产业链上聚人才|浪潮计算机于亮:算力“内卷”时代,整机厂商“练内功”更要建生态
大众新闻 刘童 吕文佳 2026-07-11 11:50:49独家
当前,AI算力需求呈指数级增长,但算力供给瓶颈已从芯片设计制造延伸至服务器整机的生产交付环节。在市场需求井喷与交付能力受限的矛盾中,智能制造正从“降本增效的工具”升级为算力产业链的“关键产能”。
浪潮计算机作为国内领先的算力基础设施提供商,其全链路数字化智造体系如何在效率、品质、柔性等多维度构建竞争壁垒?在国产算力生态建设中,整机厂商应承担怎样的战略角色?7月10日,大众新闻记者在“齐鲁制造会客厅”智能终端专场,独家专访浪潮计算机科技有限公司副总经理于亮,探讨浪潮计算机在智能终端与智能制造领域的前瞻布局与产业价值。


大众新闻:今年一季度AI算力需求同比增长417%,但服务器交付周期却在持续拉长。在芯片供应逐步改善的背景下,您认为整机制造环节是否正在成为制约算力供给的新瓶颈?浪潮的智能制造体系如何破解这一矛盾?
于亮:AI算力需求的爆发式增长,叠加AI服务器本身高度复杂和定制化的特性,使得交付周期拉长成为一个客观事实。在这一背景下,智能制造环节对于保障服务器的高效、高品质交付意义重大。
浪潮计算机构建了全域数据互联、全系统协同的智能生产体系,我们的智能生产基地深度融合了工业互联网、AI、5G等技术,通过MES制造执行系统等“智能大脑”,实现了从智能接单、柔性生产到智能物流的全链路数字化管控,将服务器的交付周期极致压缩。
大众新闻:浪潮智能工厂实现了生产效率提升近40%、运营成本降低超30%。对于AI服务器这种高复杂度、高定制化的产品而言,智能化改造最大的技术难点在哪里?突破这个难点后,对行业意味着什么?
于亮:AI服务器从CPU、GPU到加速卡、内存、网卡,组合方案几乎是海量的,传统模式往往需要频繁切换机型,停线调整工装、夹具和程序,耗时久且易出错,智能化改造最大的技术难点,就在于如何构建一套既能兼容海量配置、又能实现极速切换的柔性制造体系。
我们的做法是,通过智能算法实现多品种混线生产的自动调度,让生产线像“变形金刚”一样灵活适配不同订单,保证大批量生产的精度与品质。我们也希望通过柔性智造产线,为行业提供一套可借鉴的制造能力范本,增强整个算力产业链应对市场波动的缓冲能力。

大众新闻:柔性产线可兼容多品类产品混线生产。当AI服务器市场需求出现爆发性增长时,柔性制造能力带来了多大的响应速度优势?能否给一个具体的数据或案例?
于亮:我们的柔性产线以工业互联网智能制造平台为核心,软件层面打通CRM、ERP到MES、WMS的全业务系统,硬件层面集成AGV、高精度传感器、视觉识别装置等智能装备。当订单下达后,系统自动识别产品配置需求,智能匹配零部件,完成从物料配送、精确定位到自动锁附的全流程作业。
举个例子,通过模块化工艺重构和快拆式换型结构,我们的硬盘自动锁螺丝工站将产品换型时间压缩至3分钟以内。这意味着,当客户紧急追加高密度AI服务器订单时,我们几乎可以“无缝切换”产线,把产能迅速向最紧急的型号倾斜,这也让我们拥有了快速响应市场波动的核心能力。
大众新闻:在您看来,整机厂商在推动算力产业链成熟过程中,最不可替代的价值是什么?
于亮:我认为是作为“生态连接器”和“系统整合者”,解决底层软硬件碎片化问题,打通从芯片到上层应用的“最后一公里”。一个完整的算力系统涉及的软硬件链条非常长,从用户的角度看,他们不会直接面对芯片或基础软件厂商,最先接触和使用的就是整机。
所以我们的角色,就是把这条长链条上各家的产品高效、可靠地集成在一起,形成用户开箱即用的解决方案。目前,我们的创新技术生态实验室已累计为630多家软件生态伙伴提供了7000多项适配验证,颁发了4000多个互认证证书,突破百余项技术难题。目的就是把兼容性问题和系统隐患解决在实验室里、解决在用户采购之前,让整个产业真正从“可用”走向“好用”。
大众新闻:面对规模庞大的AI服务器市场,浪潮在产能、技术、生态三方面的战略优先级是什么?下一步的关键战役在哪里?
于亮:这三方面很难排出绝对的优先级,他们是环环相扣,协同推进的统一体。其中,技术是根基,先进架构、液冷散热、整机系统创新,既支撑柔性智能工厂实现高效量产,也能为上下游生态伙伴提供适配底座;充足柔性产能是技术落地、生态方案规模化商用的载体;完善算力生态则反过来持续迭代产品技术、消化释放产能,三者循环赋能、缺一不可。
下一步,我们也将依托这三个点,进行体系化升级。以技术为底座,全面推进产能效率再提升,并同步深化生态协同,依托5大智能生产基地,持续优化柔性制造体系,确保在需求爆发时“供得上、交得快”。同时,我们将积极发展整机厂商在产业链带动作用,进一步打通软硬件兼容堵点,让安全可靠算力真正“开箱即用”,全面提升在AI算力时代的核心竞争力。
(大众新闻记者 刘童 设计 吕文佳)
责任编辑:金雪
