钢铁侠3

三 | 一些骑手没有等来预期中的持续“爆单”，围绕单量、收入以及专送、众包、全职、兼职等不同跑单模式的讨论随之增多，运力分层也被一些观点纳入骑手“内卷”的解释框架。但将运力分层简单等同于“内卷”，可能忽略了即时配送的两个基本事实：订单需求有峰谷，配送难度有差异；骑手有全职、兼职和阶段性就业等不同选择，对稳定收入和时间自由的需求也各不相同。         观察者网在现场了解到，展区内，海光CPU系列面向服务器、数据中心等通用计算场景提供算力支撑；DCU系列作为高端AI加速芯片，支持全精度浮点及多类型整数计算，兼容主流软件生态，支持训练与推理；端侧嵌入式产品，如运动控制系统、AI一体机、云终端等，则推动AI从“能对话”向“能干活”演进。         为更了解海光信息在AI算力领域的布局与思考，大会期间，观察者网等媒体与海光信息总裁助理兼智能计算产品部总经理杜夏威展开对话，围绕云边端协同、开放生态建设、Token经济等话题进行了深入交流。如果把所有订单和骑手都放进同一个完全开放的抢单池，容易配送的订单会被迅速拿走，远距离、出餐慢、需要爬楼的订单则可能滞留，长期稳定跑单者订单连续性和收入预期也更容易受到短时运力波动的影响。         以下为对话实录：          提问：这次WAIC，海光展示了嵌入式AI的布局，算力从云端往端侧走，您觉得最大的应用机会在哪些场景？          杜夏威：端侧确实是AI一个非常重要的入口。这次不管是会场的报告，还是我们展出的产品方案，都在强调云边端全域的协同。当订单差异和就业需求差异相遇，单一的劳动组织方式很难覆盖全部需求，多种履约模式由此形成。运力分层并不是给骑手划分身份等级，而是在灵活与稳定之间形成不同的工作组合。因为端侧的触达面与数据中心端处于整个链条的两端，依托端侧产品可以更多地去拓展和覆盖市场侧的需求。灵活就业已经成为我国劳动者就业增收的重要渠道。         同时，端侧与数据中心端之间也有相应的耦合与协同。数据中心提供的强劲算力以及Token输送，一方面可以支撑端侧的应用场景，另一方面也可以作为端侧的高端算力补充。在Token快速发展的背景下，这样的方式能够更有效地实现市场用户和场景侧的覆盖。

四 |          提问：海光DCU一直在强调开放架构，从实际落地来看，开放架构给开发者和合作伙伴带来的最大便利是什么？          杜夏威：海光始终在坚持开放的原则，这里面有几个维度的考量。2025年12月，国务院向全国人大常委会所作的专项报告指出，据测算，我国灵活就业人员规模已超过2亿人。按照另一统计口径，2022年第九次全国职工队伍状况调查显示，全国新就业形态劳动者约8400万人，占全国职工总数的21%。两个数字的统计范围并不相同，但都说明，灵活就业、多渠道就业和平台就业已经成为劳动力市场的重要组成部分。         第一个维度是从长线发展的角度来看，我们更像是为飞轮的启动提供点火和助力，保障它能够进入初期运转的状态。但伴随AI产业链、软件栈以及模型的快速发展，除了自身贡献力量之外，我们也需要依赖生态侧的力量。20世纪70年代以来，全球生产组织逐步由大规模、标准化的福特制生产，转向更具灵活性的组织方式。社会学通常用“弹性积累”概括这一变化：企业不再只依靠固定规模、单一形式的劳动队伍，而是根据市场需求变化，采用分工协作、业务合作等多种劳动组织方式。         通过开放的方式，一方面可以吸引更多开发者和伙伴加入以海光算力为核心的生态；另一方面也可以依托他们的力量，让大家在各自擅长和专注的领域发挥优势。         第二个维度是，AI芯片以及DCU软件栈的发展需要形成全链条闭环，才能实现对各类场景的有效支撑。

五 | 我们不仅聚焦于海光CPU、DCU和自身的软件栈，也致力于拉动整个产业链进入开放状态。         具体而言，我们一方面逐步开源开放自身的软件栈，另一方面联合国产GPGPU生态中的不同芯片厂商，推动软件栈和统一接口层面的开放合作，尽可能降低用户在不同芯片之间切换的额外时间和人力成本。数字平台提高了供需匹配的实时性，也使这种变化在即时配送等城市服务业中表现得更加明显。

六 | 传统福特制依托集中厂房、固定全职工人和标准化批量生产，适合需求相对稳定、流程高度统一的生产场景。但即时配送具有明显的时空波动：午晚高峰需求集中，平峰时段订单回落，恶劣天气、节假日和突发事件，又会带来短时间内的需求增长。与此同时，不同区域的订单密度和履约难度也不相同。

七 |          第三个维度是，希望通过这样的动作，引领和带动国产GPGPU厂商和生态的良性发展。整个产业链条的健壮和良性循环，是所有芯片厂商和模型公司实现可持续发展的前提和基础。商圈订单可以顺路组合，偏远区域、封闭园区、医院以及需要爬楼的订单，则可能占用更多时间和体力。即时配送因此始终面对一组现实矛盾：既要有稳定力量承接日常需求，又要保留足够弹性应对高峰和特殊场景。         提问：您此前提出过“算力指标”与“Token吞吐量”并重的观点。本届WAIC上，海光更想传递的是算力有多强，还是算力转化为Token的效率有多高？          杜夏威：我们始终坚持以端到端的视角来看待底层算力对上层业务的支持。如果完全依靠专送等稳定运力，平峰期可能出现供给闲置，并推高整个履约体系的配送成本；如果全部依靠上线时间高度自由的普通众包骑手，高峰时段以及偏远地区的难交付订单又可能缺少稳定承接力量。在这一现实约束下，即时配送逐步形成专送、稳定众包和普通众包等不同履约方式。无论是之前大家谈论大模型兼容度，还是后来谈论模型适配和Token吞吐量，我们最核心的检验指标始终是：海光DCU芯片能否有效支撑上层的业务逻辑。

八 | 专送通常具有相对固定的服务区域、排班和组织支持，主要承担持续存在的基础需求；普通众包具有更高的上线和接单自主性，适合短时参与或补充收入；稳定众包则处于两者之间，骑手通常在在线时段、接单和履约方面作出一定承诺，换取相对连续的订单机会。三种方式分别对应稳定性、时间自由和履约要求的不同组合，共同形成“稳定核心＋弹性补充”的劳动组织结构。这种安排将消费端的需求波动转化为供给端的弹性调整，是弹性积累体制在数字经济时代的具体实践，也拓展了单一用工模式的理论解释边界。从各平台的公开资料和行业研究看，这种分型并非某一家平台独有。

九 |          因此，如果行业普遍以Token作为衡量单位来评价芯片或模型的算力、智能化程度，我们也倾向于以同样的视角、结合用户习惯，来评价海光DCU对上层的支撑能力。这一次WAIC，我们就是按照这样的逻辑来呈现自身的技术和产品的。         提问：海光DCU已在20多个关键行业、300多个应用场景落地，但在大模型推理商业化方面，行业普遍面临算力投入高、回报周期长的困境。美团在专送和普通众包之间，形成了乐跑、畅跑等相对稳定的众包方式；淘宝闪购所依托的蜂鸟配送同样设有专送和普通众包，在部分城市和业务场景中还有优选、蜂跑等更稳定的跑单方式；京东外卖则同时招募全职和兼职骑手，其达达秒送履约网络还采用“驻店＋众包”、区域驻店、商圈驻店等混合运力模式。各家的业务名称和具体规则并不完全相同，形成路径也有差异：美团和蜂鸟是在专送、众包基础上继续细分，京东则一方面建立全职外卖骑手队伍，另一方面接入达达原有的众包和驻店网络。但背后的组织逻辑相近，都是将相对稳定的日常运力与应对峰谷变化的弹性运力组合起来。海光如何帮助客户缓解这个问题？          杜夏威：我们主要从两个视角来推进。这种分工不仅回应订单市场的波动，也与骑手群体内部的就业需求差异有关。         第一个视角是作为算力供应方，要把握好自身的技术和产品，保障对模型快速迭代的有效支撑。过去一段时间，我们积极推进了市面上几乎所有主流大模型的适配，同时也在打磨芯片对上层Token吞吐的效率。

十 |          第二个视角是，这次WAIC我们也在积极呼吁，站在光合组织的角度，倡导产业链共同关注Token经济的良性循环，我们不希望重蹈当年软件行业在价值变现和商业闭环上的覆辙。以《美团骑手年度职业报告（2024~2025）》为例，骑手在就业目的、跑单频率和工作强度方面存在明显差异。有人将配送作为主要收入来源，更看重订单连续性和收入的可预期性；有人拥有其他职业或承担家庭照料责任，只在特定时段上线，更在意工作时间的自主安排；还有人将跑单作为就业转换期的阶段性选择。

十一 | 特别是对一些年轻人而言，骑手工作可能只是一个过渡性的就业选项，而非长期职业的选择，固定用工模式未必适合他们的实际就业诉求。         Token性价比的提升，是整个产业链共同努力的结果，我们应该享受这样的红利。但同时，我们也不应该以低价来衡量算力、模型和Token产业的价值，而应该突出它们对产业变革的贡献。         性价比会随着技术迭代持续提升，但与此同时，必须保障产业链各环节获得合理的商业利益，这样才能形成正向循环。这些就业诉求构成了不同履约方式长期并存的劳动供给基础。对于长期稳定跑单的骑手而言，如果所有人都进入同一个完全自由的抢单池，其订单连续性和收入预期可能受到短时、偶发运力的影响；对于只想利用闲暇时间增加收入的骑手而言，固定排班和较强的在线要求又未必适合。容易配送的订单如果被迅速承接，远距离、出餐慢、需要爬楼等困难订单却长期滞留，也会同时影响骑手之间的劳动公平和消费者的服务体验。

十二 |          提问：您刚才提到Token正在成为AI时代的“数字石油”。单一模式看似形式公平，实际上可能忽略不同劳动者和不同订单之间客观存在的差异。运力分层本质是针对差异化劳动力供给形成的多组权责交换方案，而非人为设置高低不同的社会身份。不同模式没有高级、低级之分，区别在于骑手付出什么、相应获得什么。骑手选择相对稳定的模式，意味着让出一部分时间和接单自由，以换取更连续的订单机会和相对明确的工作安排；选择普通众包，则可以保留更高的上线自主性，同时也需要面对更明显的订单量和收入波动。

十三 | 对普通企业来说，Token经济到底意味着什么？它会怎样改变企业使用AI的方式？          杜夏威：Token的使用已经渗透到了个人层面，很多To C业务都能感受到Token带来的变化。这种选择会受到具体规则和报名条件影响，但总体上为劳动者在稳定与自由之间提供了更多可能。也是在单一固定就业之外，为不同劳动者提供差异化的就业选择。当然，任何分工要稳定运行，都需要做到权责基本对等。

十四 | 对于B端用户，无论体量大小，都应该积极拥抱Token经济，尤其是中小企业，它们既是产业上下游的长尾，也是未来产业发展的新生力量，需要重点支持。不同模式的进入、退出和转换条件，也需要明确且易于理解。         我们通过两种方式来支撑中小企业。一种是通过云原生的算力和Token服务，让中小企业无需自建即可便捷地获取Token，尝试以大模型或智能体来升级业务。从长期看，运力分层反映的并不只是即时配送行业的组织创新，也是劳动力市场从单一就业走向多元就业的缩影。另一种是，对于身处高精尖或细分领域的企业，我们提供符合其预期的私有化算力规模，保障敏感数据和高价值资产能够在企业自己的业务体系内安全使用。         “云上+私有化”两种方式并行，既能提供低资产投入、高便捷性的云上Token服务，也能提供符合质量需求的中小规模私有化部署。它让长期跑单者获得相对稳定的工作安排，让兼职和阶段性参与者保留时间弹性，也让不同难度、不同时段的订单得到相应承接。随着灵活就业和新就业形态成为劳动力市场的重要组成部分，就业政策和公共服务也需要更加适应劳动者流动性强、工作周期多样、职业身份转换频繁等特点。同时，还应进一步完善普惠性的劳动保障和职业服务，改善进门、停车、等餐、充换电等城市配送环境，以降低不同类型骑手共同面对的劳动负担。在灵活与稳定之间形成更多可选择、可持续的就业方式，既有助于提高即时配送体系的运行韧性，也为理解和促进新就业形态健康发展提供了现实路径。（作者系中国社会科学院社会学研究所二级研究员）