科华数据携手进迭时空，共筑国产算力生态
科华数据与进迭时空达成战略合作，国产算力生态再添重要拼图。双方将围绕RISC-V架构算力基础设施展开深度协同，在数据中心供电、液冷散热、算力调度与芯片适配等环节形成合力，为国产算力从“单点突破”走向“系统成势”提供可复制的落地样本。这一合作不只是两家企业的资源互补，更折射出国产算力产业链由分散走向协同的现实路径：芯片、整机、基础设施与场景应用必须在同一张网络上对话，算力才能真正变成生产力。
算力需求跃升倒逼基础设施重构
人工智能大模型训练与推理需求的快速增长，正在改变数据中心的设计逻辑。过去以通用服务器为主的机房，如今要面对高密度GPU与加速卡集群带来的功率陡增和散热压力，单机柜功率从几千瓦向数十千瓦甚至更高迈进。算力不再只是芯片性能的比拼，供电稳定性、散热效率与能效比同样决定集群的实际产出。科华数据长期深耕电力电子与数据中心基础设施，在高端UPS、高压直流供电、液冷温控等方向积累了大量工程经验，能够为高密度算力场景提供从配电到散热的一体化方案。进迭时空则专注于RISC-V架构高性能计算芯片的研发，致力于让开放指令集在通用与专用算力场景中落地。双方合作的核心，正是把芯片侧的算力设计与基础设施侧的承载能力放在同一张蓝图上统筹考虑，避免“芯片等机房、机房追芯片”的错配。
RISC-V架构为国产算力提供新选项
在x86与ARM之外，RISC-V以其开放、可扩展的特性，为国产算力提供了一条不依赖单一授权体系的技术路线。进迭时空围绕RISC-V构建的高性能处理器，强调可定制与生态开放，适合在边缘计算、行业专用服务器以及部分通用计算场景中形成差异化供给。对于数据中心而言，引入RISC-V算力并非简单替换，而是需要在供电特性、管理接口、虚拟化支持与集群调度层面做系统性适配。科华数据在数据中心基础设施与算力服务上的工程能力，恰好可以承担这一“适配层”的角色：从机柜级供电曲线到液冷板布局，从监控协议对接到运维体系兼容，使新架构芯片能够以更低门槛进入现有机房环境。这种“芯片企业专注算力设计、基础设施企业专注承载与运营”的分工，有助于缩短国产算力从样机到规模化部署的周期。
液冷与高效供电成为协同关键
高密度算力集群对散热的要求，使液冷从可选项变为必选项。冷板式液冷、浸没式液冷在不同功率密度场景下各有适用边界，而芯片的封装形态、热设计功耗与运行负载曲线，直接决定液冷系统的设计参数。科华数据在液冷数据中心方面的实践，可以与进迭时空的芯片热设计形成前后端联动：芯片侧提供更精确的功耗与温度模型，基础设施侧据此优化冷量分配与冗余策略，从而在保证可靠性的前提下降低整体PUE。供电环节同样如此，RISC-V服务器在电源管理策略上的差异，要求UPS与配电系统具备更灵活的响应能力。双方联合测试与参数对齐，可以把“芯片—电源—散热”作为一个整体来调优，而不是各自留足余量、层层叠加成本。这种协同对算力中心的长期运营成本具有直接影响，也为国产算力方案的竞争力提供了工程支撑。
生态协同比单点技术更难也更重要
国产算力生态的短板往往不在某一颗芯片或某一台设备，而在接口标准、软件栈、运维规范与场景验证之间的衔接。科华数据拥有覆盖数据中心建设与运营的客户网络和场景资源，进迭时空则掌握RISC-V处理器的底层技术与开发工具链。双方合作的价值在于把“技术可用”推进到“场景好用”：在真实的数据中心环境中验证新架构算力的稳定性、兼容性与可运维性，并把验证结果反馈到芯片设计与基础设施方案的迭代中。这种双向反馈机制，比单方面的技术发布更能积累生态信任。对于行业客户而言，他们需要的不是一份架构白皮书，而是一套能够平滑迁移、长期维护、成本可控的算力方案。科华数据与进迭时空的联手，正是在尝试把这类方案从项目制交付变成可复制的产品化能力。
从项目落地走向标准共建
合作的下一步，取决于能否形成可度量的成果。双方可以围绕典型场景开展联合试点，例如在边缘数据中心部署RISC-V算力节点，验证其在供电波动、散热条件受限环境下的表现；也可以在行业云场景中测试异构算力调度，观察RISC-V节点与现有x86、ARM节点混合部署时的管理效率。试点之后，更有价值的工作是把经验沉淀为接口规范与测试方法，推动RISC-V算力基础设施在供电、散热、监控等环节形成行业可参照的标准。标准的意义在于降低后来者的集成成本，让更多整机厂商、软件厂商和用户敢于进入这一生态。科华数据与进迭时空如果能在这一层面持续投入，合作的影响将超出两家企业的业务范围，成为国产算力生态基础设施建设的一部分。
国产算力需要长期主义的合作样本
算力生态的建设周期以年计，芯片迭代、软件适配与场景验证都需要持续投入，短期内的商业回报未必立竿见影。科华数据与进迭时空的合作，体现了一种值得关注的产业态度：不追求单点参数的噱头，而是把芯片、基础设施与场景放在同一条工程链条上打磨。国产算力的真正突破，既需要指令集与微架构层面的创新，也需要供电、散热、运维这些“不起眼”环节的扎实积累。当越来越多的企业愿意在系统层面协同，国产算力生态才能从“能用”走向“好用”，从项目示范走向规模部署。这条路径没有捷径，但每一步都算数。