维度网讯，海光信息在光合组织2026智能计算应用大会上展示了面向“云边端”的完整算力体系，覆盖从数据中心十万卡AI超集群到工业现场嵌入式AI设备等层级。

当超大规模数据中心资本支出增速放缓，工业产线、变电站、交通枢纽、油气田、港口码头等物理世界场景正成为算力需求的全新增长极。行业预测显示，中国工业控制芯片市场规模已突破3000亿元，年增速超过15%。

算力下沉面临的核心困境在于工业场景对芯片的要求与数据中心截然不同。工业芯片需要在-40℃到85℃的极端温差中稳定运行，要与存量x86工业软件生态实现无缝兼容，还必须在芯片层级构筑安全防线。嵌入式场景因其环境条件苛刻且国产化率极低，成为算力下沉最艰难也最具价值的路段。

海光C86选择了完整继承x86生态的技术路线。嵌入式客户要求现有软件不改代码即可运行，例如轨交信号系统的代码已迭代二十年，变电站调度软件积累了千万行。海光的方案是操作系统和数据库保持原样，逐条指令对齐，逐个外设适配。截至目前，海光芯片已覆盖300多个AI应用场景，在金融信创市场份额持续领先，在能源电力领域也已部署于多个省份的变电站辅助控制系统中。

兼容之外，海光C86进行了芯片级宽温加固，覆盖零下40度到85度范围，涉及标准单元库、时钟树设计和封装材料选型的系统性重构。

在嵌入式场景引入AI能力后，传统方案采用CPU控制、GPU推理、加密芯片安全的三套独立系统。海光将安全、控制和智能集成到同一块硅片内。C86 CPU内置内生安全底座，贯穿运行时内存加密和I/O隔离，该安全体系与DCU加速器共享，CPU的安全计算和DCU的AI推理在同一安全域内完成，跨芯片通信不存在被劫持的窗口。在智能变电站应用中，继电保护的毫秒级故障判断和跳闸指令由CPU承担，设备状态监测的AI分析由DCU处理，数据不出芯片，指令不跨设备。国内多个省份的电网公司已部署此方案，设备识别准确率提升的同时，系统整体功耗得到优化。海光DCU已完成对GLM、DeepSeek、MiniMax、Kimi等主流大模型的适配优化，持续推进训练、推理和集群管理的效率提升。

海光信息总裁助理兼智能计算产品部总经理杜夏威在会上提出，Token化趋势下CPU的角色是算力调度者、决策者和安全守门人。当AI从中心侧下沉到边缘，决定胜败的因素在于能否把算力调度到正确位置并在物理现场守住安全边界。

面对工业嵌入式市场极度分散的特点，海光依托光合组织生态体系，该体系已聚集超过6000家合作伙伴，覆盖基础软件、数据库、整机硬件与行业应用。合作伙伴拿到的不是裸芯片，而是经过测试和软件栈调优的集成平台，底层适配时间缩短。旷视科技董事长兼CEO赵康在会上提出，物理世界AI的关键在于技术与市场的匹配，旷视将“感知—理解—决策—执行”做成可复用平台能力，以“体-力协同”模式与海光推进国产化行业智能体落地。卓驭科技副总裁王斌则从辅助驾驶视角指出，简单地扩大算力和数据规模不足以支撑物理AI的演进，“把算力用好”才是核心命题。

光合大会展示了嵌入式AI在油气无人值守、轨交信号诊断、港口自动驾驶、安防视频分析等场景的应用，并向低空、零碳、机器人方向延伸，智能巡检机器人、AI BOX端侧一体机等产品已进入实际部署。这些方案具备离线运行、数据不出域、安全可信可控的能力。依托C86芯片级内生安全能力，金融、能源、交通等关基数据安全与可信计算需求也得到定向满足。

大会期间，中国首个全国产十万卡AI超集群曙光8000（登峰）正式落成，搭载海光等国产芯片算力底座，进一步验证了海光芯片支撑大规模Token生产和产业级AI应用的能力。适配优化的模型可部署到嵌入式端侧设备，设备在工业现场产出的真实数据又回流云端迭代模型，形成数据闭环。云端训练、边缘推理、端侧执行，两端共用同一套x86生态和内生安全标准串联，客户获得的并非单颗嵌入式处理器，而是一整套从数据采集到模型更新的能力体系。