炒股就看金麒麟分析师研报，大而全权威，海光专业，信息及时，吴宗完整，端边端快助您挖掘潜力主题机会！而准

（来源：证券时报）

大模型时代的将形经济Token（词元）正在走向价值分层。当云端产出“大而全”的大而全通用Token、边端与垂直场景产出“快而准”的海光专业Token，一套各司其职的信息Token经济体正呼之欲出。海光信息副总裁吴宗友近日在接受证券时报等媒体采访时提出这一判断，吴宗并指出算力底层一致性是端边端快实现Token分层协同的基础——唯有指令集、开发框架全链路统一，而准云端训练效率才能无损传递至边端与终端。将形经济

从云边端一致到科学智能下沉 算力融合进入深水区

云边端协同喊了多年，大而全真正落地的案例却并不多见。吴宗友指出，过去行业谈协同更多停留在软件层面，而底层算力架构的差异才是落地效率损耗的核心症结。不同端采用不同芯片、不同框架，导致云端训练好的模型迁移到边端、终端时性能大打折扣，这是行业普遍面临的痛点。

处理这一难题的关键在于算力底层的一致性。吴宗友说明，从指令集、应用逻辑到开发框架保持统一，云端训练的效率才能无损地传递到边端与终端。这种一致性不止体现在CPU与DCU的算力协同上，甚至可靠模块等配套能力也实现了统一，从而系统性降低了云边端迁移的适配成本。

伴随着算力架构的统一，“Token谱系”的概念开端浮现。吴宗友将其类比为大模型与垂类模型的分化。他指出，云端大算力产出的Token“大而全”，适合通用场景；而边端与垂直领域产出的Token更强调及时性与准确性，面向具体应用。随着智能体的迅速发展，未来个人与公司端的终端Token需求将显著增长，不同层级算力产出的Token价值将进一步分化，形成各司其职的Token经济体系。

算力融合的另一关键方向是科学智能（AI for Science）向更细分领域渗透。吴宗友指出，科学智能并非单一赛道，而是覆盖从高端科学计算到家庭辅助机器人等多元场景。在AI for Science领域已有成熟积累的基础上，行业正进一步走向AI for Engineering等更精细化的方向。他举例，建筑、制造等工程领域存在大量短期内难以处理的实际难题，AI与工程学科的深度结合正在催生新的科研与产业范式。“这只是一个开端。”吴宗友指出，未来AI还将逐步深入制造、教育、医疗、金融等各个细分领域，与行业场景的结合会越来越具体。

生态协同破局“最后一公里”

算力能否真正产生价值，最终取决于产业链上下游的协同深度。吴宗友强调，单一算力商品无法处理客户的全部难题，从芯片、操作系统、数据库到上层应用的全链条高效协同，才能把算力的实惠真正送到客户手中。

依托光合组织6000余家生态伙伴、超15000项软硬件适配成果，海光正持续完善算力生态。吴宗友将生态打造的核心目标归纳为处理“最后一公里”难题——客户需要的不是一颗芯片，而是一套能用、好用、能持续革新的完整处理方案。

值得注意的是，生态协同正在从“适配兼容”走向“联合革新”。吴宗友指出，许多客户有革新需求但缺乏驱动上游产业链调整的能力，而由算力厂商牵头，联合操作系统、数据库、云厂商等生态伙伴共同响应客户革新诉求，正在成为一种新的产业协作模式。

区域层面，河南正在成为国产算力落地的关键样本。在光合组织2026智能计算应用大会期间，中国首个全国产十万卡AI超集群——曙光8000（登峰）正式落成，系统搭载海光等国产芯片算力底座。当前河南的运营商、金融机构、高校及科研单位已广泛开展国产算力应用实践，覆盖教育、科研、工程等多个领域。

在吴宗友看来，算力集群的价值不止于基础设施本身，更在于产业聚集效应，有了算力底座，人工智能相关产业将逐步向区域汇聚，再通过光合组织等生态平台将本地公司与商品推向全国。

谈及未来挑战，吴宗友指出，下一步的重点在于精细化落地，在通用方案成熟的基础上，结合各地产业特点与细分需求，进一步打磨场景化处理方案，让算力红利真正渗透到产业的毛细血管中。