩面”的態勢在大會現場隨處可見。比如，記者在華為展臺了解到，該公司首次在線下展出的昇騰384超節點（Atlas 900 A3 SuperPoD），單集群算力高達300PFLOPS（每秒30京次浮點運算）。這種在冰冷的機柜里奔騰的澎湃算力，構成了本屆大會最“火熱”的一面，但在展館的另一端，下游從業者的冷靜思考，也為這股熱潮提供了另一個維度的注腳。

“大模型的價值不在于技術工具，而在場景落地的深度。”7月27日，百望股份CEO付英波在接受經濟觀察報記者采訪時如此強調。他的觀點代表了業界的另一種聲音，在算力競賽之外，如何將AI轉化為真實商業價值同樣至關重要。

算力“新基建”繼續升維

“面向AI領域，我們已累計投放80億元，用于支持數據中心、算力租賃等基礎設施。”7月27日，在一場以“產業金融聯手AI新勢力”為主題的分論壇上，芯鑫租賃總裁夏源表示。

據夏源介紹，作為國內唯一專注服務集成電路等戰略性新興產業的金融服務平臺，芯鑫租賃成立近十年來，已累計向集成電路產業投放資金2100億元，此次針對AI基建的80億元投放，正是其支持“打造自主可控的AI產業鏈”戰略的延伸。

以芯鑫租賃為代表的產業金融力量，正為這場日趨昂貴的算力競賽提供著持續的資本支撐。在大會現場，記者還看到了一個清晰的趨勢：這場算力競賽，正從對單一性能指標的追逐，演變為一場必須依次解決性能、兼容、存力乃至能效等一系列連鎖挑戰的“系統工程”。

在對極致性能的追逐方面，華為在本次大會上提供了一個最直觀的樣本。記者在現場了解到，其首次在線下展出的昇騰384超節點（Atlas 900 A3 SuperPoD），通過全對等（Peer-to-Peer）UB總線和無阻塞Clos架構，將384顆NPU與192顆鯤鵬CPU高效互聯，其單集群高達300PFLOPS的算力輸出，共同指向一個目標——構建當前最強的算力引擎。

如果說，對極致性能的追求定義了算力競賽的高度，那么對不同應用場景的深度理解，則決定了這場競賽的廣度。

“市場的需求正在演進，我們觀察到兩個明顯趨勢：一是企業出于數據安全考慮，對大模型的‘私有化部署’需求在增長；二是‘訓練’與‘推理’的場景正在分化，不同場景需要不同性價比的算力方案。”神州數碼信創業務集團副總裁、研發中心總經理周川在接受經濟觀察報記者采訪時如是表示。

基于這一判斷，神州數碼旗下的神州鯤泰在本次大會上發布了業界首款基于鯤鵬技術路線的大模型訓推一體服務器KunTai R624 K2及推理服務器KunTai R622 K2。神州數碼信創業務集團產品專家孫亞楠向記者介紹稱，KunTai R624 K2最多可支持10張主流AI加速卡，計算效能較以往產品提升2倍；而KunTai R622 K2則在2U空間內實現了業界最高的算力密度。

更值得關注的是其“開放”策略，周川對記者強調：“在適配強大的華為鯤鵬加昇騰生態的同時，我們的產品也兼容國內外主流AI加速卡。我們的初衷，就是用更高性能、更具性價比的產品，打破硬件兼容壁壘，讓每個行業都能真正用得上、用得起大模型。”

如果說，CPU和AI加速卡是算力的“大腦”，那么存儲系統就是其“供血心臟”。算力再強，如果數據“喂”不進去，一切都是空談。

“我們觀察到，當前數據中心普遍存在‘數據看不全、理不順、用不好’三大難題。”曙光存儲總裁何振向記者表示，“不同廠商的系統不兼容，數據形成孤島，這是‘看不全’；海量數據價值難以快速定位和跨域流通，這是‘理不順’；東西部數據調用延遲高，體驗差，這是‘用不好’。”

作為在AI存儲市場連續兩年份額第一的廠商，曙光存儲正試圖打通這條“數據命脈”。

在本次大會上，中國移動與曙光存儲聯合落地國內首個全局統一文件存儲系統，啟動了智能存力調度平臺。該平臺率先覆蓋長三角、成渝等四大國家級樞紐節點，旨在服務“東數西算”國家戰略。

“不能讓GPU等數據。”曙光存儲副總裁張新鳳用一個生動的比喻解釋了存算協同的重要性。她對記者表示，通過上下文存儲、GDS（GPU Direct Storage）等技術，讓數據繞過CPU直達GPU，可以顯著提升推理效率，將每秒生成的tokens（可理解為AI處理的字詞單位）數量從數百提升至2000-3000的水平。

“我們測算過，每在存力上投入一塊錢，算力成本可以節約10塊錢。”張新鳳補充說。

曙光存儲副總裁楊志雷則向記者強調了“跨域無感”的技術挑戰：“在數據跨域調度的過程中，既要保證業務不停，又要保證多節點并發訪問時的數據強一致性，這對存儲系統的元數據管理能力和網絡延遲都提出了巨大挑戰。”他表示，曙光存儲的解決方案在底層芯片到上層軟件都做了加速，并考慮了隱私計算和可信計算的要求，為未來的數據安全做好了布局。

這場算力競賽帶來的另一個直接物理挑戰，則是與性能一同飆升的功耗。在大會現場，這一挑戰也催生了新的解決方案。

記者在超云數字技術集團展臺了解到，該公司在本次大會上首次發布了其全棧液冷智算服務器R8429 L13。據相關工作人員介紹，當單機柜功率超過20kW時，液冷已成為關鍵散熱方案，而該產品正是為應對大模型時代數據中心日益嚴峻的能耗問題而設計。

從資本的注入，到性能的狂飆，再到對開放、協同、效能的回歸，一場圍繞算力“新基建”的立體化、多維度的競逐，正在中國AI產業的賽道上激烈上演。

大模型步入產業深水區

如果說算力基建是“修路”，那么模型與應用就是路上跑的“車”。

在大會現場，記者觀察到，模型廠商們正集體“走下云端”，告別單純的參數比拼和技術“炫技”，一頭扎進產業的“深水區”，尋找場景，構建生態，開啟一場將技術轉化為商業價值的探索。

商湯科技董事長兼CEO徐立在主論壇的演講上就指出，人工智能的進化，在學習了人類標注的數據（感知AI）和互聯網上的文本數據（生成式AI）之后，正面臨新的數據瓶頸。

“當書本與互聯網知識窮盡時，下一代的智能將從何處獲取？”徐立如此發問。他認為，答案在于走向物理世界，通過“具身智能”與“世界模型”，讓AI像人類一樣，在與現實世界的交互探索中獲得成長。

這一判斷，也解釋了為何眾多AI企業正在不遺余力地推動模型與產業場景的深度融合，因為只有在真實場景中，AI才能接觸到新的、高質量的、包含物理規律的數據，從而實現更高維度的進化。

“產業已進入‘回歸客戶需求，立足真實應用場景’的階段。”階躍星辰CEO姜大昕亦在大會現場如是表示。他同時強調，行業必須回答“模型性能是否完全等同于模型價值”這一產業之問。

基于此，階躍星辰發布的新一代基模Step 3，核心目標就是“降本增效”。階躍星辰相關工作人員介紹，該模型在國產芯片上的推理效率最高可達DeepSeek-R1的3倍，與此同時，階躍星辰選擇“交朋友”，聯合華為昇騰、沐曦等近10家芯片廠商發起“模芯生態創新聯盟”，試圖從底層打通軟硬協同，降低整個產業的應用成本。

而打造平臺，為開發者賦能，則是另一種“交朋友”的方式。

“我們的定位是AI基礎設施，旨在為科學家和產業開發者減負增效，通過提供易用的工具，讓AI成為‘隱形助手’。”無限光年啟智平臺工程負責人肖允鋒對記者表示，其“啟智Inspire平臺”正致力于構建一個“全鏈路算力基座”，讓開發者能“從技術瑣碎中抽離，專注科學本質和業務創新”。

當模型廠商開始“交朋友”、平臺廠商開始“遞工具”，一個更具體的追問隨之而來：AI的價值，究竟如何在千行百業的具體場景中被“壓榨”出來？對此，一批深耕垂直領域的企業，給出了自己的答案。

“我們的核心競爭力，在于十余年來積累的、總交易額達953.5萬億元的‘交易數據金礦’。”百望股份CEO付英波向記者詳細闡述了他的商業邏輯。他認為，通用開源模型提供了技術底座，但只有與百望這樣深度的行業數據相結合，才能訓練出真正懂得業務邏輯、能解決企業財稅合規等剛需問題的“業務大腦”。

付英波同時表示，百望股份正積極與阿里通義千問、零一萬物等模型廠商，以及沐曦等芯片企業合作，共同推進“開源模型+行業場景”的落地路徑。

在文娛等創意產業，AIGC（AI生成內容）也正在重塑生產流程。

“AI并非創意人士的替代品，而是‘超級助手’，其存在允許創作者跳出繁瑣流程、投身核心環節。”數字王國執行董事孫大千博士對記者表示。該公司在WAIC上發布了“AI DOMAIN”一站式影像創作平臺，集成了文生圖、圖生頻、智能擴圖等七大核心功能。

根據數字王國中國區總經理劉紅杰的介紹，數字王國還聯合香港科技大學、上海電影、沐曦等成立了“數字視覺創新聯盟”，旨在“開拓智能化、規模化的內容生產渠道”，推動短視頻、短劇等內容的量產。

當視線從產業端拉回到消費者個體，AI的落地則體現為更貼近生活的產品形態。

根據出門問問展臺工作人員的介紹，該公司新推出的TicNote AI錄音筆，通過內置的“Shadow AI”，將記錄、總結、分析、創作等復雜AI能力，封裝進一個消費者可用的軟硬結合產品中，致力于成為用戶的“隨身AI思考伙伴”。

無論是賦能企業決策的“業務大腦”，還是輔助內容創作的“超級助手”，抑或是服務個人用戶的“思考伙伴”，所有算力的競逐和模型的探索，最終都指向了同一個目標——

正如道通科技董事長李紅京在大會論壇致辭中所引述的觀點，“AI的歸宿不是‘看起來多聰明’，而是推動社會、行業與國家的真實GDP的增長。”

（作者 鄭晨燁）