新华社北京2月5日电 近期，随着大模型在金融、制造、政务等领域加速应用，算力需求呈现规模化、集群化、低时延化的新特征。
华为计算产品线相关负责人张爱军在与媒体交流时表示，面向这一趋势，华为计算产品线将围绕三条主线推进：以“集群+超节点”创新提升算力供给效率；以持续根技术突破强化通用计算与智能计算能力；以开放协同方式联合伙伴和开发者共建产业生态，加快行业落地。
问题：大模型驱动算力需求“从单点到系统” 业内普遍认为，大模型训练与推理正在突破传统单机服务器的能力边界：一方面，训练侧对并行规模、网络互联、内存带宽与稳定性提出更高要求；另一方面，推理侧强调时延、吞吐与能耗的综合平衡，且对工程化交付与长期运行可靠性要求更为严格。
在此背景下，算力建设的重点正从单点算力指标转向系统级能力，即在真实业务场景中持续稳定地交付可用算力。
原因：算力供给进入“体系化竞争”阶段 张爱军表示，“超节点”并非简单堆叠硬件，而是通过集群架构与超节点协同设计，实现算力资源动态调度、高密度互联以及能效提升。
其核心逻辑是把计算、网络、存储、软件栈与运维体系作为整体工程来优化，减少大规模训练和推理过程中的瓶颈环节，提升可扩展性与可用性。
从产业环境看，人工智能应用从试点走向规模化，对算力基础设施提出“可复制、可验证、可持续”的交付要求。
以往以峰值参数衡量能力的方式已难以满足行业需要，系统工程能力、软件适配能力和生态协同能力成为新的关键变量。
影响：面向行业应用，算力建设更强调“有效供给” 张爱军指出，发展“超节点”的目标是提供“真正规模的、有效的算力”，即具备可扩展、低时延、高吞吐以及工程化落地能力的算力服务，使其能够在金融风控实时推理、工业视觉毫秒级响应等场景中实现稳定交付。
业内人士认为，若能在系统层面实现互联效率提升与能耗优化，将有助于降低大模型训练与推理的综合成本，推动更多行业以可承受的投入开展智能化改造。
同时，体系化算力基础设施也将带动服务器、网络、软件与行业应用的协同升级，进一步促进产业链分工与能力重构。
对策：以根技术突破夯实底座，以开放协同扩展生态 在技术路径上，张爱军表示，将持续解决关键技术创新问题：通用计算领域将围绕处理器架构与系统优化持续投入，并探索提升计算与存储协同效率的技术方向；智能计算领域将强化昇腾处理器与软件栈的协同优化，提升大模型训练效率与工程化能力，确保在真实业务中可验证、可交付，而非停留在理论指标层面。
在生态建设上，他强调开源开放是其生态战略的重要方向，将推动超节点相关软硬件接口、调度框架与开发工具链遵循开放标准，便于开发者与合作伙伴开展适配与创新。
在计划安排上，华为拟在2025年联合高校、软件厂商及系统集成商等启动生态加速计划，通过标准化适配套件、联合实验室与商业落地支持，推进更多行业头部客户完成场景验证，形成从芯片、框架到应用的协同体系。
前景：算力服务化趋势加速，行业解决方案成落地关键 业内观察认为，随着算力需求从“买设备”转向“用能力”，算力服务化将成为重要趋势。
张爱军表示，“超节点”不仅是产品形态创新，更是对“算力即服务”理念的工程化实践。
下一步将加强市场、研发与一线交付协同，加快输出可复制的行业解决方案，推动从能力建设向规模落地转变。
在全球技术和产业竞争加剧的背景下，能否在关键技术、系统工程与生态协同上形成合力，将直接影响算力基础设施供给质量与产业应用推进速度。
面向未来，围绕高效算力、稳定交付与开放生态的综合能力建设，或将成为行业从“技术演示”迈向“生产力工具”的关键支撑。
大模型驱动下的算力变革，本质上是一次从“硬件竞争”走向“体系能力竞争”的升级。
以更高效的基础设施形态承接算力需求，以持续的关键技术创新保障可控可用，以开放协同的生态机制促进产业共赢，能否形成可复制的行业解决方案并实现规模化落地，将成为检验企业战略成色的重要标尺，也将影响我国智能计算产业迈向高质量发展的步伐。