近日，工业和信息化部正式公布2025年人工智能应用典型案例名单。北电数智凭借“基于国产化异构芯片的软硬件协同适配平台”项目成功入选技术底座方向。

　　该项目攻克了国产异构芯片指令集差异大、适配工作重复繁琐、缺乏统一行业标准的核心痛点，打破了CUDA生态垄断格局，大幅降低AI应用开发门槛，为国产算力规模化、产业化落地提供了可复制的标杆范式。

　　近年来，国产AI芯片领域涌现出一批实力厂商，在算力性能和峰值上取得长足进步。然而，芯片硬件的“百花齐放”也带来了严重的“软硬件生态割裂”问题，迫使AI应用开发者进行大量重复、繁琐的移植和适配工作，极大抬高了开发门槛与成本，制约了国产芯片的整体产业化进程。

　　此前行业主要依赖“烟囱式”点对点方案，治标不治本。北电数智通过软硬件协同适配平台建设，从统一调度、优化工具链、评测验证三大方向系统破局。

　　国产异构算力统一调度平台。通过多集群协同管理、动态资源调度、算力池化等技术手段，实现多元异构芯片的统一纳管，有效解决国产芯片指令集差异大、适配工作重复繁琐等行业痛点。

　　垂类大模型国产芯片集群优化工具链。依托自适应并行通信和计算图优化技术，显著提升国产芯片在大模型训练场景下的效率表现，为国产芯片跑通大模型训练提供关键工具支撑。

　　国产芯片软硬件评测验证平台。构建了从硬件性能到应用生态的多维度评测体系，形成“评测、反馈、迭代、再评测”的技术闭环，为芯片厂商的产品迭代提供有力的数据支撑，推动产业链上下游协同发展。

　　基于三项核心技术，北电数智逐步实现国产算力从“可用”到“好用”再到“易用”的关键跨越，更沉淀出“前进·AI异构计算平台”“宝塔·模型适配平台”双层架构，覆盖AI模型训练、推理、部署、运维全生命周期，完成从技术突破到规模化产品落地的关键跃迁。

　　当前，“前进”平台已完成10余种国产主流芯片适配兼容，有效降低模型构建与部署门槛。“宝塔”平台实现了50余款主流大模型的适配优化，通过系统级深度推理优化实现整体3-7倍性能提升，让高效、稳定的国产算力真正触达千行百业。

　　平台建成之后，真正的检验在场景里。“基于国产化异构芯片的软硬件协同适配平台”项目已纳管多种不同架构国产AI芯片，形成千卡级异构算力池；大模型训练显存占用降低70%、首Token延迟缩短84%，部分芯片MFU突破55%，并为智慧政务、医疗大模型训练推理、工业智能体等多类重点场景提供稳定的国产算力支撑。这既有效牵引国产芯片厂商针对性迭代产品性能，助力国产算力规模化推广与产业生态集聚，也带动上下游形成配套产业集聚区，推动区域制造服务体系的智能化升级，助力区域经济高质量发展，进一步推动国内AI产业自主可控生态的成熟完善。

　　（注：此文属于央广网登载的商业信息，文章内容不代表本网观点，仅供参考。）

　　近日，工业和信息化部正式公布2025年人工智能应用典型案例名单。北电数智凭借“基于国产化异构芯片的软硬件协同适配平台”项目成功入选技术底座方向。