国产AI算力大规模进驻顶尖高校

算力，作为数字基础设施的核心要素，其在当今科技发展中的重要性愈发凸显。高校作为科学研究和人才培养的高地，对算力的需求与日俱增，由此掀起了一股算力建设的热潮。而在这股热潮中，国产 AI 算力扮演着关键角色，正大规模进驻顶尖高校，为高校的发展注入新的活力，开启了赋能科研与教育的全新征程。

国产算力在高校的广泛布局

众多顶尖高校纷纷投身于国产算力的布局之中，形成了各具特色的发展模式，推动着国产算力在高校领域的深度渗透。

东南大学在算力建设方面起步较早，2022 年秋就因算力短缺问题开启了探索之路。2023 年 10 月，学校做出建设全国首个纯国产化校级智算中心的战略决策。经过不懈的论证研发，2024 年 1 月，搭载昇腾芯片的算力基座成功点亮，之后不断扩容，到 2024 年 11 月算力已拓展至 86P。该智算中心集成了鲲鹏通用算力与昇腾 AI 算力，实现了从模型训练到服务部署全流程的国产化，构建起从芯片到框架的全栈技术链，为学校的科研和教学提供了强有力的支撑。

在今年 5 月举办的鲲鹏昇腾开发者大会 2025（KADC 2025）上，国内多所重点高校集中展示了基于鲲鹏昇腾技术路线的科研成果。北京大学的 Open-Sora Plan V1.5 依托昇腾 MindSpeed MM 多模态大模型套件进行训练和优化，实现了电影级视频生成；上海交通大学的科研团队基于鲲鹏处理器自研了分子模拟高 RBE 算法，显著提升了计算效率，有望成为下一代分子动力学引擎发展的核心技术。

这些成果仅仅是冰山一角。2024 年的 KADC 大会上，华为便宣布与清华大学、北京大学、浙江大学、上海交通大学、中国科学技术大学 5 所高校开展合作，共同成立鲲鹏昇腾科教创新卓越中心。截止到 2025 年 KADC 的举办，华为又新增了 7 所鲲鹏昇腾科教创新孵化中心高校的签约合作。

随着合作院校的扩展，越来越多的高校算力集群平台获得了鲲鹏昇腾科教创新卓越 / 孵化中心提供的算力支持，为计算系统创新、科学应用创新提供了坚实底座。例如，北京大学基于鲲鹏昇腾硬件，构建了北大卓越中心集群，为 Align-Anything 等前沿 AI 研究提供了坚实的算力支撑，且该集群从底层硬件到上层应用的技术栈均实现了自主创新。

沈阳工学院也与华为技术有限公司合作，完成基于华为昇腾平台的 DeepSeek 本地部署，建成 “智擎・深空”AI 算力中心，该中心依托华为昇腾 AI 服务器集群强大算力，部署微模块数据中心及多个前沿实验室集群，为模型训练与优化提供高性能算力保障，同时融合学校特色教学数据资源，打造本地化智能教育生态。

除了昇腾和鲲鹏在高校布局外，其他国产芯片厂商也不甘落后。浙江大学通过多方合作的方式推进国产算力布局，学校与太极股份、中昊芯英开展三方合作，引入了基于中昊芯英全自研 TPU 架构高性能 AI 芯片 “刹那” 构建的人工智能服务器 “泰则”。同时，浙江大学还与运营商、头部企业合作打造 “西湖之光” 算力联盟，整合了本地大于 1000Pflops（FP16）的算力资源与联盟成员数千 P 云端算力，形成了强大的算力合力，为科研和教学提供了坚实保障。海光信息与东南大学强强联合，依托海光最新一代国产 C86 处理器及 GPU 加速卡，成功打造了全国 985 高校大规模应用国产算力的标杆平台 —— 东南大学材料设计与模拟中心，为学校的前沿科研注入了强劲动能，推动了相关学科的发展。

高校大规模采购国产算力

国产算力在高校的应用不仅体现在布局上，更体现在大规模的采购行动中。如今，不仅是 211、985 等顶尖高校，大量地方级的一本、二本学校也主动寻求合作，积极拥抱大模型，对算力的需求十分旺盛。

市场上频繁涌现大单，多所大学科研院所都在发布千万元级别甚至上亿元的算力采购需求，其中部分单子明确提出要求国产。这一现象充分说明了高校对国产算力的认可和信赖，也反映出国产算力在性能、稳定性等方面已经能够满足高校科研和教学的需求。

AI 已经成为高校科研不可或缺的力量。事实上，“AI for Science（科学智能）” 并非全新概念 —— 早在 2018 年，中国科学院院士鄂维南便在全球首次提出这一理念。AlphaFold 在蛋白质结构预测领域的突破性进展，持续推动 “科学智能” 从专业圈层走向大众视野；而当诺贝尔物理学奖、化学奖相继授予人工智能相关领域的研究者时，这一概念更是站上了更广阔的舞台，再度成为各界热议的焦点。

“大家最兴奋的是，原来 AI for Science 要由各种不同的模型去做，但现在搞蛋白质的、搞数学的...... 都可以‘揉’到大模型的方式中来，核心架构甚至全都是 transformer。” 百度杰出系统架构师王雁鹏的这番话，让一向作为科研主阵地的高校们看到了新的确定性方向，促使它们集中火力，推进 AI for Science 的发展，而这也进一步加剧了高校对算力的需求，推动了高校大规模采购国产算力的进程。

高校布局国产算力的原因

高校之所以积极布局国产算力，并非偶然，而是基于多方面的考量，既包括科研和教学的实际需求，也涉及国家战略和长远发展。

第一、复杂科研模型训练的算力支撑

在前沿科研领域，如生物医药、天体物理、材料科学等，高校科研团队面临着大规模、复杂的科学计算与模型训练任务。以生物医药领域为例，研发新药物需对大量生物数据进行模拟分析，构建复杂的生物分子模型，这对算力要求极高。国产算力平台凭借其强大的计算能力，能够大幅缩短模型训练时间，提高科研效率，助力高校科研团队在这些领域取得突破性成果。

多学科交叉融合的算力保障：当下，学科交叉融合成为科研创新的重要趋势，高校鼓励不同学科团队联合开展科研项目。如人工智能与法学交叉领域，构建法律垂域大模型需处理海量法律条文与案例数据，融合自然语言处理、机器学习等多学科技术。国产算力平台能够提供统一、强大的算力基础，打破学科间算力壁垒，促进多学科数据共享与协同计算，为跨学科科研创新提供有力保障。

第二、保障数据安全与自主可控

科研数据安全防护：高校科研数据包含大量前沿研究成果、敏感实验数据等，数据安全至关重要。采用国产 AI 算力，数据存储与计算在国内自主可控的环境中进行，可有效避免因使用国外算力平台可能导致的数据泄露风险，防止科研成果被窃取，保障国家科研安全与高校科研团队的核心利益。

技术自主可控的战略考量：在国际科技竞争日益激烈的背景下，技术自主可控是高校保持科研竞争力的关键。依赖国外算力技术，可能面临技术封锁、限制使用等风险，阻碍高校科研发展。国产 AI 算力的发展为高校提供了自主选择的机会，高校通过布局国产算力，掌握技术主动权，在 AI 技术研发、应用上不受制于人，为长期科研创新发展奠定坚实基础。

第三、助力AI人才培养与学科建设

培养 AI 创新人才的实践平台：高校是 AI 人才培养的重要基地，国产 AI 算力平台为学生提供了贴近产业实际的实践环境。学生在平台上进行 AI 算法训练、模型开发等实践操作，能够深入理解 AI 技术原理与应用，提升动手能力与创新思维，培养出既掌握扎实理论知识，又具备实际操作技能的 AI 创新人才，满足社会对 AI 专业人才的迫切需求。

推动 AI 相关学科发展：强大的算力支撑有助于高校开展 AI 相关学科建设，吸引更多优秀师资与科研人才汇聚。学校可依托国产算力平台开设更多前沿课程，如大模型算法研究、高性能计算与 AI 应用等，提升学科教学水平。同时，为教师开展 AI 领域科研项目提供便利，产出更多高水平科研成果，提升学科影响力，促进 AI 相关学科在高校的快速发展与壮大。