国产算力到底能不能打？

四川云控用实践给出了自己的答案：不仅能打，而且越来越好用。

但话要说在前面：国产化之路，任重道远。硬件买得到，生态却要靠自己一点点培育。当前，四川云控只是率先做好了推理环节的国产化替代——训练、微调等更长的路还在前面，全面国产化，才刚刚走通第一步。

八张卡，二次核验

走进四川云控的算力机房，一排沐曦N260国产卡正安静地执行着图片识别任务，运行其上的，是公司AI团队自主训练的图片识别模型。

这张“国产卡+自研模型”的组合，交出了一份扎实的成绩单：

单张N260卡即可承接每天5万张高清图片的智能处理，第一字响应时延契合2秒的业务要求，识别准确率保持在92%以上；蜀道所属路网的关键事件图片二次核验，仅用8张N260卡就完成了。

单流性能：从2秒到0.8秒

首字响应时延（TTFT）直接决定推理服务的用户体验。在910B上，四川云控团队从算子适配、推理调优入手，把单流性能提升到了原厂基线的2倍以上：TTFT从2秒压降到0.8秒至1.1秒。

不要小看这一两秒的差距。从前提一个问题，要等上2秒才见第一个字，像在等对方“想清楚”；如今不到1秒就开始输出，几乎“话音未落，回应就来了”。一天几十上百次交互下来，快出的这点时间，攒成了顺手的体验，也攒成了效率。

图：v4-flash-0731昇腾国产算力全维度API基准报告。聚合解码吞吐1306token/秒、单流解码峰值162.2token/秒、最低首字时延401毫秒，693次请求零错误——数据全部来自国产算力实测。

把单卡算力，汇成集群力量

四川云控更进一步，把多台国产算力联结成推理集群：统一调度、协同作战，让算力按业务需要流动，空闲算力被充分激活，整体吞吐能力大幅提升。

不止于“量变”，更是“质变”

算力不再是互不相连的孤岛，而是可以弹性伸缩的整体；单点故障不再可怕，业务连续性更有保障——算力，真正成为可以放心托付的底座。

精细化调优：把推理链路拆到最小环节

国产算力“好不好用”，最终取决于调优的功夫下得深不深。四川云控技术团队的做法是：针对vLLM Ascend推理框架开展链路原子化分析——把一条完整的推理链路拆解到最小的环节，逐个环节找瓶颈、逐项开销做优化。

在这样的原子化分析之上，团队给出了自己的答案：融合算子调优+调度调优双管齐下。算子层面，把零散的算力开销融合起来，减少不必要的搬运与等待；调度层面，让请求、批次与算力匹配得更合理，把机器的潜力吃干榨净。

调优不能靠“感觉”，得靠数据说话。团队还自主积累了两件“趁手的工具”：性能验证工具，让每一次优化都可量化、可复现；模型精度测试工具，确保性能提升不以牺牲精度为代价。有了它们，优化不再是碰运气，而是有据可依的工程活。

一系列优化叠加下来，效果清清楚楚：

• 前缀缓存（KVcache）：让高频请求复用计算结果，命中率高达97%，大幅减少重复计算；

• 预填与生成分离（PD分离）：推理分工协作、互不干扰，在不掉推理精度的前提下，让agent调用、代码编写、办公协同等任务的首字时延稳定在1秒左右；

• 整体表现：单机单流输出稳定在90—140token/秒，16路并发时（受上下文长度限制，这是兼顾速度与承载的测试档位，并非并发上限），每台机器输出70token/秒；实测峰值单流解码162.2token/秒、整机聚合解码吞吐1306token/秒，最低首字时延401毫秒。

距离一流服务，还有多远？

如今，四川云控已实现对标2026年8月DeepSeekV4-Flash-0731官方API的速率能力——首字时延1秒、输出速率80—120token/秒。当然，对标不是终点：DeepSeekV4.1的官方API已经比它更快，国产算力追赶的脚步，不能停。

针对四川云控对于昇腾算力设备的调试优化情况，华为公司到四川云控算力中心多次交流沟通，对优化结果非常认可，基于四川云控的优化能力与效果，双方正在探索后续达成深度合作的机会与模式。

对四川云控来说，这些数字的意义远不止“跑得快”：它意味着核心技术自主可控，数字化转型的底座更稳；意味着把成本的主动权握在自己手里，让每一分算力投入都物尽其用；更意味着，当国产算力生态真正成熟时，我们已经练好了兵、备好了工具。

下一步，四川云控AI Infra团队将持续跟进新模型的优化适配，把每一次适配都沉淀为经验，为未来可能到来的蜀道集团级千卡集群做好技术储备——算力规模上去了，队伍的本事得先跟上。

用好国产算力，从“能用到好用”，这条路，四川云控走得踏实，也将继续走下去。