AI越来越能干，正加速打通“算力—模型—场景”生态链

上证报中国证券网讯(章林记者于瑶)人工智能正从“能聊”转向“能干”，而支撑这一转向的关键，在于算力、模型与场景之间能否形成协同闭环。近日举行的2026年《财富》中国500强论坛上，来自国产GPU、云计算、高精度定位及太空算力领域的企业负责人就此形成共识。

国家统计局数据显示，前三季度规模以上数字产品制造业增加值对规模以上工业增长的贡献率超过三分之一，集成电路产量增长23.3%，信息传输、软件和信息技术服务业增加值同比增长10.4%——从硬件供给到服务需求，算力相关产业景气度可见一斑。但算力最终能否被有效调用，取决于场景端是否“接得住”。当前，人工智能正从技术选项变为生产标配，而“算力—模型—场景”生态链的打通，决定着这一转变能走多远。

算力瓶颈：“用起来”比“做出来”更难

摩尔线程联合创始人、首席运营官周苑把芯片的难点拆为三层：先把芯片做出来，再把芯片卖出去，最难的是把芯片给用起来。“摩尔线程已量产5颗芯片，并在国产芯片上实现万卡级别万亿参数模型训练，下一个目标是十万卡集群。芯片设计之初就要充分考虑用的问题，把计算、通信、存储等等做一体化规划。”周苑说。

跨越“三座山”并非易事。摩尔线程采用全功能GPU技术路线，以统一架构的MUSA软件栈兼容CUDA，走“先兼容再发展”的道路，并以一年一代的芯片迭代反哺软件生态。

“从芯片到万卡、十万卡集群是系统化工程，这个过程中面临四重挑战。”周苑说，一是网络互联与计算通信架构，带宽、时延决定集群能否线性扩展；二是可靠性与容错，超大规模下差错是常态，断点续训、快速自愈决定有效使用时长；三是十万卡规模的能耗、供电密度与液冷方案；四是软件栈与调度效率，同等硬件产出可相差30%以上。

多位业内人士认为，算力的价值，最终取决于场景端能否有效调用，而非单纯的规模扩张。企业高强度的研发投入中，相当比例应指向“用起来”的环节。

场景落地：从“聊天”转向“交付结果”

腾讯云副总裁石梅给出一个数据：截至7月，Token消耗相比2024年扩大5000倍。她认为，变化不仅在量，更在用法，AI正从聊天机器人转向智能体，从“陪你聊”变为“替你干”，用户交代目标，AI交付结果。

当下，AI的使用已从尝试变为习惯，其角色也从个人提效工具升级为企业的生产力工具。知识工作者、金融从业者等群体，以及越来越多的行业，正在扩大AI的使用份额。

“就像WorkBuddy(腾讯全场景AI工作台)，不再是问答式的聊天工具，而是能承接具体任务、推动工作闭环完成的平台。”石梅说，WorkBuddy与企业微信打通后，作为内置机器人嵌入侧边栏，可整合企业信息、嵌入业务流程、输出决策报告，各行各业的经验沉淀为技术模块赋能更多人应用。

与会嘉宾认为，AI大规模爆发的场景仍在办公。办公是人人涉及、能重塑时间分配的场景，大规模爆发正在这里发生：AI可承接重复性工作、释放生产力，即便人晚上睡觉，工作也可以交给AI继续推进。

“从长远看，最有价值的方向是AI for Science(AI赋能科研)。”石梅说，在科研领域，整理基础信息大概会花掉科学家50%的时间，如果能把这50%的时间释放出来，将对整个科研的推动起到巨大助推作用。

物理世界：地面守精度，太空拓边界

AI要真正进入物理世界，算力必须与物理约束深度耦合。从算力到场景打通“最后一公里”，既要守住地面感知的精度底线，又要拓展太空服务的半径。

导远科技提供高精度组合导航系统和惯性测量单元(IMU)，用于智能汽车、机器人等提供精确的位置、姿态、速度信息。导远科技首席执行官Pia Hu表示，物理世界打通“最后一公里”最难的是规模化测试，产品要在春夏秋冬、室内室外、不同振动条件下保持可靠稳定和高精度。

“惯性导航就像人的前庭系统，算力越强、AI应用越广，对精度的要求越高，大脑越聪明，前庭越不能掉链子。”Pia Hu说，导远科技的时空感知产品应用正从汽车扩展至消防安防、矿区救援和机器人平衡控制，对毫秒级实时性提出更高要求。

太空算力则代表另一种维度的延伸。中科天算董事长刘垚圻说，真正有经济价值的太空算力应用不是“打个电话、拍个照片”，而是类似“渔民问卫星金枪鱼在哪儿”的闭环场景——卫星通过传感器找鱼、通过AI与算力做出判断，再用一句话告诉渔民鱼群方位、用什么渔具、何时下网乃至销售建议。“中科天算提出建成万卡级太空超算中心的目标，实现这一目标的关键在于中国开源开放、共享共创的生态。”刘垚圻说。

从芯片到模型，从地面到太空，从办公桌到生产线，“算力—模型—场景”的协同正在从企业层面的各自探索，转向产业链层面的系统打通。在业内看来，这条链能否真正贯通，不取决于某一环节的单点突破，而取决于场景端能否“接得住”、算力能否“用起来”，并最终形成可持续的商业闭环。