作者:智讯智库分析师 许倍
AI正在进入一个更加依赖资本投入、能源保障和复杂工程能力的“重工业时代”。AI基础设施的竞争正在从单颗芯片的峰值性能,延伸至整个计算系统的效率。算力、能源、网络,任何一环受限,都将拖累实际产出。如何以更高效率、更低成本,持续提供可靠的AI算力,正在成为产业竞争的关键。
这一变化使「系统集成」的重要性日益凸显。本文所称的系统集成是指围绕AI训练和推理任务,对计算、网络、能源等关键环节进行统一架构设计、接口协调和联合优化,形成能够规模化部署、稳定运行的完整基础设施方案。在中国的AI基建产业中,华为是观察这一路径的重要样本。它既拥有以昇腾为核心的国产AI计算体系,也长期积累了通信网络、数字能源、云服务和行业交付能力。但覆盖领域全,并不意味着这个路径能顺利跑通。
因此,针对这一问题——AI进入重工业时代,在系统集成的行业趋势下,华为做到了什么、差距在哪里,还有怎样的潜力?智讯智库发布了《AI基建走向「系统集成」:华为的实际进展、竞争门槛与生态潜力》这一报告。
本报告具体围绕三个子问题展开:一是华为具备哪些系统集成的能力基础,已经取得哪些实际成效?二是从跨领域布局到真正跑通系统集成之路,华为还需要跨越哪些门槛?三是华为能否成为AI基础设施的生态组织者,形成生态影响力需要哪些条件?
核心判断主要有:
-
华为已形成以系统能力弥补单点局限的技术路线,并取得局部协同成效。现有项目显示,算力、能源和网络的协同优化已在提升训推效率、降低智算中心能耗和缩短供配电交付周期方面取得成效。
-
华为仍需跨越“整体优化、设计复用、统一交付”三道门槛,才能真正跑通系统集成之路。华为需要验证同等任务下的整体成本优势,让后续项目能够复用架构、配置和工具,并让伙伴按统一标准交付、按明确分工承担责任。
-
华为具备成为生态组织者的潜力,影响力关键在于系统效率与开放协作能否共同建立。可核验的性能与成本优势为伙伴采用提供理由,开放兼容的架构和规则让伙伴能够跨项目持续采用,并共同维护和升级这套体系。

AI重工业时代:
基础设施价值重估与华为样本
全球AI基础设施支出正在快速扩大。据IDC统计,支出由2024年的1,539亿美元增至2025年的3,187亿美元,一年内翻了一番。IDC预计,到2029年,这一数字将达到1.17万亿美元。[1]
中国的变化既体现在建设规模上,也体现在资源组织方式上。据工信部在国新办新闻发布会上披露的数据,截至2026年9月底,全国智能算力规模达2,592 EFLOPS,同比增长146%。[2]国家数据局此前披露,八大国家算力枢纽和三个算电协同发展区集中了全国85%以上的智算规模。[3]随着算力规模扩大,如何统筹和利用这些资源,也成为建设之外的一项重要任务。
在大型智算集群中,数千乃至数万颗芯片需要通过高速网络协同计算,密集运行的设备需要可靠供电和高效散热,模型还要经过软件适配和资源调度。集群规模越大,局部瓶颈的影响越容易放大。AI竞争由此从单项设备性能延伸至系统效率。
算力、能源和网络是AI基础设施相互依赖的重要环节,任何一环受限,都可能制约整体产出。系统集成的价值就在于此。因此,本报告以系统集成的视角,构建涵盖算力、能源、网络三大底座的分析框架,以考察系统集成路径的成效。华为同时布局这三大技术底座,还能通过云服务和政企项目了解实际负载与交付要求,为观察这条路径提供了一个典型样本。

算力底座:
已形成规模化供给
也存在功耗压力
一颗芯片的理论性能,要经过软件适配、集群互联和资源调度,才能转化为真实任务产出。华为先通过软硬件适配让模型运行,再通过高速互联与调度组织集群,最后把算力封装为本地或云端服务供客户调用。供给范围随之从芯片和服务器延伸到系统交付和持续服务。
这条路线已经形成规模。华为2025年AI芯片出货约81.2万颗。[4]据华为2026年9月披露,Atlas 900 A3超节点已部署超过1,000套。[5]截至2025年底,使用华为云智算云服务的全球客户超过1,800家。华为2025年全年云计算业务收入为321.61亿元,同比下降3.5%,年报未单独披露智算云服务收入。[6]
华为算力路线的本质是「用群计算补单芯片」,虽然已经通过系统设计缓解单芯片性能约束,但功耗、软件适配与运维成本仍构成限制。第三方测算显示,CloudMatrix 384的系统理论总算力约为英伟达GB200 NVL72的1.67倍,整套功耗约为后者的4.13倍,单位功耗理论算力约为对照方案的40%。[7][8]华为已能将国产芯片组织成大规模计算系统,而功耗、软件适配与运维成本仍会影响实际任务的运行效率。

能源底座:
供电与散热支撑高密度算力部署
超节点扩大了算力供给,也抬高了供电和散热要求。对智算中心而言,电力能否按期接入、设备能否在高密度下稳定运行,直接关系到算力何时能够投产。
面对AIDC用电需求大、机柜功率密度高、投产窗口短等约束,华为数字能源把供配电、液冷、储能和运维纳入统一设计,并通过工厂预制、现场装配缩短交付周期。以华为云芜湖3D数据中心为例,机电预制率超过90%,相关交付周期由约6个月缩短至3个月内。[9]
运行阶段还要看能耗控制。据华为2025年报,其在中国已交付超过50个智算中心液冷集群项目,并披露相关协同设计与优化节省能耗10%至12%。[6]芜湖案例体现的是机电交付提速,节能幅度来自厂商汇总披露。这两类数据分别对应建设和运行阶段的成效。

网络底座:
互联与调度影响算力利用效率
供电和散热解决了设备能否稳定运行的问题,算卡能否充分参与计算,还取决于数据交换效率。网络拥塞、丢包或故障会增加通信等待。当通信成为瓶颈时,优化网络可以释放已有算力,减少算卡新增量。
华为星河AI网络覆盖数据中心、广域和园区,分别对应AI Fabric、AI WAN和AI Campus。[10]面向数据中心,星河AI Fabric 2.0采用“AI大脑、AI联接、AI网元”三层架构。AI大脑通过网络智能体提高运维效率;AI联接通过网络级负载均衡减少拥塞;AI网元由交换机和光模块等设备构成,承担数据转发和流量感知。这三层共同作用,把高速互联转化为集群的实际任务效率。[11]
据华为披露,星河AI Fabric 2.0方案将整网吞吐提升至95%,训练和推理效率提高10%以上。[11]数据中心之间,高速网络可以连接不同区域的算力资源,实际能承接哪些任务,还要看时延、带宽和数据条件。
局部技术成效之外,华为的AI网络市场表现仍有待进一步观察。据IDC,2026年第二季度,华为以太网交换机收入同比增长28.6%,明显低于全球市场43.4%的增速。同期,美洲市场收入增长50.4%,IDC认为将这一增长主要受北美云厂商和企业加大AI投资所推动。[12]
因此,需要注意的是,以太网交换机市场涵盖的业务比AI数据中心网络更广,各地区的客户结构和市场准入条件也有差异,不能据此直接判断华为的AI网络竞争力,但目前华为尚未单独披露AI网络业务收入。

系统成效检验:
已有局部改善
整体经济性仍待验证
华为的三大技术底座具备连接基础,但系统集成要解决的是如何把资源调向真正限制产出的环节。通信拥塞时优先优化网络,供电和散热受限时调整机柜与能源配置。项目投运后,再用任务吞吐、通信等待和运行能耗判断调整是否有效、瓶颈是否转移。
因此,华为的现有证据可以分三层看。芯片出货、超节点部署和能源项目交付反映规模部署。训推效率、交付周期和运行能耗的变化体现局部改善。要验证整体经济优势,还需要同一项目的连续运行数据,在任务规模、精度、服务水平等条件一致时,对比系统集成与专业化采购方案的单位有效Token全生命周期成本。
现有证据表明,华为已具备跨领域产品与规模交付能力,并取得局部协同成效,但还未证明整体经济效益,也无法判断这些局部改善能否在不同项目中持续复制。要彻底跑通系统集成之路,它还需要跨越三道门槛:一是从单项指标改善到同一任务下的整体优化;二是从扩大部署规模到实现设计复用;三是从伙伴参与实施,到统一设计与共同交付。三者共同决定项目内的改善能否成为可以复制的系统能力。

比较与展望:
华为能否成为AI基建生态组织者?
企业组织AI基础设施的方式,取决于哪些环节需要统一设计、哪些环节可以由专业伙伴承担。报告比较了三个样本:英伟达通过计算架构、关键接口和兼容规则连接伙伴[13];SpaceX体系围绕自身模型需求协调算力与能源建设[14];华为则从行业客户的需求出发,统筹跨领域方案,有机会将行业实践转化为可复制推广的系统方案。
中国AI基础设施需要具备系统集成能力的企业,进一步组织产业链伙伴围绕自主技术体系开展合作,推动关键技术从单点突破走向成套应用。华为同时具备跨领域产品布局、行业客户入口和项目交付基础,有机会将自主技术能力转化为完整的基础设施方案,并借助合作伙伴扩大应用范围,有潜力成为中国AI基础设施建设的生态组织者。
系统集成是一种工程能力,生态组织者是一种产业角色。华为能否进一步成为生态组织者,关键在于系统效率与开放生态能否共同建立。整体性能与成本优势为伙伴采用提供理由,开放兼容的架构与规则让伙伴能够参与交付。产业伙伴能否跨项目持续采用并共同完善这套体系,是检验华为能否扩大生态影响力的关键。
当伙伴在后续项目中持续采用同一套体系,并把交付和运维中发现的问题带进下一轮升级,生态影响力才开始形成。这也是华为样本对中国AI基建的价值所在:它提供了一个观察自主技术如何通过系统设计和产业链协作,从单点突破走向成套应用的具体参照。
特别声明:本文为合作媒体授权DoNews专栏转载,文章版权归原作者及原出处所有。文章系作者个人观点,不代表DoNews专栏的立场,转载请联系原作者及原出处获取授权。(有任何疑问都请联系idonews@donews.com)



