中新网重庆7月31日电（记者 梁钦卿）7月31日，第六届中国工业软件大会在重庆市渝中区拉开帷幕。来自全国范围内的高等院校、科研院所、行业协会及产业链领军企业的500余位代表齐聚山城，围绕人工智能与工业软件深度融合、工业软件自主可控等关键议题展开深入探讨，共谋产业协同发展的新篇章。

本届大会紧扣全球科技革命与产业变革的时代脉搏，聚焦AI与工业软件融合的前沿命题，系统探索人工智能技术赋能工业软件的全新路径，进一步筑牢工业软件自主可控的发展根基。与会专家普遍认为，AI技术的深度嵌入正为工业软件带来颠覆性变革，而自主可控则是保障产业安全的关键所在。

开幕式上，中国软件行业协会工业软件分会正式揭牌成立。该分会以推动工业软件全产业链协同发展为核心使命，重点发力国产软件技术攻关、标准体系构建、典型应用场景落地、专业人才培养及产业协同机制优化，致力于打造一个自主可控、安全高效的工业软件产业生态。分会将以重庆为支点，辐射带动西部地区工业软件产业的高质量跃升，充分发挥中冶赛迪等本地龙头企业的引领作用，整合产业链上下游企业、高校及科研机构的优势资源，牵头制定行业标准；同时广泛吸纳工业软件相关企事业单位和科研机构成为会员，搭建高效的交流合作平台；通过举办技术研讨会、行业论坛等学术活动，促进技术协同创新；并深入开展人才需求调研与培训，强化与高校和科研机构的联动，构建人才交流枢纽。

值得关注的是，由开放原子开源基金会孵化并运营的“开放原子仪控系统开源社区”也在大会期间正式启动。该社区聚焦仪器仪表及控制系统领域，旨在打造一个互联互通、开放共享的行业物联生态。社区依托开源鸿蒙的分布式能力，联合产业链上中下游力量，共同构建“仪鸿”工业智能仪器仪表及控制系统体系，并在此基础上打造覆盖软硬件全栈的开放式群体智能仪控平台，为行业智能化升级注入新动能。

此外，大会现场还举行了重点项目集中签约仪式，涵盖“工业魔方”模块化订阅式工业软件平台、工业软件与具身智能科创研学基地、低空安全试验平台等6个项目，进一步彰显了重庆在工业软件领域的集聚效应与合作潜力。

当前，渝中区正加速成为智能经济蓬勃发展的“梧桐树”。工业互联网标识解析二级节点、西部算电协同创新中心、6000P绿色算力等一批关键基础设施相继落地，全区软信企业总数已突破4400家，软信产业营收占重庆全市的15%，规上软信服务业营收更是连续五年保持20%以上的高速增长。渝中区委书记、区长谢东在发言中表示，渝中区将着力打造西部领先的工业软件创新应用高地，推动人工智能算法深度融入设计优化、仿真模拟、工艺规划等核心环节，为制造业数字化转型提供坚实支撑。

据了解，今年已是重庆第六次承办中国工业软件大会。六年间，大会始终紧扣制造业数字化转型与工业软件高质量发展的主线，凭借高端化、品牌化、专业化的平台优势，广泛汇聚政产学研用金各方资源，持续提升重庆在全国工业软件版图中的影响力与美誉度，成为推动产业升级的重要引擎。

7月9日，国家卫生健康委员会例行新闻发布会上，药政司司长龚向光就2026年版国家基本药物目录的相关情况向媒体作了通报。据他介绍，新版目录实现了对各类疾病系统临床主要病种的全面覆盖，其中化学药品及生物制品覆盖了世界卫生组织国际通行疾病分类体系中的1180个具体病种，中成药则对应了临床应用指导原则所归纳的63个功效类别。

龚向光进一步阐释，国家基本药物目录在医疗机构药品配备与使用中扮演着至关重要的角色，它实质上构成了群众就医问药、医生处方开具时优先考虑药物的重要参照基准。他指出，随着经济社会的持续发展、人口老龄化进程的不断加速、居民健康诉求的日益攀升，加之药品研发领域的快速进步，当前的临床用药格局已然发生深刻变迁。为了更精准地契合人民群众的基本用药需求，对现行目录实施适时而恰当的修订与更新，已显得尤为必要且紧迫。

为确保临床用药选择得更加精准、恰当且优质，国家卫健委集结了涵盖临床医学、药学、卫生政策及经济学等多个领域的近千名专家。专家团队基于对我国近年来疾病谱演变趋势、病种分布特征、国内外临床诊疗规范以及海量用药数据的深度剖析，正式启动了国家基本药物目录的系统性更新工程。

在此次目录调整过程中，国家卫健委精准把握基本药物的政策定位，紧密围绕威胁我国居民健康的主要疾病谱系，着重凸显临床首选地位、倡导中西药并重策略、适宜基层医疗机构使用等核心导向。与此同时，充分考量了临床实际应用反馈、药品标准的动态变化、创新药物的研发进展，以及药品的安全性、有效性、价格合理性和供应保障能力等多维度因素，并参考了世界卫生组织基本药物示范目录的最新动态，依法依规、有条不紊地推进了目录的更新优化，最终形成了2026年版方案。该版本目录总计收录794种药品，具体来看，化学药品与生物制品部分涵盖476种，涉及791个剂型和1355个规格；中成药部分则收录318种，包含544个剂型和888个规格。

关于目录的主要调整内容，龚向光也作了详细说明。在品种增减方面，新版目录共新增116种药品，其中化学药品和生物制品新增68种，中成药新增48种；同时，原目录中有2种化学药品或生物制品被移出，中成药则无品种遭到淘汰。值得注意的是，结核病防治领域的用药表述被统一规范为“结核病用药”，不再单独列明具体药品名称。

在剂型与规格优化方面，新增药品共增加剂型175个、新增规格260个。对于原目录中予以保留的药品，其中134种获得了剂型或规格的扩充，累计新增剂型161个、规格200个；另有部分原保留药品的75个剂型和100个规格被调整出目录，这主要归因于相关药品批准文号的注销、临床使用率偏低，或是已被其他更优品种所替代等因素。

在目录规范化建设层面，本次调整依据世界卫生组织的国际通用药物分类标准以及国家药品标准的最新变化，对部分分类归属和剂型规格的表述予以了系统规范；同时，基于药品注册信息的变动，有2个品种从化学药品类别转划至中成药类别，以确保目录结构的科学性和严谨性。

2023年，一位因高压电意外而痛失左眼及左侧面部大部分组织的伤者，在纽约大学朗格尼医学中心接受了史无前例的全眼复合面部移植手术。这起全球首例的壮举虽令术后恢复进展顺利，移植眼也成功建立了血液流通，然而患者依旧未能重获视觉感知。

全眼移植在医学界堪称天堑，其症结之一在于视网膜对缺血——即缺氧所诱发的损伤——有着极端的脆弱性。即便是分秒级别的血流中断，也可能引发感光神经元及其神经回路不可挽回的崩坏。不过，一项近日在bioRxiv平台上披露的科研成果，为这一困局带来一线曙光。

研究团队匠心打造了一套名为ECaBox的眼球护理装置，可使离体眼球在体外重新焕发活力，并在长达10小时的时段内保持对光的敏锐响应，这一时长几乎是既往纪录的两倍。通过持续灌注富含氧气的营养液，ECaBox还能让眼球的解剖结构与整体生理机能维系至24小时之久。

“这项成果无疑为全眼移植领域树立了里程碑式的标杆。”美国约翰斯·霍普金斯大学的托马斯·约翰逊如此评价，“能在体外维持光反应，堪称令人瞩目的突破。”而在英国，超过百万民众正因诸如年龄相关性黄斑变性等不可逆转的眼疾，陷入失明或视力严重受损的深渊——这类疾病往往侵袭视网膜，即眼球后部负责感光的精密组织。

面对这些顽疾，科学界已在某些方向上取得长足进步。比方说，角膜移植——以捐赠组织替换眼球前端病变部位——能够为角膜损伤者带来视力的显著改善。然而，视网膜疗法则显然更为棘手，因为其与中枢神经系统紧密相连，牵一发而动全身。

西班牙巴塞罗那科学技术研究所的艾梅尔·伯恩与她的同僚们，试图通过模拟体内环境来减轻供体眼球的离体损伤。为此，他们构筑了一套精密系统：将一根柔性微管植入眼动脉，为眼球及其周边组织输送血液，随后借助定制的ECaBox装置，以含氧溶液对捐赠眼球进行持续灌注。该设备还能依托传感器，自动校准压力与流速，确保条件稳定。

为验证此系统的效能，研究人员自六位捐献者处摘取双眼，并在每次实验中仅对其中一只进行灌注处理。结果显示，灌注系统能够令视网膜框架及其周边细胞保持健康状态长达一天，而未经灌注的眼球则在离体后迅速走向退化。

紧接着，团队又对另外36只捐赠眼球进行了灌注实验，其中15只的视网膜在光线刺激下产生了电生理信号，其反应特征与活体测量值高度吻合，且这种响应可稳定延续至10小时之久。至于其余21只灌注眼球为何未能触发类似反应，研究团队目前仍未能给出确凿解释。

国家统计局近日披露了2025年上半年规模以上工业企业利润的关键数据。在算力需求持续井喷的背景下，电子行业利润同比飙升96.9%，为全部规上工业企业利润增长贡献了8.5个百分点；其中，集成电路制造业的利润增幅更是达到了惊人的2579.5%。7月27日，存储芯片巨头长鑫科技正式挂牌科创板，上市首日即高开471%，终盘涨幅465.82%，市值攀升至3.28万亿元，一举超越工商银行，登顶A股总市值榜首。

这一连串令人咋舌的数字背后，真实的算力市场究竟处于怎样的温度？这场算力“狂飙”又与普通人的生活产生了哪些千丝万缕的联结？近日，《每日经济新闻》记者借助在郑州举行的“光合组织2026智能计算应用大会”之机，深入一线展开了实地探访。

7月中旬的郑州，室外温度直逼40摄氏度。郑州国际文化交流中心内却人潮涌动，热闹非凡。走进一楼展厅，一台高达两人、颇为壮观的机柜赫然映入眼帘——这正是国内首台十万卡AI算力集群。围观者层层叠叠，不少人需仰头才能望见机柜顶部。展厅内人流摩肩接踵，站久了衣物便有些黏腻。一位工作人员向记者透露，空调其实已调至很低，但人气实在太过旺盛。沿走廊两侧，各厂商的服务器机箱整齐排列，每个展位前都围聚了数层观众，外围的人们不得不侧身从缝隙中探看。

现场人群大体可分为两类：一类是服务器零部件及整机制造商，另一类则是AI应用开发商。两类人群交织穿梭，过道中不时有人驻足互换联系方式，或探讨服务器性能参数，或交流行业最新趋势。午后从餐厅返回会场途中，依旧能听到三三两两的讨论声不绝于耳。这番火热场景，令记者恍如置身于上世纪90年代互联网初兴时的繁荣气息中。

根据国家统计局发布的上半年数据，服务器及高性能工作站相关领域中，计算机整机制造利润同比增长689.3%，计算机外围设备制造利润增长305.8%；电子器件制造领域中，集成电路制造利润飙升2579.5%，半导体分立器件制造利润增长31.2%；而在电子元件及电子专用材料制造领域，电子专用材料制造利润增长209.7%，电子电路制造利润增长26.9%。这些令人瞠目的数字，折射出怎样的市场真相？

“眼下连板卡都供不应求。”浪潮计算机产品经理刘树奇向记者坦言，“内存条价格从去年到现在翻了三倍，去年一条1万元，今年可能涨到3万元却依然一货难求。”刘树奇提到的板卡，正是服务器的“骨架”——那些常见的绿色电路板，承担着CPU、GPU、存储及各类网络组件之间的互联互通职能。

一位GPU厂商人士感慨道：“我们曾签下一个订单，约定连服务器一并交付，结果服务器价格每日一变，根本无法履约。原先一台服务器20万元，随后涨至50万元，再飙到80万元，即便有钱也拿不到货。”刘树奇补充说：“有一段时间，合同报价的有效期甚至仅为一周。一周之后需要重新核算，价格可能又已不同。”

从采访中记者获悉，这种供应紧张态势自去年末便已显现，至今仍未缓解。

那么，这场“飞驰”的订单浪潮由何支撑？算力热潮又与普通人相距多远？浪潮计算机AI产品部廖广山向记者解释，普通用户使用大模型时属于云端推理，调用的算力资源在云端完成，并不会占用手机本地算力。而若想解决私密性问题、确保数据仅在本地方流转，则需采用本地化部署方案。廖广山说：“本地化部署的主要支出在于购置服务器，模型代码是开源的，从官网下载镜像即可运行。”

一家AI应用服务商或科研机构若需本地化部署模型并开展训练，究竟需要多少算力？面对记者的提问，廖广山详解道：“这取决于实际目标，通常可分为预训练和微调两类。以DeepSeek为例，若在本地运行该模型，基准资源需求为1倍；若需微调，则需约4至8倍的资源；若是进行推理训练，则需20倍以上。你提到的应用场景应属于微调范畴。”

刘树奇举了一个生动的例子：假设某机构想开发一个模型，识别路口一天内通过的行人、车辆、动物数量及空气质量，便需先搭建模型框架，设定多个识别字段，例如什么样的轮廓属于“人”，哪些特征属于“动物”，什么形状算作“车”。模型初建之后，还需持续“喂入”数据，比如不同品牌、不同形态的车辆图片，让系统不断学习迭代。只要数据量足够庞大，模型自然会愈发精准。

“如果只需保障训练过程的稳定性，比如确保AI短剧中人物形象前后一致，倒也不一定非得做本地化部署，购买大模型厂商提供的租户隔离服务即可满足需求。”廖广山补充道。

在算力价格暴涨的背景下，算力到底是离普通人更近，还是愈发高端、愈发遥不可及？中科曙光高级副总裁李斌对此表示，算力与普通人的距离正在缩短。“以郑州的曙光8000(登峰)为例，过去主要服务于科研院所的科学家，如今已有相当大一部分算力接入手机App后端，为各类Token服务提供支撑。或许在用户打开手机的刹那，背后调用的正是来自郑州的算力。”

在普通人眼中，服务器机箱的内部结构或许与台式电脑大同小异——同样包含CPU、GPU、存储、硬盘和散热组件。廖广山用一个形象的比喻解释：“如果说前者只是一辆玩具车，那后者便是真正的运载火箭。两者在设计复杂度、结构精密性及用途上完全不在一个量级，后者所能完成的计算任务也远为复杂。研发一套服务器需投入上千万元资金。”

然而，相似之处在于，随着算力需求的变化，服务器内部各组件的配比也在不断调整。李斌认为，在超长上下文的推理任务中，存储的重要性愈发凸显。海光信息服务器产品部总经理张攀勇则表示，随着AI Agent时代的来临，大量工作实际上由CPU承担，包括任务编排、工具调用与结果处理，以及记忆管理等；而GPU的角色则更聚焦于模型推理本身。这种变化也带来了一种范式转移。从他们的工作负载观察来看，CPU与GPU的配比已发生显著变化：过去在双路GPU服务器中，常见配置为一颗CPU搭配八颗GPU或两颗CPU配八颗GPU，比例大致介于1:4至1:8；而在当前的数据中心场景下，由于沙箱环境、存储系统、数据库、向量计算等多样负载的增加，整体配比已从往日的1:4、1:8逐步演化为1:1。

要让服务器机身更趋紧凑，廖广山认为可能需依赖液冷技术的进一步成熟。

算力是否存在结构性过剩的可能？李斌向记者表示，算力的短缺或过剩存在阶段性波动，但总体而言，AI驱动的需求仍在持续攀升，尤其是对高端算力的渴求，智能体兴起之后，算力需求将更加旺盛。“从IT产业发展的规律来看，同等性能或效果所需的成本大概率会持续下降，这是行业大趋势。长期来看，算力必将更加普惠。”李斌举例道，“在大模型爆发之前，行业最热门的是人脸识别技术。如今，这项技术的门槛与使用成本已大幅降低。未来大模型也可能沿循同样的路径。一方面，模型自身能力不断进化；另一方面，推理效率持续提升，单位任务所需的算力成本随之下降。最终，大模型将演变为像水电一样的基础设施，更加贴近大众。”

那么，算力的终极形态又会是怎样？李斌认为，未来的整体方向是云化，同时边端设备如具身智能等将配备轻量化算力以实现实时响应。个人无需购置笨重的本地设备，通过App即可轻松获取强大的AI能力。海光信息副总裁应志伟也向记者表示，算力终将如水电般即开即用，无论通过本地部署还是云端接入都能随时响应。所有业务都将深度融入AI能力，否则便难以适应这一时代。算力将无处不在，使用者在不知不觉中便可享受其便利，这才是真正的大势所趋。

“过去依赖大型算力中心，是因为模型复杂、体量庞大，对算力要求极高，普通终端设备难以承载，只能依托集中式算力完成训练和推理。这一方向不会改变，但也要看到另一面：当模型真正落地应用时，不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程，但在许多场景下，一个监控摄像头做人脸识别，几十亿参数的轻量模型就已足够。此类细分场景不胜枚举——嵌入式设备做电源波形检测时，网络延迟反而会抵消优势；孩子在家做数学题，本地小模型即可解决，无需调用云端大模型。”应志伟总结道。