当前，人工智能正加速从“生成内容”走向“执行任务”，大模型训练和推理需求迅速攀升。清华大学计算机系教授郑纬民峰会上表示，传统算力架构已难以支撑新一代AI应用的扩展，具备统一内存编址等能力的超节点技术，正在成为缓解算力瓶颈的重要方向。背后原因在于数字经济与实体经济加速融合。华为副总裁马海旭指出，随着金融、医疗等行业的智能化场景更复杂，企业对高性能、低时延算力底座的需求更迫切。数据显示，昇腾生态已支持2700余家客户落地1100多个场景应用，反映出市场对自主可控算力方案的强需求。针对行业挑战，昇腾提出“全场景覆盖、软硬协同”的策略：硬件上，新发布的Atlas 350加速卡采用昇腾950PR处理器，内存带宽与计算效率上实现提升；软件上，通过开源50余个社区项目降低开发门槛。华为昇腾计算业务总裁张迪煊强调，2026年将是强化学习规模化商用的关键节点。为此，昇腾已构建大、中、边缘三级算力矩阵，其中超节点架构可支撑万亿参数大模型训练。多项落地案例也验证了该路线的可行性：邮储银行部署昇腾千卡集群后，核心业务推理效率提升10倍；科大讯飞基于该平台推出的星火一体机，已用于教育诊断系统的精准部署。润达医疗首创的神经符号大模型，则通过静默进化机制改进，显示出AI在专业领域更深入应用的空间。
从大模型走向智能体应用，不仅是技术升级，也考验产业协作与生态建设能力。算力底座的系统升级、开源开放带来的协同创新，以及面向行业场景的工程化交付，将共同影响智能化转型的深度与覆盖面。面向未来，只有同时推动技术创新与应用落地、加强生态共建并推进标准化，才能让新一轮智能化浪潮更稳、更快、更可持续地服务实体经济与民生需求。