一个产业的技术生态，通常有两种发展路径。

一种是垂直整合、由单一强者主导；另一种是开放标准、由多元玩家共建，过去十几年，智能手机生态的演进，就已将这两种路径的差异和结果，清晰地呈现在世人面前。

2025年，当人工智能成为驱动所有行业变革的核心变量时，同样的选择题，也摆在了中国的计算产业面前。

AI需要算力，这是共识，但算力从哪里来，如何组织，如何变得像水和电一样易于使用，问题远比“建更多的数据中心”复杂得多。

当国内众多厂商都在努力向上突破时，一个现实的问题亦摆在眼前，各家的技术标准、接口协议并不相通，算力资源被分割在一个个“孤岛”上，大家都很努力，但力气，似乎没使到一处去。

所以，眼下，摆在中国计算产业面前的，是一个根本性的路线问题：是走“苹果”式的垂直整合之路，还是走“安卓”式的开放共建之路？这个问题，在产业层面被讨论了许久。

直到2025年9月5日，国内计算领域的领军企业中科曙光（603019.SH）在重庆世界智能产业博览会上，用行动给出了回应，其联合产业链上下游超过二十家企业，共同发布了国内首个“AI计算开放架构”。

国产计算产业要走“安卓”路线，这件事过去只是讨论，但这一次，大家用站在一起的方式，首次表明了集体态度。

这个动作本身，比发布会上展示的产品更值得探究，它指向了一些更深层的问题，这套开放架构，究竟要解决什么？当行业更习惯于“闭门造车”、构筑私有护城河时，曙光为何要选择做那个最难的“修路的人”？

中科曙光的选择，正是要回答一个最根本的问题：在AI时代，一家计算产业的领军企业，其真正的责任是什么？

曙光为何能当“破壁”者？

要理解曙光的选择，首先需要看懂其所处的产业现实，现阶段，一个摆在中国计算产业面前的问题是，单家公司的技术跑得再快，也解决不了整个行业协同的难题。

这个问题的背后，是两大宏观背景的交汇。

先看国家战略层面，近年来，《算力基础设施高质量发展行动计划》明确提出要优化算力资源布局；《信息化标准建设行动计划》则强调了推进算力标准互认和技术协同的必要性。

这些纲领性文件虽然各有侧重，但共同传递出一个清晰的信号。推动构建一个自主、统一且强大的全国性算力大市场，已不再仅仅是部分企业的愿景，而是被摆在了产业发展的核心位置。

再看产业发展层面，目前，中国的算力企业，在各自的领域都已取得了长足进步。

但在整体上，却长期处于一种“强竞争、弱合作”的状态，不同厂商的服务器、芯片、存储与网络设备，大多采用私有接口与协议。

这种技术路线上的不兼容，导致了大量的资源浪费和协同内耗，用一句大白话说就是，每家公司都在很努力地“修路”，但修的都是自家门前那一段，彼此之间连不起来，更跑不成一张网。

这种“一盘散沙”的局面，直接形成了几个现实的瓶颈，异构算力适配困难，用户需要花费大量精力“重复造轮子”，宝贵的算力资源无法高效协同，整体上难以形成与外部成熟生态相抗衡的合力。

一方面，是国家战略对构建协同、统一算力体系的明确要求；另一方面，是产业内各厂商技术自成体系、难以高效联动的现实。

这种顶层设计与产业现实之间的巨大落差，正是国产计算产业在AI时代需要解决的核心矛盾。

因此，行业需要出现一个引领者，其价值不再是单纯衡量自身的业务规模，而在于它是否有能力、有意愿，更有担当，去着手解决整个产业的协同问题。

而要理解一家企业在产业格局中的位置，是否能够成为引领者，关键是看它解决了哪些根本性问题。

AI算力时代的所有参与者，都面临着一个共同的物理制约：功耗与散热。

随着芯片功耗进入千瓦时代，传统风冷技术已难以为继，散热能力直接决定了算力能否有效释放，算力就是功率，功率最终都会变成热量。

随着芯片功耗从几十瓦飙升到上千瓦，如何让这些“性能怪兽”冷静下来，已经成为所有数据中心最头疼的问题，芯片工作温度每升高10度，失效率就可能翻倍。

在AI大模型训练动辄需要成千上万张加速卡协同工作的当下，任何一次过热导致的宕机，带来的损失都可能是惊人的。

散热，这项工作虽然不直接产生算力，却是决定算力能否被有效释放的关键前提。

中科曙光在散热领域的布局，从2011年就开始了。当行业还在风冷唱主角的时代，曙光已经投入对液冷技术的研究，研发过程并非一蹴而就，而是经历了从“冷板式液冷”，到“浸没液冷”，再到“浸没相变液冷”的三代技术迭代。

这些技术迭代的成果，可以由一组关键数据来衡量，相较于传统风冷，曙光的液冷解决方案能让数据中心节能30%以上；单机柜的功率密度，从最初的几十千瓦，提升到了200千瓦，再到如今的750千瓦以上，这意味着在同等面积的机房里，可以塞下比过去高出数倍甚至数十倍的计算能力。

花十几年时间，去解决一个“降温”的问题，这种看似“慢”的功夫，恰恰构筑了最深的护城河。

它证明了一家企业，不仅关心如何把芯片的算力提上去，更关心如何让这些算力稳定、高效、绿色地落下来，这种解决最底层、最棘手行业难题的经验与定力，是成为引领者的先决条件。

液冷技术，证明了曙光有能力解决产业的纵向技术难题；而其覆盖高端计算、存储到云计算的完整布局，则证明了它具备理解产业的横向全局视野。

这种纵向深度与横向广度的结合，是其提出系统性解决方案的基础。

根据2025年半年报，中科曙光的业务版图，覆盖了高端计算、存储、安全、数据中心和云计算等IT基础架构的所有核心环节。它不仅仅是一家硬件制造商，更是国内少数具备“全栈能力”的企业。

这种“全栈”，体现在几个层面。

在硬件上，它不仅有服务器，还有连续多年中标中国移动集采、在多个行业市场份额领先的ParaStor分布式存储和FlashNexus全闪存存储；在软件上，它有全栈云服务能力，并在全国多个城市建设运营“城市云”；更重要的是，它打通了从上游核心部件、IO模块，到中游服务器、存储，再到下游云计算平台和算力服务的全产业链条。

这种布局的好处是，曙光比任何“单项冠军”都更理解一个完整的算力系统是如何工作的。

它知道芯片和主板之间如何协同，知道服务器和存储之间如何以最低延迟交互，也知道数据中心的基础设施如何与IT设备实现“双层融合”。

正是因为对每一个环节的“痛点”都有切身体会，它才最清楚“壁垒”是如何形成的，也才最有资格提出一套打破壁垒的公共规则。

当然，所有战略雄心，最终都需要坚实的经营状况作为支撑。

根据2025年半年报，中科曙光上半年实现营业收入58.50亿元，与上年同期相比增加2.41%。而在营收基本保持平稳的背景下，公司的盈利能力出现了显著提升，归属于母公司所有者的净利润为7.29亿元，同比增长29.39%。如果扣除非经常性损益，这个数字则为5.69亿元，同比增长达到55.20%。 

经营成绩背后，传递出一个清晰的信号，中科曙光已经走过了单纯依靠硬件规模扩张的阶段，进入了依靠技术和解决方案提升价值的更高维度。

一个自身经营健康、盈利能力持续向好的企业，才拥有足够的“战略定力”，去思考和投入那些超越短期商业利益、着眼于整个产业生态的长期事业。

深厚的技术积累、完整的产业布局，以及健康的经营状况——这三项要素，共同构成了中科曙光在产业需要系统性变革时，能够扮演引领者角色的前提条件。

AI也需要“普惠”

一家企业在技术和产业上做到领先之后，通常有两种选择。一种是把自己的技术和产品打包，形成一个封闭的体系，另一种，是把自己的能力开放出来，为整个行业牵头建立一套开放共享的技术标准。

前者是商业的惯性，后者则需要一种超越商业的考量。中科曙光的选择，是后者。

而要理解曙光的选择，首先要看懂产业的“堵点”在哪。

过去几年，国内算力产业的一个现实是，各家厂商都在努力构建自己的技术和产品体系。

这本身是进步，但也带来了一个普遍的难题，由于缺乏统一的技术标准，不同厂商的服务器、存储设备和算力调度平台，大多采用的是私有接口和协议。

这给用户带来了最直接的困扰，今天用了A家的产品，明天想接入B家的技术，可能会发现两者互不兼容。

为了让它们协同工作，就需要投入大量额外的研发资源。这种“重复造轮子”式的消耗，不仅抬高了算力的使用成本，也拖慢了应用创新的速度，对于整个产业而言，这种局面让国产算力资源难以形成合力。

正是为了解决这个行业性的“堵点”，中科曙光才发起了构建开放架构的行动。

根据官方定义，“AI计算开放架构”是一个“面向大规模智能计算场景，以GPU为核心的高效紧耦合协同创新体系”，其目标，是联动产业链上下游的所有伙伴，将过去在“算、存、网、电、冷、管、软”等环节的单点突破，转向系统性的集群创新。

具体来说，这套架构开放了五个层面的技术能力：部件级、系统层、基础设施层、软件层和数据集层。

基于这套架构，曙光同期发布了AI超集群系统，这套系统最关键的特性，不仅仅在于它自身的性能很高，还在于它的“开放”是具体且可验证的，它明确支持适配多品牌的加速卡，并兼容CUDA等行业主流的软件生态。

这意味着，用户不必再被单一的技术路线绑定，产业链上的合作伙伴，也不必再为不同厂商的专有标准，重复投入研发资源。

当然，一套架构设计得再好，也可能停留在纸面。外界真正关心的是“路”修好之后，上面有没有“车”在跑，跑的又是什么“车”。

对此，曙光用具体的行动给出了回应。

在AI计算开放架构发布后不久，为解决国内产业发展中，对高质量气象数据获取难、成本高的普遍痛点，曙光旗下的中科天机就宣布，开放共享其自主研发的高分辨率气象数据。这一行动，旨在为国内的行业伙伴与科研用户，提供关键的数据要素支撑。

根据其“高分辨率气象数据共享计划”，所共享的数据，包括全球范围12公里分辨率和中国区域3公里分辨率两种模式，覆盖了温度、风场、降水等160余项要素，最长可进行15天逐小时模拟。

这意味着，过去需要高昂成本和复杂渠道才能获取的专业级数据，正通过一个开放的平台，转化为可以支持国内产业应用、赋能本土企业业务创新的具体资源，以此解决行业发展的实际难题。

这些数据一旦流动起来，其价值便开始在千行百业中显现，过去，这些高精度数据是少数机构的专属资源，获取成本高、难度大，而现在，它正在成为许多行业数字化转型的催化剂。

在能源电力领域，清华长三角研究院苏州智慧能源研究中心，利用这些数据为电网的运检作业提供长达46天的风速、雷电等关键要素的精准预测。其直接作用，是为运维单位制定作业计划提供科学依据，从源头保障人员安全、减少设备故障。

在农业生产领域，中国农业大学的实验室，利用高分辨率数据改变了过去依赖稀疏气象站点的建模局限，这使得“一田一日一策”的田块级精准决策成为可能，在西北干旱区的玉米项目中，基于数据制定的科学灌溉建议，最终实现了单产提升与节水节肥的双赢。

在航空安全领域，中国东方航空的运控中心发现，中科天机的数据在强对流天气的落区和强度预测上优势突出，在新疆等沙尘高发地区，运控中心依托其精细预测，成功调整航班避开沙尘，保障了安全，也减少了延误。

在金融保险领域，浙商财险利用这些数据，推动了保险服务从灾后的被动理赔，向灾前的风险防范转变。

从新能源、低空经济，到轨道交通、航海运输，这些来自各行各业合作伙伴的真实反馈，共同回答了一个问题：“算力普惠”到底意味着什么？它意味着一家风电场的发电功率预测可以更准，一片玉米地的灌溉用水可以更省，一趟跨越气象不稳定区域的航班可以更安全。

至此，曙光的战略图景变得清晰。

通过“架构开放”这条“路”，加上“数据共享”这辆“车”，一个正向的产业生态循环得以建立。

开放的架构为国产算力伙伴提供了协同创新的基础，而率先共享的高质量数据，则为这个生态注入了第一批宝贵的“燃料”，当千行百业的应用在这个生态上跑起来之后，又会反过来驱动底层算力和架构的持续优化。

一个从底层算力、中间件，到上层应用和数据的国产计算技术生态闭环，开始加速形成。

中科曙光高级副总裁李斌在发布会上就曾明确表示，AI计算开放架构的最终目标，是“共建开放、普惠的中国智能计算产业生态”。

从开放架构到共享数据，中科曙光这些行动的意义已超越了商业本身。

它指向了一个更清晰的定位，在AI时代，一家核心企业的责任，不仅是成为某个技术环节的领先者，更是要成为整个产业生态的构建者，为全社会的数字化进程提供动力。