一個產業的技術生態，通常有兩種發展路徑。

一種是垂直整合、由單一強者主導；另一種是開放標準、由多元玩家共建，過去十幾年，智能手機生態的演進，就已將這兩種路徑的差異和結果，清晰地呈現在世人面前。

2025年，當人工智能成為驅動所有行業變革的核心變量時，同樣的選擇題，也擺在了中國的計算產業面前。

AI需要算力，這是共識，但算力從哪里來，如何組織，如何變得像水和電一樣易于使用，問題遠比“建更多的數據中心”復雜得多。

當國內眾多廠商都在努力向上突破時，一個現實的問題亦擺在眼前，各家的技術標準、接口協議并不相通，算力資源被分割在一個個“孤島”上，大家都很努力，但力氣，似乎沒使到一處去。

所以，眼下，擺在中國計算產業面前的，是一個根本性的路線問題：是走“蘋果”式的垂直整合之路，還是走“安卓”式的開放共建之路？這個問題，在產業層面被討論了許久。

直到2025年9月5日，國內計算領域的領軍企業中科曙光（603019.SH）在重慶世界智能產業博覽會上，用行動給出了回應，其聯合產業鏈上下游超過二十家企業，共同發布了國內首個“AI計算開放架構”。

國產計算產業要走“安卓”路線，這件事過去只是討論，但這一次，大家用站在一起的方式，首次表明了集體態度。

這個動作本身，比發布會上展示的產品更值得探究，它指向了一些更深層的問題，這套開放架構，究竟要解決什么？當行業更習慣于“閉門造車”、構筑私有護城河時，曙光為何要選擇做那個最難的“修路的人”？

中科曙光的選擇，正是要回答一個最根本的問題：在AI時代，一家計算產業的領軍企業，其真正的責任是什么？

曙光為何能當“破壁”者？

要理解曙光的選擇，首先需要看懂其所處的產業現實，現階段，一個擺在中國計算產業面前的問題是，單家公司的技術跑得再快，也解決不了整個行業協同的難題。

這個問題的背后，是兩大宏觀背景的交匯。

先看國家戰略層面，近年來，《算力基礎設施高質量發展行動計劃》明確提出要優化算力資源布局；《信息化標準建設行動計劃》則強調了推進算力標準互認和技術協同的必要性。

這些綱領性文件雖然各有側重，但共同傳遞出一個清晰的信號。推動構建一個自主、統一且強大的全國性算力大市場，已不再僅僅是部分企業的愿景，而是被擺在了產業發展的核心位置。

再看產業發展層面，目前，中國的算力企業，在各自的領域都已取得了長足進步。

但在整體上，卻長期處于一種“強競爭、弱合作”的狀態，不同廠商的服務器、芯片、存儲與網絡設備，大多采用私有接口與協議。

這種技術路線上的不兼容，導致了大量的資源浪費和協同內耗，用一句大白話說就是，每家公司都在很努力地“修路”，但修的都是自家門前那一段，彼此之間連不起來，更跑不成一張網。

這種“一盤散沙”的局面，直接形成了幾個現實的瓶頸，異構算力適配困難，用戶需要花費大量精力“重復造輪子”，寶貴的算力資源無法高效協同，整體上難以形成與外部成熟生態相抗衡的合力。

一方面，是國家戰略對構建協同、統一算力體系的明確要求；另一方面，是產業內各廠商技術自成體系、難以高效聯動的現實。

這種頂層設計與產業現實之間的巨大落差，正是國產計算產業在AI時代需要解決的核心矛盾。

因此，行業需要出現一個引領者，其價值不再是單純衡量自身的業務規模，而在于它是否有能力、有意愿，更有擔當，去著手解決整個產業的協同問題。

而要理解一家企業在產業格局中的位置，是否能夠成為引領者，關鍵是看它解決了哪些根本性問題。

AI算力時代的所有參與者，都面臨著一個共同的物理制約：功耗與散熱。

隨著芯片功耗進入千瓦時代，傳統風冷技術已難以為繼，散熱能力直接決定了算力能否有效釋放，算力就是功率，功率最終都會變成熱量。

隨著芯片功耗從幾十瓦飆升到上千瓦，如何讓這些“性能怪獸”冷靜下來，已經成為所有數據中心最頭疼的問題，芯片工作溫度每升高10度，失效率就可能翻倍。

在AI大模型訓練動輒需要成千上萬張加速卡協同工作的當下，任何一次過熱導致的宕機，帶來的損失都可能是驚人的。

散熱，這項工作雖然不直接產生算力，卻是決定算力能否被有效釋放的關鍵前提。

中科曙光在散熱領域的布局，從2011年就開始了。當行業還在風冷唱主角的時代，曙光已經投入對液冷技術的研究，研發過程并非一蹴而就，而是經歷了從“冷板式液冷”，到“浸沒液冷”，再到“浸沒相變液冷”的三代技術迭代。

這些技術迭代的成果，可以由一組關鍵數據來衡量，相較于傳統風冷，曙光的液冷解決方案能讓數據中心節能30%以上；單機柜的功率密度，從最初的幾十千瓦，提升到了200千瓦，再到如今的750千瓦以上，這意味著在同等面積的機房里，可以塞下比過去高出數倍甚至數十倍的計算能力。

花十幾年時間，去解決一個“降溫”的問題，這種看似“慢”的功夫，恰恰構筑了最深的護城河。

它證明了一家企業，不僅關心如何把芯片的算力提上去，更關心如何讓這些算力穩定、高效、綠色地落下來，這種解決最底層、最棘手行業難題的經驗與定力，是成為引領者的先決條件。

液冷技術，證明了曙光有能力解決產業的縱向技術難題；而其覆蓋高端計算、存儲到云計算的完整布局，則證明了它具備理解產業的橫向全局視野。

這種縱向深度與橫向廣度的結合，是其提出系統性解決方案的基礎。

根據2025年半年報，中科曙光的業務版圖，覆蓋了高端計算、存儲、安全、數據中心和云計算等IT基礎架構的所有核心環節。它不僅僅是一家硬件制造商，更是國內少數具備“全棧能力”的企業。

這種“全棧”，體現在幾個層面。

在硬件上，它不僅有服務器，還有連續多年中標中國移動集采、在多個行業市場份額領先的ParaStor分布式存儲和FlashNexus全閃存存儲；在軟件上，它有全棧云服務能力，并在全國多個城市建設運營“城市云”；更重要的是，它打通了從上游核心部件、IO模塊，到中游服務器、存儲，再到下游云計算平臺和算力服務的全產業鏈條。

這種布局的好處是，曙光比任何“單項冠軍”都更理解一個完整的算力系統是如何工作的。

它知道芯片和主板之間如何協同，知道服務器和存儲之間如何以最低延遲交互，也知道數據中心的基礎設施如何與IT設備實現“雙層融合”。

正是因為對每一個環節的“痛點”都有切身體會，它才最清楚“壁壘”是如何形成的，也才最有資格提出一套打破壁壘的公共規則。

當然，所有戰略雄心，最終都需要堅實的經營狀況作為支撐。

根據2025年半年報，中科曙光上半年實現營業收入58.50億元，與上年同期相比增加2.41%。而在營收基本保持平穩的背景下，公司的盈利能力出現了顯著提升，歸屬于母公司所有者的凈利潤為7.29億元，同比增長29.39%。如果扣除非經常性損益，這個數字則為5.69億元，同比增長達到55.20%。 

經營成績背后，傳遞出一個清晰的信號，中科曙光已經走過了單純依靠硬件規模擴張的階段，進入了依靠技術和解決方案提升價值的更高維度。

一個自身經營健康、盈利能力持續向好的企業，才擁有足夠的“戰略定力”，去思考和投入那些超越短期商業利益、著眼于整個產業生態的長期事業。

深厚的技術積累、完整的產業布局，以及健康的經營狀況——這三項要素，共同構成了中科曙光在產業需要系統性變革時，能夠扮演引領者角色的前提條件。

AI也需要“普惠”

一家企業在技術和產業上做到領先之后，通常有兩種選擇。一種是把自己的技術和產品打包，形成一個封閉的體系，另一種，是把自己的能力開放出來，為整個行業牽頭建立一套開放共享的技術標準。

前者是商業的慣性，后者則需要一種超越商業的考量。中科曙光的選擇，是后者。

而要理解曙光的選擇，首先要看懂產業的“堵點”在哪。

過去幾年，國內算力產業的一個現實是，各家廠商都在努力構建自己的技術和產品體系。

這本身是進步，但也帶來了一個普遍的難題，由于缺乏統一的技術標準，不同廠商的服務器、存儲設備和算力調度平臺，大多采用的是私有接口和協議。

這給用戶帶來了最直接的困擾，今天用了A家的產品，明天想接入B家的技術，可能會發現兩者互不兼容。

為了讓它們協同工作，就需要投入大量額外的研發資源。這種“重復造輪子”式的消耗，不僅抬高了算力的使用成本，也拖慢了應用創新的速度，對于整個產業而言，這種局面讓國產算力資源難以形成合力。

正是為了解決這個行業性的“堵點”，中科曙光才發起了構建開放架構的行動。

根據官方定義，“AI計算開放架構”是一個“面向大規模智能計算場景，以GPU為核心的高效緊耦合協同創新體系”，其目標，是聯動產業鏈上下游的所有伙伴，將過去在“算、存、網、電、冷、管、軟”等環節的單點突破，轉向系統性的集群創新。

具體來說，這套架構開放了五個層面的技術能力：部件級、系統層、基礎設施層、軟件層和數據集層。

基于這套架構，曙光同期發布了AI超集群系統，這套系統最關鍵的特性，不僅僅在于它自身的性能很高，還在于它的“開放”是具體且可驗證的，它明確支持適配多品牌的加速卡，并兼容CUDA等行業主流的軟件生態。

這意味著，用戶不必再被單一的技術路線綁定，產業鏈上的合作伙伴，也不必再為不同廠商的專有標準，重復投入研發資源。

當然，一套架構設計得再好，也可能停留在紙面。外界真正關心的是“路”修好之后，上面有沒有“車”在跑，跑的又是什么“車”。

對此，曙光用具體的行動給出了回應。

在AI計算開放架構發布后不久，為解決國內產業發展中，對高質量氣象數據獲取難、成本高的普遍痛點，曙光旗下的中科天機就宣布，開放共享其自主研發的高分辨率氣象數據。這一行動，旨在為國內的行業伙伴與科研用戶，提供關鍵的數據要素支撐。

根據其“高分辨率氣象數據共享計劃”，所共享的數據，包括全球范圍12公里分辨率和中國區域3公里分辨率兩種模式，覆蓋了溫度、風場、降水等160余項要素，最長可進行15天逐小時模擬。

這意味著，過去需要高昂成本和復雜渠道才能獲取的專業級數據，正通過一個開放的平臺，轉化為可以支持國內產業應用、賦能本土企業業務創新的具體資源，以此解決行業發展的實際難題。

這些數據一旦流動起來，其價值便開始在千行百業中顯現，過去，這些高精度數據是少數機構的專屬資源，獲取成本高、難度大，而現在，它正在成為許多行業數字化轉型的催化劑。

在能源電力領域，清華長三角研究院蘇州智慧能源研究中心，利用這些數據為電網的運檢作業提供長達46天的風速、雷電等關鍵要素的精準預測。其直接作用，是為運維單位制定作業計劃提供科學依據，從源頭保障人員安全、減少設備故障。

在農業生產領域，中國農業大學的實驗室，利用高分辨率數據改變了過去依賴稀疏氣象站點的建模局限，這使得“一田一日一策”的田塊級精準決策成為可能，在西北干旱區的玉米項目中，基于數據制定的科學灌溉建議，最終實現了單產提升與節水節肥的雙贏。

在航空安全領域，中國東方航空的運控中心發現，中科天機的數據在強對流天氣的落區和強度預測上優勢突出，在新疆等沙塵高發地區，運控中心依托其精細預測，成功調整航班避開沙塵，保障了安全，也減少了延誤。

在金融保險領域，浙商財險利用這些數據，推動了保險服務從災后的被動理賠，向災前的風險防范轉變。

從新能源、低空經濟，到軌道交通、航海運輸，這些來自各行各業合作伙伴的真實反饋，共同回答了一個問題：“算力普惠”到底意味著什么？它意味著一家風電場的發電功率預測可以更準，一片玉米地的灌溉用水可以更省，一趟跨越氣象不穩定區域的航班可以更安全。

至此，曙光的戰略圖景變得清晰。

通過“架構開放”這條“路”，加上“數據共享”這輛“車”，一個正向的產業生態循環得以建立。

開放的架構為國產算力伙伴提供了協同創新的基礎，而率先共享的高質量數據，則為這個生態注入了第一批寶貴的“燃料”，當千行百業的應用在這個生態上跑起來之后，又會反過來驅動底層算力和架構的持續優化。

一個從底層算力、中間件，到上層應用和數據的國產計算技術生態閉環，開始加速形成。

中科曙光高級副總裁李斌在發布會上就曾明確表示，AI計算開放架構的最終目標，是“共建開放、普惠的中國智能計算產業生態”。

從開放架構到共享數據，中科曙光這些行動的意義已超越了商業本身。

它指向了一個更清晰的定位，在AI時代，一家核心企業的責任，不僅是成為某個技術環節的領先者，更是要成為整個產業生態的構建者，為全社會的數字化進程提供動力。