2026 年，OpenClaw ( 俗称 " 龙虾 " ) 的爆火，成为科技圈最具现象级的事件之一。凭借本地自托管、强执行能力、低部署门槛，大幅降低智能体落地门槛，不仅重塑了个人生产力与企业运营模式，更标志着 Agentic AI ( 智能体 ) 时代的正式到来。

与此同时，今年的政府工作报告连续第三年提及 " 人工智能 +"，并首次将 " 打造智能经济新形态 " 写入其中。在业内看来，这释放出一个清晰的信号：人工智能正由单纯的工具赋能，迈向产业深度应用和体系化发展的新阶段。

市场与政策的双重驱动，让 AI 产业驶入了发展快车道。然而，AI 从对话走向行动，意味着每一次任务执行都需要调用大量 Token 进行推理与自我迭代，Token 的生成、处理与传输均依赖算力支撑，由此带来的算力需求正呈指数级攀升。IDC 预测，到 2030 年，全球智能体数量将达 22.16 亿，底层 Token 消耗将暴增 3418%。

一边是井喷式的算力需求，一边是千行百业差异化的落地场景，如何构建真正适配的算力体系，成为横亘在 AI 从技术爆发走向产业应用之间的核心难题。

华为昇腾计算业务总裁张迪煊在 2026 昇腾人工智能伙伴峰会上的演讲中，给出了一个清晰的解题框架。这个框架不是试图用一个万能的产品去满足所有需求，而是通过大、中、小三类算力的分层布局，全面使能伙伴，构建一个覆盖全生态、支撑全场景的 AI 产业体系。

换句话说，华为的答案是：AI 落地的最后一公里，不能只靠一家公司来走，而应该让所有参与者都能发挥自己的价值。

华为昇腾计算业务总裁 张迪煊

大算力场景：支撑大模型训推流程，构筑高性能算力底座

大算力场景对应的是大模型预训练、强化学习后训练以及大规模推理服务。这是 AI 技术金字塔的顶端，也是决定 AI 能力上限的关键领域。

在这一层，聚焦的是对算力要求极致的场景。随着智能体深入业务核心，多轮自我迭代带来了百倍级的 Token 需求和毫秒级的时延要求，传统的服务器堆叠方式已经难以为继。即便是 96 台服务器组成的集群，由于每台服务器的内存独立编址，跨服务器的交互必须依赖以太网通讯，涉及数据拷贝、协议转换、网络传输等多个环节，性能开销巨大。

这正是昇腾推出超节点架构的设计初衷。以昇腾 384 超节点为例，其实现了 48TB 统一内存编址，所有 NPU 之间可通过 Load/Store 等内存语义直接交互，省去了复杂的通信协议转换环节。

但更值得关注的是，华为并没有把超节点当作一个封闭的 " 黑盒子 "，而是选择开放灵衢协议、部件及参考架构，使能伙伴打造自己的超节点系统。这意味着，伙伴可以在昇腾的基础上，构建属于自己的、高度定制化的大规模算力集群。

中算力场景：以 " 开箱即用 " 加速行业智能化进程

中算力场景是连接大算力技术和行业应用的关键桥梁，覆盖了辅助医疗、智慧教学、智能客服等众多国计民生领域，也是场景应用最广、落地形式最丰富的算力层级。与大算力场景的技术攻坚不同，中算力场景的需求是 " 开箱即用 "，实现快速部署与成本可控的平衡，这就要求昇腾在技术开放时，更注重产品的模块化和适配性，让伙伴能够结合行业模型和软件生态，快速打造贴合场景的 AI 服务器产品。

中算力场景的伙伴赋能，还体现在昇腾对应用门槛的持续降低。针对一些企业想用 AI 但缺乏专业技术团队的痛点，昇腾推出了分级分档的昇腾一体机，将硬件、大模型、工具链进行深度预集成。轻量版、标准版一体机分别适配千亿级、万亿级内的模型需求，伙伴只需聚焦业务集成、知识库构建等环节，无须关注底层的硬件调试和模型优化，就能快速打造场景化的 AI 应用。这种打包式的能力输出，让更多伙伴能够参与到 AI 产业中，甚至让一些原本不具备 AI 研发能力的传统行业伙伴，也能快速推出属于自己的 AI 产品。

值得一提的是，在实际场景落地中，已有众多伙伴依托昇腾中算力底座实现创新突破，例如，在文旅领域，陕文投集团联合海天瑞声基于昇腾 AI 基础软硬件平台，推出了多模态 AI 伴游助手，覆盖景点检测、自然交互、多语言及方言适配等场景，为用户提供个性化文旅体验。金融领域，科大讯飞通过昇腾软硬件深度协同优化，实现了工单小结、智能质检等环节的毫秒级响应，已在交通银行等多个金融机构落地，让 AI 真正成为坐席的专家助手。这种模式让伙伴能够充分发挥自身的行业优势，而昇腾则作为硬件底座提供稳定、高效的算力支持，实现技术与行业的双向赋能。

小算力场景：赋能海量边缘计算，满足差异化市场需求

如果说大算力场景是塔尖，中算力场景是塔身，那么小算力场景就是塔基。这是一个潜力最大的海量市场，也是最容易被忽视的赛道。

工业质检、具身智能、科学教育、智能边端，这些场景的特点是场景分散、需求多样、对成本和灵活性极为敏感。客户不需要巨大的算力，但需要能够在各种复杂环境下稳定运行、能够快速适配不同应用场景的设备。

面向这个市场，昇腾的策略是开放标准的模组板卡，使能伙伴打造多样化的边缘计算设备。更高的集成度、更宽的温度设计、更多的 OS 兼容、更丰富的场景 SDK。这些看似细节的技术支撑，实际上构成了伙伴能够快速创新、快速迭代的基础。

一个很有意思的案例是，软通华方、同泰怡等伙伴基于昇腾的 Atlas 300I A2 产品，打造了液冷 AI 工作站。这个产品具备静音、高密、省电、安全等特性，非常适合医院科室、科研实验室等场景。

这个案例的价值在于，它展示了小算力场景的无限可能性。当算力底座的供给变得足够灵活、足够易用，创新就不再是少数大公司的专利，而是千千万万中小企业的机会。他们可以基于标准化的算力模组，结合自己对特定场景的理解，创造出形态各异、功能丰富的边缘 AI 产品。

写在最后

让我们回到文章开头的那个问题：如何构建适配智能体时代的算力体系，推动 AI 普惠化应用。

昇腾给出的答案，不是试图用一个万能的产品去满足所有需求，而是通过算力的分层布局，让不同类型的场景都能找到与之匹配的解决方案。

大算力场景聚焦技术攻坚与前沿突破，支撑大模型训练与推理，夯实算力底座 ; 中算力场景深耕行业核心应用，以开箱即用的便捷部署，加速各领域智能化落地 ; 凭借高灵活与强适配特性，广泛覆盖海量边缘智能场景。

这种分层赋能的生态思维，实际上是昇腾对 AI 产业规律的深刻把握。在智能化变革的浪潮中，没有一家企业能够包揽一切。真正的成功之道，是构建一个开放、协同、共生的生态系统，让每个参与者都能发挥自己的优势，共同推动 AI 赋能千行百业的生产力工具。

正如张迪煊所言：" 在智能化的道路上，昇腾与各位伙伴已并肩走过 7 年，见证了 AI 产业从探索起步到深耕细作、从单点突破到场景落地的快速发展。" 未来已来，而这场智能化的变革，注定是一场需要所有人共同参与的协同进化。