在杭州桐坞村，一辆无人配送车停下后，车厢底板缓缓下降，搭载货物的机器狗随后驶出，继续完成最后一段配送。
在这座以茶产业为特色的村庄里，过去，村民搬运米面粮油等重物并不方便，商户补货也需要投入人力。如今，行深智能正在这里探索无人车与机器人的接力配送。
看似简单的动作背后离不开复杂的计算能力。从车辆实时识别路况，到云端模型训练和算法迭代都需要算力支撑。华为云正是这一项目的合作伙伴之一。
11月9日至11日，华尔街见闻·全天候科技调研走访了浙江移动杭州智算中心、行深智能及浙江中控信息产业股份有限公司（下称“中控信息”）等企业，了解国产算力在不同产业场景中的部署和应用情况。
深入产业一线后可以看到不同客户对算力的需求差异逐渐显现。从计算规模、部署方式到推理效率和供应稳定性，产业场景正在形成更加细分的算力需求，也对华为的产品和技术适配能力提出了新的要求。
与此同时，工业现场大量设备采用不同的操作系统和通信协议，数据流通与设备协同仍存在障碍。随着AI进一步参与生产流程，底层系统的互联互通也成为产业智能化的重要技术需求。
从昇腾算力到开源鸿蒙，华为多年积累的计算、通信和操作系统技术，正在产业现场迎来更广泛的应用机会与考验。
各有痛点
随着AI应用进入更多产业场景，不同客户对算力的需求开始出现明显分化。
对于需要承载大模型训练和推理任务的智算中心而言，扩大计算规模显然仍是关键；但进入医院、自动驾驶等具体场景后，产业客户还需要考虑本地部署、推理效率和算力供应稳定性等问题。
这些差异也让算力厂商不能只依靠增加计算卡数量来满足客户需求。
以数据中心为例，浙江移动杭州智算中心部署了一套搭载384张昇腾910C计算卡的超节点。
这套系统由12个计算柜和4个总线设备柜组成，FP16算力达到288 PFLOPS，并通过华为自研的灵衢总线实现高速互联。
随着大模型训练和推理需求不断增长，计算集群的规模也在持续扩大。但简单增加计算卡并不意味着计算效率能够同步提升。多颗芯片之间的数据传输、通信延迟和资源调度同样会影响整个系统的性能。
华为通过超节点架构，将数百张计算卡组织成统一系统，减少大规模计算中的通信开销，提高整体运行效率。
不过大型智算中心对计算规模的追求并不适用于产业客户。
在浙江省人民医院，杭州全诊医学联合华为开发的AI应用已经进入医生的日常工作流程。
医生查房时，可以通过随身麦克风记录医患交流，系统结合患者既有病历和检查资料，辅助生成查房记录等医疗文书，再由医生审核修改。截至今年上半年，相关应用累计生成医疗文本超过10万份，覆盖40多个科室。
出于保护数据的需求，医院往往需要将AI系统部署在院内环境中。同时，医院能够投入的计算资源有限，医生却对模型响应速度有着较高要求。
全诊医学CFO潘守翔向全天候科技等媒体表示，医疗场景对模型响应速度的要求很高，医生问诊时很难等待参数规模庞大的模型生成结果。按照他的判断，超过100B参数的大模型很难直接满足部分实时问诊场景的需求。
与此同时，医院使用AI还存在明显的峰谷差异。每天上午9点至11点，门诊、住院等业务集中开展，AI调用需求较大，而到了晚上，部分计算资源却可能处于闲置状态。
为了在有限的算力资源下满足医疗需求，全诊医学通过模型压缩、端侧专精模型及大小模型协同，降低模型运行所需的计算资源。语音转写、信息提取和病历生成等任务对模型能力的要求不同，通过匹配不同规模的模型，减少不必要的大模型推理开销。
对于另一部分产业客户而言，算力的持续稳定供应则是首要考虑因素。
在杭州桐坞村，行深智能正在与华为云、浙江省智能网联汽车创新中心合作，探索无人车与机器人的接力配送。
乡村道路狭窄、不平整，路边车辆停放不规则，还可能突然出现小狗等动物。自动驾驶系统需要持续通过数据积累和模型训练解决这些长尾问题。
行深智能创始人、首席科学家安向京向全天候科技表示，华为云提供的训练和推理服务器，支持公司将车辆运行中遇到的问题纳入数据闭环，并通过世界模型仿真扩展训练场景，持续优化自动驾驶算法。
这种研发过程需要不断调用云端计算资源。即使车辆已经能够在桐坞运村行，进入其他道路环境后，仍然可能遇到此前没有处理过的问题，需要继续开展训练和验证。
安向京选择云服务合作伙伴时，并不只考虑计算性能。
“第一个就是自主可控，这个是非常重要的。第二个是稳定供货，也是非常重要的。”安向京表示，当前算力的稳定供应仍然是一项挑战。
不同产业场景对算力规模、部署方式和使用效率的要求各不相同，也推动华为的算力供给从大规模集群向更加多样化的产业需求延伸。
同一种语言
随着算力进入更多产业场景，企业面临的技术难题也不再局限于计算资源的配置。
特别是在工业领域，即使拥有足够的算力和模型，AI也未必能够直接参与生产。
大量传感器、控制器和生产设备来自不同厂商，采用不同的操作系统和通信协议，数据分散在各自的系统中，设备之间难以协同运行。
要让AI真正进入生产流程，产业端还需要一套能够连接不同设备、统一通信和控制方式的技术底座，使模型能够获取生产现场的数据，并进一步调用设备完成相应任务。
以中控信息为例，这家公司长期从事城市基础设施自动化和智能化建设，在智慧交通、水务、建筑园区等项目中经常需要将不同厂商的传感器、控制器和软件系统连接起来。
中控信息高级副总裁、浙江开鸿智控数字科技有限公司总经理姜雪明向全天候科技表示，过去在城市基础设施项目中，不同设备往往基于不同的系统内核和通信协议，彼此之间“说着不同的语言”。
随着接入设备数量不断增加，系统集成商不仅需要分别完成接口适配，还需要解决后续的数据交换和设备管理问题，增加了项目开发和维护成本。
为解决这一问题，中控信息选择在开源鸿蒙基础上开发工业控制系统，并通过旗下专业公司推动相关产品落地。
开源鸿蒙的基础代码由华为捐赠，目前由开放原子开源基金会孵化，行业企业共同参与建设。中控信息则结合自身在工业自动化领域的技术积累，围绕开源鸿蒙开发控制系统及设备管理平台，希望让不同厂商的设备能够在统一的技术体系下运行。
但工业设备的鸿蒙化改造并不是简单更换操作系统。
与消费电子产品不同，工业控制系统对实时性、确定性和可靠性有着更高要求。
“它不像手机一样，就死机，大家可以重启一下，影响的只是体验。但在工业场景中，系统重启影响的是质量、安全和原材料的损伤。”姜雪明表示。
如此背景下，中控信息需要围绕传感器、控制器、网关及上层软件进行适配，让开源鸿蒙能够满足不同工业设备的运行和控制要求。
目前，中控信息已经开发了由开源鸿蒙控制系统、超级设备管理平台和行业应用组成的产品体系。
其中，统一操作系统为不同设备提供基础运行环境，分布式软总线支持设备自动发现和通信，设备模型则用于描述各类设备具备哪些功能，以及如何被上层软件识别和调用。
通过这套技术体系，过去需要分别适配的设备有机会实现跨系统协同，也能够减少开发人员反复编写接口的工作。
设备之间的互联互通，还将影响AI能够获取多少生产数据。
姜雪明以工业现场常见的水泵和阀门举例。过去，这类设备可能只能向管理平台上传简单的开关信号，但经过传感器、控制器和系统改造后，平台还可以获取故障状态、轴温等运行参数。
这些更加细致的数据能够帮助AI分析设备运行情况、识别潜在故障，并进一步开展预测性维护。
与此同时，统一技术底座也开始改善部分项目的交付效率。
姜雪明表示，在一些运维项目中，原本需要一周的设备调试工作，如今可以缩短至约两个小时。
走访现场，姜雪明还演示了基于开源鸿蒙的设备交互能力。使用鸿蒙手机触碰设备，便可以调出相应功能，对照明进行控制，或者读取温湿度、空气质量等环境数据，无须额外安装独立应用。
不过，姜雪明承认这种交互目前主要基于鸿蒙手机。针对其他终端，中控信息还在探索通过云服务和小程序提供相关能力。
但让工业设备真正实现广泛互通，仍然存在不少挑战。
一方面，工业设备使用周期较长，传统企业已经部署了大量不同年代、不同厂商的生产设备，不可能在短时间内全部更换。另一方面，水务、轨道交通等涉及公共基础设施的领域，对操作系统的安全性和稳定性有着更加严格的要求。
目前，中控信息的开源鸿蒙相关产品已经在建筑园区等场景应用，并与水务行业客户开展合作。轨道交通领域则仍在推进城轨鸿蒙标准制定、产品研发和应用示范，尚未进入大规模复制阶段。
开源鸿蒙的产业化不仅需要技术本身逐步成熟，还需要设备厂商共同完成适配，推动行业标准统一，并在实际项目中验证系统的可靠性。
整体来看，随着AI从数据中心走向产业一线，不同场景对算力性能、部署方式和稳定性的要求日益分化，设备与系统之间的互联互通也成为新的技术需求。
对于华为而言，一方面通过昇腾、华为云等满足不同产业客户的算力需求，另一方面依托开源鸿蒙生态，推动更多设备和系统“说同一种语言”。两条路径共同推进有望降低AI进入传统产业的技术门槛，推动更多应用从单点试验走向规模化落地。
