大模型向产业端加速渗透，Agent智能体从技术概念逐步落地到真实业务流程，底层算力产业的评价逻辑、技术路线与分工格局正经历深层重构。

　　2026中国国际大数据产业博览会会后，海光信息总裁助理兼智能计算产品部总经理杜夏威、海光信息总裁助理兼服务器产品部总经理张攀勇在媒体线上交流中，围绕Token经济、Agent架构、算力协同等核心议题展开解读，清晰呈现出国产算力产业从性能堆叠走向价值交付的演进路径。

　　从峰值算力到业务效用：Token背后的产业成熟逻辑

　　过去很长一段时间，行业习惯以峰值算力（PFLOPS）、模型参数量作为算力与大模型的核心评判标尺，资源大量向参数堆叠倾斜。而随着大模型走向应用落地，Token吞吐率逐渐成为连接算力与模型的通用度量单位，产业重心开始从峰值性能转向稳定的Token产出。

　　杜夏威认为，这一转向“其实是产业更加趋向于成熟的一个标志”，“大家看待这个事情也更加客观，以终为始去衡量最终在业务侧发挥出来的效果”。他直言，“单纯的多少PFLOPS的算力已经不能直接代表Token的产出效率了”。当算力的最终目标是服务于业务增长与研发提效，芯片设计就不再盲目追求性能峰值，而是转向算力、访存带宽、显存容量与功耗的均衡优化，以真实的Token吞吐性价比为核心目标。这种转向也推动行业跳出无意义的参数内卷，“究竟什么样的业务场景需要什么样的模型和算力的结合，其实是回归到了一个比较业务本身化的逻辑上去考量的”。

　　伴随Agent时代的到来，算力的价值锚点还将进一步上移。杜夏威表示，Token阶段统一了算力与模型的度量，而Agent则天然带有业务属性，未来算力的价值将最终体现在对用户业务支撑的效率上，而非单一的Token吞吐指标。

　　双芯协同与内生安全：Agent架构的系统级应答

　　Agent场景的深化，也重构了CPU与加速芯片的分工体系。传统AI训练场景下，CPU与加速卡的配比多为1:4甚至1:8，CPU仅承担辅助的数据处理任务。而在Agent的完整业务流程中，任务理解、编排调度、工具调用、数据存取、沙箱安全等大量工作更依赖通用计算能力。张攀勇表示：“CPU is back in the data center，在这个过程中间，CPU的角色越来越重要”，行业普遍预期二者配比将逐步向1:1收敛。

　　海光提出的“Agent to Token”架构，正是对这一趋势的落地回应。张攀勇解释道，“CPU去做Agent的一些指令流，DCU去做Token的一些生成流”，基于不同业务环节的负载特征重新分配计算资源，让CPU与DCU各自发挥特性优势，实现系统整体效率最优，“整体最优才是最优，而不是单独的比如CPU很强大或者DCU很强大”。

　　针对多算力混合环境下的安全挑战，海光选择从硬件底层构建安全能力。张攀勇表示，海光坚持“内生全栈安全”，“从最底层的芯片开始，设计整体的安全方案，让这个安全方案尽量做到对系统，对应用，以及对性能各方面的影响能够做到最轻，同时能够保障高安全性”。配合开放生态的持续建设，通过开源工具链推动大模型原生适配，从源头降低AI应用的落地门槛。

　　整体来看，中国算力产业正从技术追赶阶段迈向价值深化阶段。两位高管的判断共同指向清晰的行业共识：未来算力的竞争不再是单点性能的比拼，而是对业务场景的理解深度、系统级的资源协同能力与开放生态活力的综合较量。（记者 焦子原）