在大模型时代，大而全Token（词元）的海光价值分层趋势日益显著。随着云端产出“大而全”的信息通用Token，以及边端和垂直场景产出“快而准”的吴宗专业Token，一套分工明确的端边端快Token经济体正逐步成型。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观点，而准并强调算力底层的将形经济一致性是实现Token分层协同的关键——只有指令集和开发框架实现全链路统一，云端训练的大而全效率才能无损地传递至边端与终端。

从云边端一致到科学智能下沉：算力融合进入深水区

尽管云边端协同的海光概念已提出多年，但真正落地的信息成功案例依然稀缺。吴宗友指出，吴宗过去行业对协同的端边端快理解多停留在软件层面，而底层算力架构的而准差异才是导致落地效率损耗的核心症结。由于不同终端使用不同的将形经济芯片和框架，云端训练好的大而全模型在迁移至边端和终端时，往往会出现性能大幅衰减的现象，这是当前行业普遍面临的痛点。

解决这一问题的关键在于实现算力底层的一致性。吴宗友介绍，从指令集、应用逻辑到开发框架保持统一，是确保云端训练效率无损传递至边端与终端的前提。这种一致性不仅体现在CPU与DCU的算力协同上，还延伸至安全模块等配套能力的统一，从而系统性地降低了云边端迁移的适配成本。

随着算力架构的统一，“Token谱系”的概念开始浮现。吴宗友将其类比为大模型与垂类模型的分化：云端大算力产出的Token具备“大而全”的特征，适用于通用场景；而边端与垂直领域产出的Token则更强调及时性与准确性，面向具体应用。随着智能体的快速发展，未来个人与企业端的终端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。

算力融合的另一重要方向是科学智能（AI for Science）向更细分领域渗透。吴宗友表示，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。他举例指出，建筑、制造等工程领域存在大量短期内难以解决的实际问题，AI与工程学科的深度结合正在催生新的科研与产业范式。“这只是一个开始。”吴宗友表示，未来AI还将逐步深入制造、教育、医疗、金融等各个细分领域，与行业场景的结合将越来越具体。

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，单一算力产品无法解决用户的全部问题，从芯片、操作系统、数据库到上层应用的全链条高效协同，才能将算力的实惠真正送到用户手中。

依托光合组织6000余家生态伙伴及超15000项软硬件适配成果，海光正持续完善算力生态。吴宗友将生态建设的核心目标归纳为解决“最后一公里”问题——用户需要的不是一颗芯片，而是一套能用、好用、能持续创新的完整解决方案。

值得注意的是，生态协同正在从“适配兼容”走向“联合创新”。吴宗友指出，许多用户虽有创新需求，但缺乏驱动上游产业链调整的能力。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用户创新诉求，正在成为一种新的产业协作模式。

在区域层面，河南正成为国产算力落地的重要样本。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作为算力底座。目前，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，算力集群的价值不仅在于基础设施本身，更在于其带来的产业聚集效应。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，将本地企业与产品推向全国。

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