华为算力落地医院与无人配送：384张昇腾910C超节点在杭州投用

杭州桐坞村，一辆无人配送车停稳后，车厢底板缓缓降下，载着货物的机器狗从车里驶出，接着跑完最后一段路。

这个村子以茶产业为主。以前村民搬米面粮油这类重物挺费劲，商户补货也得搭上人力。现在行深智能在这里试水无人车加机器狗的接力配送。

动作看着简单，背后靠的是大量计算。车辆要实时辨认路况，云端还要训练模型、迭代算法，这些都离不开算力。华为云就是该项目的合作方之一。

11月9日至11日，华尔街见闻·全天候科技走访了浙江移动杭州智算中心、行深智能以及浙江中控信息产业股份有限公司（下称“中控信息”）等企业，实地了解国产算力在各产业场景的部署与使用情况。

走到产业一线就能发现，不同客户对算力的要求已经拉开差距。计算规模、部署方式、推理效率、供应稳定性，各场景的算力需求正越分越细，华为的产品与技术适配能力也因此面对新的考验。

另一边，工业现场的大量设备跑着不同的操作系统、用着不同的通信协议，数据流通和设备协同仍有卡点。AI越深入生产流程，底层系统之间的互联互通就越成为产业智能化的硬需求。

从昇腾算力到开源鸿蒙，华为多年攒下的计算、通信和操作系统技术，正在产业现场拿到更多用武之地，同时也要接受检验。

各有痛点

AI应用铺进更多产业场景后，客户对算力的需求明显分化。要扛大模型训练和推理的智算中心，扩计算规模仍是重点；可到了医院、自动驾驶这类具体场景，客户还得盘算本地部署、推理效率和算力供应稳不稳。

需求一分开，算力厂商就没办法只靠多插计算卡来交差。

数据中心是个例子。浙江移动杭州智算中心上了一套超节点，搭载384张昇腾910C计算卡，由12个计算柜和4个总线设备柜构成，FP16算力288 PFLOPS，靠华为自研的灵衢总线做高速互联。

大模型训练和推理的需求往上走，计算集群的规模也跟着扩。可计算卡加得多，效率未必跟着涨。芯片之间的数据传输、通信延迟、资源调度，都会拖住整个系统的表现。

华为的办法是用超节点架构，把数百张计算卡拢成一个统一系统，压掉大规模计算中的通信开销，让整体运行效率提上来。

但智算中心那种拼规模的思路，放到产业客户身上并不成立。

在浙江省人民医院，杭州全诊医学与华为联手打造的AI应用，已经融入医生的日常工作。医生查房时佩戴随身麦克风，把医患之间的对话录下来，系统再结合患者已有的病历和检查资料，辅助生成查房记录等医疗文书，最后由医生审核、修改。到今年上半年，这套应用累计生成的医疗文本已超过10万份，涉及40多个科室。

医院要保护数据，往往得把AI系统部署在院内。可医院能拿出的计算资源有限，医生对模型响应速度的要求又高。

全诊医学CFO潘守翔对全天候科技等媒体说，医疗场景很看重模型的响应速度，医生问诊时等不起参数规模庞大的模型出结果。他判断，参数超过100B的大模型，在部分实时问诊场景里很难直接满足需求。

医院用AI还有明显的忙闲差。每天上午9点至11点，门诊、住院业务集中，AI调用需求大；到了晚上，部分计算资源又可能闲着。

算力有限，需求又摆在那，全诊医学的做法是模型压缩、端侧专精模型以及大小模型协同，把模型运行所需的计算资源压下来。语音转写、信息提取、病历生成这些任务对模型能力的要求各不相同，按任务匹配不同规模的模型，省掉不必要的大模型推理开销。

还有一类产业客户，最看重的是算力能不能持续稳定地供上。

杭州桐坞村，行深智能正与华为云、浙江省智能网联汽车创新中心合作，摸索无人车和机器人的接力配送。乡村道路窄、路面不平，路边停车也不规整，还可能冷不丁窜出小狗之类的动物。自动驾驶系统得靠不断积累数据、训练模型，才能把这些长尾问题一个个啃下来。

行深智能创始人、首席科学家安向京对全天候科技说，华为云给的训练和推理服务器，让公司能把车辆跑路时碰上的问题收进数据闭环，再借世界模型仿真把训练场景铺开，算法得以持续打磨。

这类研发离不开反复调用云端算力。车在桐坞运村跑得顺，换到别的道路环境，照样会撞上以前没处理过的情况，训练和验证还得接着做。

挑云服务伙伴时，安向京看的不只是算力强弱。

“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。”安向京说，眼下算力能不能稳定供上，仍是个难题。

各产业场景对算力规模、部署方式、使用效率的要求并不一样，华为的算力供给也因此从大集群往更多样的产业需求上铺。

同一种语言

算力进了更多产业场景之后，企业碰到的技术麻烦也不再只是怎么配计算资源。

工业领域尤其明显：算力和模型就算都备齐，AI也未必能直接下场干活。

传感器、控制器、生产设备往往来自不同厂商，操作系统和通信协议各走各的，数据散落在各自系统里，设备之间很难配合起来。

想让AI真正进到生产流程里，产业端得有一套技术底座，把不同设备连起来，统一通信和控制方式，模型才拿得到现场数据，进而调用设备把活干完。

中控信息就是例子。这家公司长期做城市基础设施的自动化和智能化，在智慧交通、水务、建筑园区等项目里，经常要把不同厂商的传感器、控制器和软件系统接到一起。

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对全天候科技说，以前做城市基础设施项目，设备的内核和通信协议各不相同，彼此之间“说着不同的语言”。

接入的设备越来越多，系统集成商不光要一个个做接口适配，后续的数据交换、设备管理也得管，项目开发和维护的成本就上去了。

中控信息的办法是在开源鸿蒙上开发工业控制系统，再通过旗下专业公司把产品推出去。

开源鸿蒙的基础代码由华为捐赠，眼下由开放原子开源基金会孵化，行业企业一起参与建设。中控信息把自己在工业自动化上的积累搬过来，围绕开源鸿蒙做控制系统和设备管理平台，目标就是让不同厂商的设备跑在同一套技术体系里。

不过，工业设备做鸿蒙化改造，不是换个操作系统那么简单。

工业控制系统对实时性、确定性和可靠性的要求，比消费电子产品高得多。

姜雪明说，手机死机了重启一下就行，受影响的不过是体验；工业场景不一样，系统一重启，质量、安全、原材料都会跟着受损。

所以中控信息得围着传感器、控制器、网关和上层软件做适配，让开源鸿蒙扛得住不同工业设备的运行和控制要求。

现在，中控信息已经搭出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，统一操作系统给不同设备提供基础运行环境，分布式软总线让设备能自动发现、自动通信，设备模型则用来描述各类设备有哪些功能、上层软件怎么识别和调用它们。

靠这套技术体系，以前要分开适配的设备有机会跨系统协同，开发人员也不用一遍遍写接口。

设备之间能不能互通，还关系到AI能拿到多少生产数据。

姜雪明拿工业现场常见的水泵和阀门举例。以前这类设备可能只往管理平台传个开关信号，传感器、控制器和系统改造之后，平台还能拿到故障状态、轴温等运行参数。

数据细了，AI就能分析设备运行情况、找出潜在故障，进一步做预测性维护。

与此同时，部分项目的交付效率也因统一技术底座而得到改善。

姜雪明介绍，一些运维项目中的设备调试工作，过去要花一周，现在大约两个小时就能完成。

在走访现场，姜雪明还展示了基于开源鸿蒙的设备交互能力：用鸿蒙手机碰一下设备，就能调出对应功能，控制照明，或者读取温湿度、空气质量等环境数据，不需要再单独安装应用。

不过姜雪明也坦言，这种交互眼下主要依托鸿蒙手机。对其他终端，中控信息还在尝试用云服务和小程序来提供相应能力。

但工业设备要真正做到广泛互通，挑战仍然不少。

工业设备使用周期长，传统企业已经部署了大量不同年代、不同厂商的生产设备，短时间内全部换掉并不现实。另外，水务、轨道交通这类公共基础设施领域，对操作系统的安全性和稳定性要求更严。

目前中控信息的开源鸿蒙相关产品已在建筑园区等场景落地，也在与水务行业客户合作。轨道交通方面，城轨鸿蒙的标准制定、产品研发和应用示范还在推进，尚未进入大规模复制阶段。

开源鸿蒙要产业化，技术本身得逐步成熟，也离不开设备厂商一起做适配、推动行业标准统一，并在实际项目中检验系统可靠性。

整体来看，AI从数据中心走向产业一线后，不同场景对算力性能、部署方式和稳定性的要求越来越分化，设备与系统之间的互联互通也随之成为新的技术需求。

对华为来说，一边是用昇腾、华为云等满足不同产业客户的算力需求，另一边是依托开源鸿蒙生态，让更多设备和系统“说同一种语言”。两条路径一起推进，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。