"能不混就不混是当时的主流观点。"之江实验室副主任、浙江大学长聘教授何水兵在近日的智能体生态论坛上坦言，"但现在混合算力已经成为共识。"

这一转变背后，是AI行业从追求单一算力到拥抱多元异构算力的深刻变革。2025年，混合算力集群已从"权衡"选项转变为"必然技术选项"，成为行业追求极致性价比的必由之路。

从"权衡"到"共识"：混合算力的必然性

去年年初，建设混合万卡算力还是一种权衡；而今，异构AI系统已成为行业共识。这一转变源于AI模型快速迭代带来的算力需求激增。

"当DeepSeek把R1模型开源时，推理加速和强化学习成为新的必争之地，而当时国产加速卡的基础几乎为零；等到DeepSeek开源V3模型时，极低成本的训练把MoE模型架构推向了舞台中央，国产加速卡的训练效能需要重新爬坡。"何水兵指出，模型迭代速度远超硬件适配速度，单一算力架构已无法满足需求。

英特尔的实践印证了这一趋势。今年，英特尔将自家Gaudi 3加速器与英伟达B200 GPU结合，打造了高效的异构AI系统，将英伟达B200集群的推理极限提升高达70%。这一突破不仅验证了混合算力的可行性，更揭示了未来AI算力的发展方向。

技术护城河：从CUDA到"异构算力调度"

英伟达的CUDA已成为其技术护城河，开发者对其高度依赖。"CUDA是英伟达技术重要的'护城河'，"何水兵指出，"而中国厂商正构建自己的'异构算力调度'护城河。"

"我们需要提供高效整合异构算力资源的算力平台，以及支持软硬件联合优化与加速的中间件，让异构芯片真正转化为大算力，"无问芯穹联合创始人兼CEO夏立雪表示，"包括把不同的模型在各类硬件上快速完成高效部署，让算法和算力之间形成最佳的软硬件联合优化协同。"

这种"异构算力调度"技术护城河，正在成为中国企业破局的关键。它不仅解决了算力资源的碎片化问题，更实现了算力价值的最大化。

算力混用的挑战与机遇

随着算力需求持续增长，算力混用比例正快速提升。图灵新智算创始人、董事长刘淼表示："算力混用是未来不可阻挡的趋势，现在业内都在从需求出发，在智算集群的设计上看看如何使用异构算力调度这种技术，我们预计，异构（算力混用）的比例会越来越高。"

但挑战依然存在。无问芯穹数据显示，近5个月内，其日均Token调用量增长了5倍；9月，某图像生成智能体客户在4小时内Token调用量激增100倍，对算力调度提出了更高要求。

"AI创作体验进阶的背后，要求基础设施从聚焦推理效率提升，到为'长程任务与上下文管理、强化学习训练框架、多模态任务与资源调度'提供全面支撑。"LiblibAI联合创始人杨可嘉指出，"未来的智能体基础设施需要从模型算力调度向能力调度转变，能够针对不同时段、不同类型的应用需求进行算力的分部门、分时调用。"

未来：构建开放、统一、合作的生态

"智能算力的发展是一场涉及技术、生态和应用的全面竞赛，而建立开放、统一、合作的生态是我们共同破局的关键。"何水兵强调。

构建"混合算力"技术护城河，不仅需要技术创新，更需要生态协同。中国不缺工程师、场景、技术，缺的是系统化方法论、流程、工具、人才和用户习惯的培养。

"要破解算力混用的技术难题，需要产业界各方及学界共同努力才能实现。"刘淼表示。

从"技术护城河"到"价值创造"

无问芯穹高管指出，"做算力运营这件事情本身的商业模式非常清晰，就是通过技术能力把算力变为一个标准化的产品，然后再对它进行一个单位化的定价，并产生规模化的经济效应。"

这标志着AI算力已从"技术竞争"转向"价值创造"。当算力成为标准化产品，企业可以更专注于应用创新，而非底层算力的争夺。

结语：构建"混合算力"技术护城河的中国路径

在AI技术快速发展的今天，"混合算力"已不仅是技术选项，更是战略选择。中国厂商通过构建"异构算力调度"技术护城河，不仅打破了英伟达CUDA的垄断，更实现了算力资源的高效利用与价值创造。

随着算力规模扩大，训练作业成本将随规模呈指数级增长，能耗成本也将显著增加。到2030年，全球GPU算力集群的电力消耗将突破1000Twh，占全球电力消耗比重增长至2.5%左右。

在这一背景下，构建"混合算力"技术护城河，已成为中国AI产业突破"卡脖子"困境、实现自主可控的关键路径。它不仅是技术的突破，更是生态的重构、价值的创造，代表着中国AI产业从"跟跑"到"并跑"再到"领跑"的必经之路。

当中国厂商成功构建"混合算力"技术护城河，我们看到的不仅是算力效率的提升，更是中国AI产业生态的成熟与自信。这将是AI时代中国技术崛起的重要里程碑。