合作双方和合作详情
海光信息作为国产芯片的头部厂商，近年来在AI算力领域持续布局，其DCU（深度计算处理器）产品线已进入市场应用阶段，目前深算一号、深算二号均已商用，深算三号正在研发中。
海光DCU采用GPGPU架构，软件平台DTK兼容CUDA生态，支持TensorFlow、PyTorch等主流AI框架，适配绝大多数开源大模型，可满足能源、重工等关键行业信创合规与数据安全需求。
卡奥斯作为海尔孵化的工业互联网平台，基于海尔四十余年制造经验打造了天智工业大模型，已沉淀200余项专家算法、110余款智能体开发工具，落地40余个高价值工业智能体，覆盖石油化工、家电、能源等9大行业40多个场景。连续7年位列国家级双跨平台收尾，至今为止已跨行业打造17座灯塔工厂。
此次两大龙头合作后，将打通工业智能化升级的关键环节——国产工业AI的算力替代。
从具体技术指标上来看，卡奥斯COSMOPlat原生适配海光国产算力后，通过智能调度实现算力动态分配，算力整体利用率提升30%，资源闲置率降至10%以内。
而在落地层级，依托海光DCU的低延迟、高并行算力，工业垂域模型的调优周期从周级别压缩至天级别，设备诊断、智能配方生成等场景响应效率获得显著提升。
当然还有一个值得关注的点，整套方案从算力芯片、模型平台到行业应用实现全链路国产化，全方位覆盖工业数据与工艺安全的合规要求。
结语
从目前制造业智能化大体发展情况来看，通用大模型在脱离具体工业现场后往往缺乏实用性，外加海外算力方案在信创合规要求下，又存在一定的不确定性，不少制造企业在引入AI过程中遇到算力资源配置不合理、实际利用率偏低的问题。
此次海光与卡奥斯合作，双方以海光的国产算力为底座，配合卡奥斯积累多年的垂直工业大模型的实践经验，需要解决的是工业场景碎片化和数据安全门槛这两大挑战。
而从双方此次选择以“算力效率”为突破口，将利用率从平均偏低水平拉到更高区间，其本质上是把制造业的算力成本逻辑，从以往那种单纯“堆硬件”转向“调度优化”，这在行业算力普遍较为吃紧的当下，目前看来更有实际的经济意义。
当然，调优周期从周级压缩至天级，意味着工业现场试错成本也将大幅降低，对于中小制造企业介入AI改造来说，门槛也会进一步下降。
如果算力不再成为行业发展稀缺资源和效率瓶颈，工业AI才有机会从“头部企业的专属实验”走向“更多制造企业的日常工具”，而这种规模化落地的前奏奏响，也将有更多实际数据反馈迭代优化，让国产工业AI进入一个良性循环。
（来源：维科网）
