当前位置：主页 > 泉州 >

谢谢

首超三十万亿今年财政支出预算更多“投资于人”,首超三十万亿今年财政支出预算更多“投资于人”_我的网站

A | （文/观察者网刘媛媛编辑/吕栋） 7月17日，以“智能伙伴，共创未来”为主题的2026世界人工智能大会（WAIC）在上海开幕，海光信息携CPU、DCU全系列产品以及网络互联、整机解决方案亮相，展示了面向AI时代的自主算力底座与全链路软硬一体化能力。　　8月21日，国新办举行“开局起步‘十五五’”系列主题新闻发布会，财政部相关负责人介绍今年超30万亿元财政资金投向。观察者网在现场了解到，展区内，海光CPU系列面向服务器、数据中心等通用计算场景提供算力支撑；DCU系列作为高端AI加速芯片，支持全精度浮点及多类型整数计算，兼容主流软件生态，支持训练与推理；端侧嵌入式产品，如运动控制系统、AI一体机、云终端等，则推动AI从“能对话”向“能干活”演进。为更了解海光信息在AI算力领域的布局与思考，大会期间，观察者网等媒体与海光信息总裁助理兼智能计算产品部总经理杜夏威展开对话，围绕云边端协同、开放生态建设、Token经济等话题进行了深入交流。　　根据2026年预算报告，今年，全国一般公共预算支出规模将首次超过30万亿元、比上年增加约1.27万亿元，财政支出盘子进一步扩大，为经济增长提供有力支撑。以下为对话实录：提问：这次WAIC，海光展示了嵌入式AI的布局，算力从云端往端侧走，您觉得最大的应用机会在哪些场景？杜夏威：端侧确实是AI一个非常重要的入口。这次不管是会场的报告，还是我们展出的产品方案，都在强调云边端全域的协同。因为端侧的触达面与数据中心端处于整个链条的两端，依托端侧产品可以更多地去拓展和覆盖市场侧的需求。同时，端侧与数据中心端之间也有相应的耦合与协同。财政部副部长廖岷表示，今年的财政支出更多转向“投资于人”，支持国内消费，增强国内大循环内生动力。　　扩大内需是重中之重。数据中心提供的强劲算力以及Token输送，一方面可以支撑端侧的应用场景，另一方面也可以作为端侧的高端算力补充。中国作为最大的发展中国家，已经连续多年稳居全球第二大商品消费市场和第一大网络零售市场。2025年人均GDP超过1.3万美元，社会消费品零售总额也超50万亿元，最终消费支出对经济增长的贡献率达到52%。

B | 　　“扩大内需不是权宜之计、而是战略之举。”廖岷称，今年以来，财政部多措并举继续支持鼓励消费。在Token快速发展的背景下，这样的方式能够更有效地实现市场用户和场景侧的覆盖。提问：海光DCU一直在强调开放架构，从实际落地来看，开放架构给开发者和合作伙伴带来的最大便利是什么？杜夏威：海光始终在坚持开放的原则，这里面有几个维度的考量。下达消费品以旧换新资金1875亿元，带动相关商品销售额约1.32万亿元，惠及1.78亿人次。

C | 第一个维度是从长线发展的角度来看，我们更像是为飞轮的启动提供点火和助力，保障它能够进入初期运转的状态。但伴随AI产业链、软件栈以及模型的快速发展，除了自身贡献力量之外，我们也需要依赖生态侧的力量。在50个试点城市开展有奖发票活动，带动相关领域销售额超3700亿元。　　此外，今年更加积极财政政策的重头戏之一，就是创新设立了财政金融协同促内需的6项政策工具。通过开放的方式，一方面可以吸引更多开发者和伙伴加入以海光算力为核心的生态；另一方面也可以依托他们的力量，让大家在各自擅长和专注的领域发挥优势。

D | 相关政策工具出台7个多月以来，累计支持相关领域新发放信贷超20万亿元，较上年同期增长了超8800亿元、增幅为4.5%，有约1.13亿人次居民、超620万家企业获得了政策支持。　　投资方面，加快超长期特别国债发行使用，其中8000亿元“两重”资金已全部下达，支持1417个重点领域重大项目建设。第二个维度是，AI芯片以及DCU软件栈的发展需要形成全链条闭环，才能实现对各类场景的有效支撑。我们不仅聚焦于海光CPU、DCU和自身的软件栈，也致力于拉动整个产业链进入开放状态。具体而言，我们一方面逐步开源开放自身的软件栈，另一方面联合国产GPGPU生态中的不同芯片厂商，推动软件栈和统一接口层面的开放合作，尽可能降低用户在不同芯片之间切换的额外时间和人力成本。发挥地方政府专项债券带动作用，截至7月底全国已发行2026年新增专项债券2.4万亿元，支持建设项目超过1.8万个。第三个维度是，希望通过这样的动作，引领和带动国产GPGPU厂商和生态的良性发展。　　中国式现代化，民生为大。整个产业链条的健壮和良性循环，是所有芯片厂商和模型公司实现可持续发展的前提和基础。提问：您此前提出过“算力指标”与“Token吞吐量”并重的观点。随着中国式现代化建设的深入推进，人民群众对上学、看病、住房等民生保障有着更高期盼，在养老服务、育幼、出行等身边事上有着更多需求。本届WAIC上，海光更想传递的是算力有多强，还是算力转化为Token的效率有多高？杜夏威：我们始终坚持以端到端的视角来看待底层算力对上层业务的支持。无论是之前大家谈论大模型兼容度，还是后来谈论模型适配和Token吞吐量，我们最核心的检验指标始终是：海光DCU芯片能否有效支撑上层的业务逻辑。

E | 因此，如果行业普遍以Token作为衡量单位来评价芯片或模型的算力、智能化程度，我们也倾向于以同样的视角、结合用户习惯，来评价海光DCU对上层的支撑能力。　　今年，超30万亿元全国一般公共预算中安排教育、社保、卫生、住房等方面的资金达到了12.4万亿元，比上年增长5.4%，高于全国一般公共预算支出增幅1个百分点。这一次WAIC，我们就是按照这样的逻辑来呈现自身的技术和产品的。

F | 　　财政聚焦“一老一小”这两个最牵动家庭的关键群体精准发力：一方面，持续提升养老、医疗等民生保障水平，在全国范围内向中度以上失能老年人发放养老服务消费补贴，支持农村地区65岁及以上老年人等群体免费接种流感疫苗。另一方面，下达241亿元补助资金，支持地方落实学前一年免保育教育费政策；下达约1000亿元补助资金用于发放育儿补贴，超过2500万名婴幼儿及其家庭领到了2026年度育儿补贴。此外，财政部预计今年全年超过4400万人领取低保、特困人员供养等基本生活救助。教育公平稳步提升。提问：海光DCU已在20多个关键行业、300多个应用场景落地，但在大模型推理商业化方面，行业普遍面临算力投入高、回报周期长的困境。下达学生资助资金超过1600亿元，预计全年将有1.5亿人次受益。

G | 海光如何帮助客户缓解这个问题？杜夏威：我们主要从两个视角来推进。　　中青报·中青网记者张均斌来源：中国青年报。第一个视角是作为算力供应方，要把握好自身的技术和产品，保障对模型快速迭代的有效支撑。过去一段时间，我们积极推进了市面上几乎所有主流大模型的适配，同时也在打磨芯片对上层Token吞吐的效率。第二个视角是，这次WAIC我们也在积极呼吁，站在光合组织的角度，倡导产业链共同关注Token经济的良性循环，我们不希望重蹈当年软件行业在价值变现和商业闭环上的覆辙。 Token性价比的提升，是整个产业链共同努力的结果，我们应该享受这样的红利。但同时，我们也不应该以低价来衡量算力、模型和Token产业的价值，而应该突出它们对产业变革的贡献。性价比会随着技术迭代持续提升，但与此同时，必须保障产业链各环节获得合理的商业利益，这样才能形成正向循环。提问：您刚才提到Token正在成为AI时代的“数字石油”。对普通企业来说，Token经济到底意味着什么？它会怎样改变企业使用AI的方式？杜夏威：Token的使用已经渗透到了个人层面，很多To C业务都能感受到Token带来的变化。对于B端用户，无论体量大小，都应该积极拥抱Token经济，尤其是中小企业，它们既是产业上下游的长尾，也是未来产业发展的新生力量，需要重点支持。

H | 我们通过两种方式来支撑中小企业。一种是通过云原生的算力和Token服务，让中小企业无需自建即可便捷地获取Token，尝试以大模型或智能体来升级业务。另一种是，对于身处高精尖或细分领域的企业，我们提供符合其预期的私有化算力规模，保障敏感数据和高价值资产能够在企业自己的业务体系内安全使用。 “云上+私有化”两种方式并行，既能提供低资产投入、高便捷性的云上Token服务，也能提供符合质量需求的中小规模私有化部署。

I | 当企业需要快速迭代时，通过云上算力来支持；当业务进入可闭环状态时，通过私有化部署来保障数据安全和Token质量。

J | 提问：海光在软件栈建设上，从“可用”到“好用”目前走到了哪一步？杜夏威：我们现在已经不再仅仅强调“可用”了。Day0级的适配已经非常普遍，我们更多关注的是是否能够开箱即用、开箱即好用，通过性能和Token吞吐来保障用户体验。此外，我们也开始转向前瞻性布局，推动芯片与模型的紧耦合协同。我们已经针对部分大模型厂商的下一代模型迭代，提前开展芯片与模型的协同适配。这样才能从根本上解决问题，确保发布即可用，可用即好用。

K | 提问：今年超节点非常热，去年很多还在发布阶段，今年已经落地了。

L | 您认为接下来最大的瓶颈是什么？杜夏威：超节点成为WAIC的热点，呼应了模型快速迭代、走向更大规模参数量的趋势。海光的超节点今年已进入量产状态，我们联合光合组织上下游及整机合作伙伴，推出了基于海光CPU/DCU芯片的超节点方案。除了硬件本身的量产，我们还需要关注服务能力的打磨，特别是软件栈的完善度。在大模型推理场景中，PD分离和PV Cache缓存等技术手段对性能效率的提升至关重要。

M | 另一个值得关注的问题是，随着超节点规模扩大，故障率也会随之上升。海光在这方面积累了较多经验，在训练侧和推理侧的故障管控与快速恢复方面，已形成了一套成熟机制和软件补偿方案。所以接下来需要重点推进两个维度：一是软件系统工程化来保障最优性能，二是可用性与稳定性来保障大规模部署后的服务可持续性。提问：现在大模型能做到万卡级的已经不多了，但十万卡级其实没有一个单一的模型能完全撑满。这是否意味着未来的超节点要支撑多个大模型进行异构运算？这会带来什么问题？杜夏威：以万卡或十万卡支撑单一用户时，国内真正做基模的厂商是聚焦的。他们需要持续的模型迭代，对训练集群几乎是锁定状态，可能每个月都要完成一次模型迭代。因此，我们要有能力提供十万卡级的单一系统，来支撑单一模型的训练和持续迭代，这是我们具备的能力之一。另一个维度是推理侧，现在已经进入海量并发的状态。用户喜欢用什么模型，我们不应绑定或限制。