當前，人工智能成為制造業轉型升級的關鍵變量。如何打通從算力底層到工業場景的“最后一公里”，近日舉辦的“人工智能賦能新型工業化深度行（走進國家超算互聯網核心節點）”活動給出了探索答案。

工業場景對算力提出嚴格要求

工業制造對芯片的響應速度和穩定性有著極為嚴格的要求。

山信軟件常務副總經理牛春波表示，在鋼鐵生產尤其是軋鋼過程中，工藝速度極快，要求芯片的響應速度必須達到毫秒級，因此對實時性的要求非常高。同時，其產線價值巨大，一旦可靠性出現問題導致故障，將對生產造成重大影響，直接產生上百萬元甚至上千萬元的損失。

牛春波以山信軟件的落地為例分析：中厚板產線的自動轉鋼和煉鋼環節的智能煉鋼，已實現從人工操作向人工智能操作的跨越，人工智能技術的突破使得系統能夠根據工況變化實時調整。

索辰科技技術總師張總師告訴記者，高端裝備的設計依賴CAD（計算機輔助設計）模型構建和CAE（計算機輔助工程）物理場性能的多次迭代優化。進入人工智能時代后，索辰科技正在打造“物理AI”，通過人工智能技術取代傳統的煩瑣流程。他表示，這一人工智能體系未來將在海光平臺上運行，依賴于國產硬件的高效運算。他認為，國產硬件能力逐步達到國際先進水平，并與軟件端算法和軟件應用度相匹配，才能有效解決工業領域的實際問題。

中建材信息凝智AI聯合創新中心主任劉凱分享了安全生產領域的實踐。他介紹，在設備巡檢方面，以往需要大量人工投入。但現在，通過人工智能輔助，巡檢人員投入成本可降低50%以上，巡檢的準確性、及時性均有顯著提升。在安全層面，他介紹，海光C86架構已經完全自主可控，從底層為數據安全提供了保障。

芯片與軟件適配仍面臨卡點

多位企業代表稱，國產算力芯片與工業軟件的適配仍面臨卡點。

首先是復合型人才的缺乏。牛春波坦言，復合型人才需要較長的培養周期，但當前人工智能技術發展速度極快，日新月異，人才成長與技術發展之間的不匹配已成為企業面臨的一大困惑。

中望軟件信創事業部總監王坤也表示，面向全國產環境的通用軟件適配，需要將大量工業軟件積累的代碼遷移到國產芯片架構之下，這一過程既需要精通國產工業軟件的人才，也需要掌握芯片底層架構知識的工程師。他認為，這種復合型人才的需求在過往是前所未有的，企業在前期投入和適配過程中面臨較大挑戰。

其次是生態的不完善。王坤表示，全國產軟硬件的適配不僅涉及芯片廠商與軟件廠商的配合，更需要從底層到頂層的全系列、全主體參與和協同。他還提出，編譯器、性能分析工具等相關工具鏈仍需持續迭代和高效保證，目前國內的整體生態仍在持續優化過程中。

第三是驗證標準的缺失。王坤強調，運行于國產芯片之上的工業軟件對準確性和穩定性的要求極高，需要更多客戶場景和實際案例來持續驗證和迭代。還需要將在迭代過程中積累的經驗轉化為跨行業、跨廠商可用的標準，并形成可復用的測試體系。他認為，當前業界對全國產環境的投入已取得顯著進展，整體功能和性能優化已達到較高水平，正在從“可用”向“好用”狀態切換。

卡奧斯物聯工業大腦總經理楊健從算力結構的角度解析，當前算力存在結構性的錯配問題。他表示，許多企業反映算力短缺，但實際上總體算力資源并不小，問題在于企業難以找到適合自身需求的算力——包括算力是用于訓練還是推理、面向大模型還是小模型等，不同選擇之間差異顯著。他認為，國家超算互聯網核心節點的建設，有助于將整體算力資源與企業需求進行有效匹配。

從企業實踐看行業趨勢

海光信息展示了CPU+DCU雙芯系列產品面向智能制造的全棧算力解決方案。二者組合形成的異構計算平臺，可以滿足“AI+制造”場景中對復雜算法訓練、海量數據處理、毫秒級智能決策等環節的苛刻要求，為制造業的高端化、智能化發展提供了堅實的數字基礎。

海光DCU具有全精度計算能力，能充分滿足工業仿真、科學計算等場景對高精度與復雜并行計算的需求。同時，芯片級內生安全技術，通過硬件加密、機密計算與可信計算，為數據治理和AI應用提供了從底層硬件到上層應用的全棧安全保障。此外，海光DCU構建了廣泛且開放的軟件生態，通過“類CUDA”的兼容性設計、完整的工具鏈（DTK/DAS/DAP）以及光合組織生態，降低了用戶的適配與遷移成本，有效支撐了從底層算力到行業應用的平臺化部署。

國產算力芯片與工業軟件深度適配取得了哪些進展、未來趨勢如何？王坤表示，中望軟件面向全生態環境的研發投入已超過10年，與以海光信息為代表的國產算力芯片形成了深度合作關系。他透露，中望目前已在人工智能與工業設計軟件融合方面積累了相當多的技術儲備，將在今年4月下旬舉行的新品發布會上展示面向AI時代的新功能。

紫光云企業系統部首席AI架構師杜宇分享了他在半導體設計領域的觀察。他認為，半導體設計領域算力波動較大，在芯片流片前會產生較大的算力需求，需要彈性的算力支持。他表示，紫光云的紫鸞6.0平臺已與海光信息完成全面適配工作。（記者 趙熠如）

來源：中國商報