算力，作為數字基礎設施的核心要素，其在當今科技發展中的重要性愈發凸顯。高校作為科學研究和人才培養的高地，對算力的需求與日俱增，由此掀起了一股算力建設的熱潮。而在這股熱潮中，國產 AI 算力扮演著關鍵角色，正大規模進駐頂尖高校，為高校的發展注入新的活力，開啟了賦能科研與教育的全新征程。

國產算力在高校的廣泛布局

眾多頂尖高校紛紛投身于國產算力的布局之中，形成了各具特色的發展模式，推動著國產算力在高校領域的深度滲透。

東南大學在算力建設方面起步較早，2022 年秋就因算力短缺問題開啟了探索之路。2023 年 10 月，學校做出建設全國首個純國產化校級智算中心的戰略決策。經過不懈的論證研發，2024 年 1 月，搭載昇騰芯片的算力基座成功點亮，之后不斷擴容，到 2024 年 11 月算力已拓展至 86P。該智算中心集成了鯤鵬通用算力與昇騰 AI 算力，實現了從模型訓練到服務部署全流程的國產化，構建起從芯片到框架的全棧技術鏈，為學校的科研和教學提供了強有力的支撐。

在今年 5 月舉辦的鯤鵬昇騰開發者大會 2025（KADC 2025）上，國內多所重點高校集中展示了基于鯤鵬昇騰技術路線的科研成果。北京大學的 Open-Sora Plan V1.5 依托昇騰 MindSpeed MM 多模態大模型套件進行訓練和優化，實現了電影級視頻生成；上海交通大學的科研團隊基于鯤鵬處理器自研了分子模擬高 RBE 算法，顯著提升了計算效率，有望成為下一代分子動力學引擎發展的核心技術。

這些成果僅僅是冰山一角。2024 年的 KADC 大會上，華為便宣布與清華大學、北京大學、浙江大學、上海交通大學、中國科學技術大學 5 所高校開展合作，共同成立鯤鵬昇騰科教創新卓越中心。截止到 2025 年 KADC 的舉辦，華為又新增了 7 所鯤鵬昇騰科教創新孵化中心高校的簽約合作。

隨著合作院校的擴展，越來越多的高校算力集群平臺獲得了鯤鵬昇騰科教創新卓越 / 孵化中心提供的算力支持，為計算系統創新、科學應用創新提供了堅實底座。例如，北京大學基于鯤鵬昇騰硬件，構建了北大卓越中心集群，為 Align-Anything 等前沿 AI 研究提供了堅實的算力支撐，且該集群從底層硬件到上層應用的技術棧均實現了自主創新。

沈陽工學院也與華為技術有限公司合作，完成基于華為昇騰平臺的 DeepSeek 本地部署，建成「智擎?深空」AI 算力中心，該中心依托華為昇騰 AI 服務器集群強大算力，部署微模塊數據中心及多個前沿實驗室集群，為模型訓練與優化提供高性能算力保障，同時融合學校特色教學數據資源，打造本地化智能教育生態。

除了昇騰和鯤鵬在高校布局外，其他國產芯片廠商也不甘落后。浙江大學通過多方合作的方式推進國產算力布局，學校與太極股份、中昊芯英開展三方合作，引入了基于中昊芯英全自研 TPU 架構高性能 AI 芯片「剎那」構建的人工智能服務器「泰則」。同時，浙江大學還與運營商、頭部企業合作打造「西湖之光」算力聯盟，整合了本地大于 1000Pflops（FP16）的算力資源與聯盟成員數千 P 云端算力，形成了強大的算力合力，為科研和教學提供了堅實保障。海光信息與東南大學強強聯合，依托海光最新一代國產 C86 處理器及 GPU 加速卡，成功打造了全國 985 高校大規模應用國產算力的標桿平臺——東南大學材料設計與模擬中心，為學校的前沿科研注入了強勁動能，推動了相關學科的發展。

高校大規模采購國產算力

國產算力在高校的應用不僅體現在布局上，更體現在大規模的采購行動中。如今，不僅是 211、985 等頂尖高校，大量地方級的一本、二本學校也主動尋求合作，積極擁抱大模型，對算力的需求十分旺盛。

市場上頻繁涌現大單，多所大學科研院所都在發布千萬元級別甚至上億元的算力采購需求，其中部分單子明確提出要求國產。這一現象充分說明了高校對國產算力的認可和信賴，也反映出國產算力在性能、穩定性等方面已經能夠滿足高校科研和教學的需求。

AI 已經成為高校科研不可或缺的力量。事實上，「AI for Science（科學智能）」并非全新概念——早在 2018 年，中國科學院院士鄂維南便在全球首次提出這一理念。AlphaFold 在蛋白質結構預測領域的突破性進展，持續推動「科學智能」從專業圈層走向大眾視野；而當諾貝爾物理學獎、化學獎相繼授予人工智能相關領域的研究者時，這一概念更是站上了更廣闊的舞臺，再度成為各界熱議的焦點。

「大家最興奮的是，原來 AI for Science 要由各種不同的模型去做，但現在搞蛋白質的、搞數學的...... 都可以『揉』到大模型的方式中來，核心架構甚至全都是 transformer。」百度杰出系統架構師王雁鵬的這番話，讓一向作為科研主陣地的高校們看到了新的確定性方向，促使它們集中火力，推進 AI for Science 的發展，而這也進一步加劇了高校對算力的需求，推動了高校大規模采購國產算力的進程。

高校布局國產算力的原因

高校之所以積極布局國產算力，并非偶然，而是基于多方面的考量，既包括科研和教學的實際需求，也涉及國家戰略和長遠發展。

第一、復雜科研模型訓練的算力支撐

在前沿科研領域，如生物醫藥、天體物理、材料科學等，高校科研團隊面臨著大規模、復雜的科學計算與模型訓練任務。以生物醫藥領域為例，研發新藥物需對大量生物數據進行模擬分析，構建復雜的生物分子模型，這對算力要求極高。國產算力平臺憑借其強大的計算能力，能夠大幅縮短模型訓練時間，提高科研效率，助力高校科研團隊在這些領域取得突破性成果。

多學科交叉融合的算力保障：當下，學科交叉融合成為科研創新的重要趨勢，高校鼓勵不同學科團隊聯合開展科研項目。如人工智能與法學交叉領域，構建法律垂域大模型需處理海量法律條文與案例數據，融合自然語言處理、機器學習等多學科技術。國產算力平臺能夠提供統一、強大的算力基礎，打破學科間算力壁壘，促進多學科數據共享與協同計算，為跨學科科研創新提供有力保障。

第二、保障數據安全與自主可控

科研數據安全防護：高校科研數據包含大量前沿研究成果、敏感實驗數據等，數據安全至關重要。采用國產 AI 算力，數據存儲與計算在國內自主可控的環境中進行，可有效避免因使用國外算力平臺可能導致的數據泄露風險，防止科研成果被竊取，保障國家科研安全與高校科研團隊的核心利益。

技術自主可控的戰略考量：在國際科技競爭日益激烈的背景下，技術自主可控是高校保持科研競爭力的關鍵。依賴國外算力技術，可能面臨技術封鎖、限制使用等風險，阻礙高校科研發展。國產 AI 算力的發展為高校提供了自主選擇的機會，高校通過布局國產算力，掌握技術主動權，在 AI 技術研發、應用上不受制于人，為長期科研創新發展奠定堅實基礎。

第三、助力 AI 人才培養與學科建設

培養 AI 創新人才的實踐平臺：高校是 AI 人才培養的重要基地，國產 AI 算力平臺為學生提供了貼近產業實際的實踐環境。學生在平臺上進行 AI 算法訓練、模型開發等實踐操作，能夠深入理解 AI 技術原理與應用，提升動手能力與創新思維，培養出既掌握扎實理論知識，又具備實際操作技能的 AI 創新人才，滿足社會對 AI 專業人才的迫切需求。

推動 AI 相關學科發展：強大的算力支撐有助于高校開展 AI 相關學科建設，吸引更多優秀師資與科研人才匯聚。學校可依托國產算力平臺開設更多前沿課程，如大模型算法研究、高性能計算與 AI 應用等，提升學科教學水平。同時，為教師開展 AI 領域科研項目提供便利，產出更多高水平科研成果，提升學科影響力，促進 AI 相關學科在高校的快速發展與壯大。