2026年伊始，全球AI算力战场烽烟再起。英伟达依托CUDA生态形成了近乎垄断的技术壁垒，“缺芯少魂”仍是中国AI产业发展的现实挑战。

在此背景下，深圳市大数据研究院持续深耕人工智能等前沿科技领域，并于2025年孵化智子芯元（深圳）科技有限公司，致力于“数学+AI”融合创新。成立仅5个月，该公司便凭借自主研发的KernelCAT工具，仅用38分钟完成DeepSeek-OCR-2模型在华为昇腾平台的自动化部署和推理验证，有力推动了我国算力底层的自主创新。

近日，深圳市大数据研究院研究科学家、智子芯元联合创始人丁添在接受记者采访时表示：“过去我们靠‘堆人’追赶，但AI发展太快，根本追不上。现在有了自动化工具，英伟达十几年的领先，原来要用人一步一步走，现在可以用‘AI+数学’自动走，几周的任务变成几十分钟，这是革命性的速度提升，能大幅缩短追赶时间。”

丁添认为，英伟达的护城河太厚了，十几年的算子库、完善的框架、几百万开发者。很多开发者第一天就用英伟达，不愿意学别的芯片。“这将是国产芯片弯道超车、换道超车唯一可能的途径”。

破壁之战，用AI Agent打通国产算力“任督二脉”

制约国产芯片发挥性能的真正痛点往往不在硬件本身，而在软件生态。国产芯片并不缺乏理论峰值性能，缺的是能让这些性能落地的“算子”。

算子（Kernel）是连接AI算法与计算芯片的“翻译官”：它将算法转化为硬件可执行的指令，决定了AI模型的推理速度、能耗与兼容性。

而长期以来，为了让一个模型在国产卡上顺利运行，顶尖工程师们不得不像“在深海中戴着手铐组装手表”一般，耗时数月手动编写底层代码，却依然难以触及性能极限。行业的共识是：突破这一瓶颈，不能依赖传统的“手工作坊”模式，而必须借助更强大的AI工具。

深圳市大数据研究院依托多年“数学+AI”的积累，实现了技术突破。丁添介绍，KarnelCAT工具相当于通过“AI+数学”自动生成算子，然后自动适配国产芯片，大幅提升了推理与训练效率。比如，它可以将英伟达训练好的模型直接“翻译”到华为昇腾平台。

更通俗的说法，就像“把Windows游戏安装到苹果电脑上”，传统方式需要工程师几周甚至几个月时间。但KarnelCAT全自动完成代码适配与性能优化，将时间压缩至几十分钟到几小时。

而这背后也涉及诸多的技术突破，AI负责代码生成与硬件分析、数学负责性能优化（运筹学）、硬件在环机制（强制在真实硬件上测试，克服大模型“幻觉”问题）等。

作为全球首个全自动AI模型迁移与优化工具，KernelCAT打破了英伟达的生态壁垒，打通了国产算力的“任督二脉”。

38分钟的奇迹，从“版本地狱”到“智能迁移”

把大象装进冰箱需要三步，但把顶级的 DeepSeek-OCR-2 模型“完美迁移”到国产华为昇腾（CANN）平台，曾被视为一场“噩梦”。

DeepSeek-OCR-2 是一款引入了“视觉因果流”设计的复杂多模态模型，对算子的要求极高。在过去，适配这类模型意味着要面对最令人头秃的“版本地狱”：vLLM、PyTorch 和 NPU 驱动之间错综复杂的版本互锁，牵一发而动全身。

但在 KernelCAT（智子芯元研发的 AI Agent）接手后，这场战役变成了一次丝滑的“自动驾驶”体验：

·智能排雷，秒解“三角债”启动任务的瞬间，KernelCAT迅速接管了战场。它没有盲目安装，而是通过对任务目标的深度理解，精准识别出各个依赖库之间的死锁矛盾。它像一位经验丰富的拆弹专家，自动补全缺失环境，硬生生在复杂的版本冲突中搭建起了一套稳定的生产环境。

·全程托管，无需人工38分钟。这是从下达指令到迁移完成的总耗时。在这38分钟里，开发者不需要反复试错，不需要通宵查日志。KernelCAT自动解析模型结构、自动生成迁移计划、自动处理报错。原本需要一支专家团队数周才能完成的工作，现在仅需一杯咖啡的时间。

昇腾平台（Ascend）是华为面向全场景AI打造的端边云协同全栈软硬件与生态体系，核心是“硬件开放、软件开源”，为AI训练或推理提供自主可控的国产算力底座。

据微信公众号“昇腾CANN”发布的消息，在前序模型DeepSeek-OCR部署任务中，KernelCAT给出的方案较原生Transformers方案的加速效果可达139倍。这一结果表明，在KernelCAT支持下，复杂OCR模型可以在国产算力平台上实现可用、稳定、可复现的工程落地。

深圳AI算力突围，填补国产算力生态薄弱环节

值得注意的是，KernelCAT的横空出世并非偶然，这背后是深圳市大数据研究院的长期深耕。2019年，该研究院就正式授牌成为深圳市基础研究机构之一，始终致力于解决“卡脖子”难题。

智子芯元团队则承袭了研究院“数学+AI”的发展路径。他们不走寻常路，将高深的运筹优化理论与最前沿的AI大模型技术结合，攻克了算法与算子这一“最后一公里”的难题。

从联合华为攻关昇腾生态关键技术，到获得顶尖资本战略投资，智子芯元正在用“深圳方案”填补国产算力生态中最薄弱的一环。

深圳市大数据研究院副院长张昕表示，研究院以数学为根，以国产算力为战场，用“AI+运筹优化”解决了AI Infra的“卡脖子”难题，正走出一条从基础研究到产业突破的深圳路径。“如果再找到类似的好发力点，我们可以如法炮制，大概率还能成功。”

“我们希望国产芯片上也能跑出世界一流的大模型。”丁添表示，未来希望KarnelCAT不只是迁移工具，更是计算加速开发的工具，能帮助国产芯片生态催生新模型。同时，他还强调，算力底座需要自主可控，军事、医学这些重要领域的模型，不应该跑在国外芯片上。“我们的工具可以帮助这些垂直领域，把AI用起来，并带来效率提升。”

在人工智能时代，像智子芯元这样聚焦芯片、大模型等关键赛道攻坚的企业不断涌现，贡献出越来越多的“深圳方案”。目前，深圳现有人工智能企业2600余家，产业链覆盖芯片、模型、硬件及应用等全环节，产业规模位居全国前列，连续两年实现两位数增长。

在这片沃土上，人工智能作为新质生产力，正在充分涌流。

2026年伊始，全球AI算力战场烽烟再起。英伟达依托CUDA生态形成了近乎垄断的技术壁垒，“缺芯少魂”仍是中国AI产业发展的现实挑战。

在此背景下，深圳市大数据研究院持续深耕人工智能等前沿科技领域，并于2025年孵化智子芯元（深圳）科技有限公司，致力于“数学+AI”融合创新。成立仅5个月，该公司便凭借自主研发的KernelCAT工具，仅用38分钟完成DeepSeek-OCR-2模型在华为昇腾平台的自动化部署和推理验证，有力推动了我国算力底层的自主创新。

近日，深圳市大数据研究院研究科学家、智子芯元联合创始人丁添在接受记者采访时表示：“过去我们靠‘堆人’追赶，但AI发展太快，根本追不上。现在有了自动化工具，英伟达十几年的领先，原来要用人一步一步走，现在可以用‘AI+数学’自动走，几周的任务变成几十分钟，这是革命性的速度提升，能大幅缩短追赶时间。”

丁添认为，英伟达的护城河太厚了，十几年的算子库、完善的框架、几百万开发者。很多开发者第一天就用英伟达，不愿意学别的芯片。“这将是国产芯片弯道超车、换道超车唯一可能的途径”。

破壁之战，用AI Agent打通国产算力“任督二脉”

制约国产芯片发挥性能的真正痛点往往不在硬件本身，而在软件生态。国产芯片并不缺乏理论峰值性能，缺的是能让这些性能落地的“算子”。

算子（Kernel）是连接AI算法与计算芯片的“翻译官”：它将算法转化为硬件可执行的指令，决定了AI模型的推理速度、能耗与兼容性。

而长期以来，为了让一个模型在国产卡上顺利运行，顶尖工程师们不得不像“在深海中戴着手铐组装手表”一般，耗时数月手动编写底层代码，却依然难以触及性能极限。行业的共识是：突破这一瓶颈，不能依赖传统的“手工作坊”模式，而必须借助更强大的AI工具。

深圳市大数据研究院依托多年“数学+AI”的积累，实现了技术突破。丁添介绍，KarnelCAT工具相当于通过“AI+数学”自动生成算子，然后自动适配国产芯片，大幅提升了推理与训练效率。比如，它可以将英伟达训练好的模型直接“翻译”到华为昇腾平台。

更通俗的说法，就像“把Windows游戏安装到苹果电脑上”，传统方式需要工程师几周甚至几个月时间。但KarnelCAT全自动完成代码适配与性能优化，将时间压缩至几十分钟到几小时。

而这背后也涉及诸多的技术突破，AI负责代码生成与硬件分析、数学负责性能优化（运筹学）、硬件在环机制（强制在真实硬件上测试，克服大模型“幻觉”问题）等。

作为全球首个全自动AI模型迁移与优化工具，KernelCAT打破了英伟达的生态壁垒，打通了国产算力的“任督二脉”。

38分钟的奇迹，从“版本地狱”到“智能迁移”

把大象装进冰箱需要三步，但把顶级的 DeepSeek-OCR-2 模型“完美迁移”到国产华为昇腾（CANN）平台，曾被视为一场“噩梦”。

DeepSeek-OCR-2 是一款引入了“视觉因果流”设计的复杂多模态模型，对算子的要求极高。在过去，适配这类模型意味着要面对最令人头秃的“版本地狱”：vLLM、PyTorch 和 NPU 驱动之间错综复杂的版本互锁，牵一发而动全身。

但在 KernelCAT（智子芯元研发的 AI Agent）接手后，这场战役变成了一次丝滑的“自动驾驶”体验：

·智能排雷，秒解“三角债”启动任务的瞬间，KernelCAT迅速接管了战场。它没有盲目安装，而是通过对任务目标的深度理解，精准识别出各个依赖库之间的死锁矛盾。它像一位经验丰富的拆弹专家，自动补全缺失环境，硬生生在复杂的版本冲突中搭建起了一套稳定的生产环境。

·全程托管，无需人工38分钟。这是从下达指令到迁移完成的总耗时。在这38分钟里，开发者不需要反复试错，不需要通宵查日志。KernelCAT自动解析模型结构、自动生成迁移计划、自动处理报错。原本需要一支专家团队数周才能完成的工作，现在仅需一杯咖啡的时间。

昇腾平台（Ascend）是华为面向全场景AI打造的端边云协同全栈软硬件与生态体系，核心是“硬件开放、软件开源”，为AI训练或推理提供自主可控的国产算力底座。

据微信公众号“昇腾CANN”发布的消息，在前序模型DeepSeek-OCR部署任务中，KernelCAT给出的方案较原生Transformers方案的加速效果可达139倍。这一结果表明，在KernelCAT支持下，复杂OCR模型可以在国产算力平台上实现可用、稳定、可复现的工程落地。

深圳AI算力突围，填补国产算力生态薄弱环节

值得注意的是，KernelCAT的横空出世并非偶然，这背后是深圳市大数据研究院的长期深耕。2019年，该研究院就正式授牌成为深圳市基础研究机构之一，始终致力于解决“卡脖子”难题。

智子芯元团队则承袭了研究院“数学+AI”的发展路径。他们不走寻常路，将高深的运筹优化理论与最前沿的AI大模型技术结合，攻克了算法与算子这一“最后一公里”的难题。

从联合华为攻关昇腾生态关键技术，到获得顶尖资本战略投资，智子芯元正在用“深圳方案”填补国产算力生态中最薄弱的一环。

深圳市大数据研究院副院长张昕表示，研究院以数学为根，以国产算力为战场，用“AI+运筹优化”解决了AI Infra的“卡脖子”难题，正走出一条从基础研究到产业突破的深圳路径。“如果再找到类似的好发力点，我们可以如法炮制，大概率还能成功。”

“我们希望国产芯片上也能跑出世界一流的大模型。”丁添表示，未来希望KarnelCAT不只是迁移工具，更是计算加速开发的工具，能帮助国产芯片生态催生新模型。同时，他还强调，算力底座需要自主可控，军事、医学这些重要领域的模型，不应该跑在国外芯片上。“我们的工具可以帮助这些垂直领域，把AI用起来，并带来效率提升。”

在人工智能时代，像智子芯元这样聚焦芯片、大模型等关键赛道攻坚的企业不断涌现，贡献出越来越多的“深圳方案”。目前，深圳现有人工智能企业2600余家，产业链覆盖芯片、模型、硬件及应用等全环节，产业规模位居全国前列，连续两年实现两位数增长。

在这片沃土上，人工智能作为新质生产力，正在充分涌流。

2026年伊始，全球AI算力战场烽烟再起。英伟达依托CUDA生态形成了近乎垄断的技术壁垒，“缺芯少魂”仍是中国AI产业发展的现实挑战。

在此背景下，深圳市大数据研究院持续深耕人工智能等前沿科技领域，并于2025年孵化智子芯元（深圳）科技有限公司，致力于“数学+AI”融合创新。成立仅5个月，该公司便凭借自主研发的KernelCAT工具，仅用38分钟完成DeepSeek-OCR-2模型在华为昇腾平台的自动化部署和推理验证，有力推动了我国算力底层的自主创新。

近日，深圳市大数据研究院研究科学家、智子芯元联合创始人丁添在接受记者采访时表示：“过去我们靠‘堆人’追赶，但AI发展太快，根本追不上。现在有了自动化工具，英伟达十几年的领先，原来要用人一步一步走，现在可以用‘AI+数学’自动走，几周的任务变成几十分钟，这是革命性的速度提升，能大幅缩短追赶时间。”

丁添认为，英伟达的护城河太厚了，十几年的算子库、完善的框架、几百万开发者。很多开发者第一天就用英伟达，不愿意学别的芯片。“这将是国产芯片弯道超车、换道超车唯一可能的途径”。

破壁之战，用AI Agent打通国产算力“任督二脉”

制约国产芯片发挥性能的真正痛点往往不在硬件本身，而在软件生态。国产芯片并不缺乏理论峰值性能，缺的是能让这些性能落地的“算子”。

算子（Kernel）是连接AI算法与计算芯片的“翻译官”：它将算法转化为硬件可执行的指令，决定了AI模型的推理速度、能耗与兼容性。

而长期以来，为了让一个模型在国产卡上顺利运行，顶尖工程师们不得不像“在深海中戴着手铐组装手表”一般，耗时数月手动编写底层代码，却依然难以触及性能极限。行业的共识是：突破这一瓶颈，不能依赖传统的“手工作坊”模式，而必须借助更强大的AI工具。

深圳市大数据研究院依托多年“数学+AI”的积累，实现了技术突破。丁添介绍，KarnelCAT工具相当于通过“AI+数学”自动生成算子，然后自动适配国产芯片，大幅提升了推理与训练效率。比如，它可以将英伟达训练好的模型直接“翻译”到华为昇腾平台。

更通俗的说法，就像“把Windows游戏安装到苹果电脑上”，传统方式需要工程师几周甚至几个月时间。但KarnelCAT全自动完成代码适配与性能优化，将时间压缩至几十分钟到几小时。

而这背后也涉及诸多的技术突破，AI负责代码生成与硬件分析、数学负责性能优化（运筹学）、硬件在环机制（强制在真实硬件上测试，克服大模型“幻觉”问题）等。

作为全球首个全自动AI模型迁移与优化工具，KernelCAT打破了英伟达的生态壁垒，打通了国产算力的“任督二脉”。

38分钟的奇迹，从“版本地狱”到“智能迁移”

把大象装进冰箱需要三步，但把顶级的 DeepSeek-OCR-2 模型“完美迁移”到国产华为昇腾（CANN）平台，曾被视为一场“噩梦”。

DeepSeek-OCR-2 是一款引入了“视觉因果流”设计的复杂多模态模型，对算子的要求极高。在过去，适配这类模型意味着要面对最令人头秃的“版本地狱”：vLLM、PyTorch 和 NPU 驱动之间错综复杂的版本互锁，牵一发而动全身。

但在 KernelCAT（智子芯元研发的 AI Agent）接手后，这场战役变成了一次丝滑的“自动驾驶”体验：

·智能排雷，秒解“三角债”启动任务的瞬间，KernelCAT迅速接管了战场。它没有盲目安装，而是通过对任务目标的深度理解，精准识别出各个依赖库之间的死锁矛盾。它像一位经验丰富的拆弹专家，自动补全缺失环境，硬生生在复杂的版本冲突中搭建起了一套稳定的生产环境。

·全程托管，无需人工38分钟。这是从下达指令到迁移完成的总耗时。在这38分钟里，开发者不需要反复试错，不需要通宵查日志。KernelCAT自动解析模型结构、自动生成迁移计划、自动处理报错。原本需要一支专家团队数周才能完成的工作，现在仅需一杯咖啡的时间。

昇腾平台（Ascend）是华为面向全场景AI打造的端边云协同全栈软硬件与生态体系，核心是“硬件开放、软件开源”，为AI训练或推理提供自主可控的国产算力底座。

据微信公众号“昇腾CANN”发布的消息，在前序模型DeepSeek-OCR部署任务中，KernelCAT给出的方案较原生Transformers方案的加速效果可达139倍。这一结果表明，在KernelCAT支持下，复杂OCR模型可以在国产算力平台上实现可用、稳定、可复现的工程落地。

深圳AI算力突围，填补国产算力生态薄弱环节

值得注意的是，KernelCAT的横空出世并非偶然，这背后是深圳市大数据研究院的长期深耕。2019年，该研究院就正式授牌成为深圳市基础研究机构之一，始终致力于解决“卡脖子”难题。

智子芯元团队则承袭了研究院“数学+AI”的发展路径。他们不走寻常路，将高深的运筹优化理论与最前沿的AI大模型技术结合，攻克了算法与算子这一“最后一公里”的难题。

从联合华为攻关昇腾生态关键技术，到获得顶尖资本战略投资，智子芯元正在用“深圳方案”填补国产算力生态中最薄弱的一环。

深圳市大数据研究院副院长张昕表示，研究院以数学为根，以国产算力为战场，用“AI+运筹优化”解决了AI Infra的“卡脖子”难题，正走出一条从基础研究到产业突破的深圳路径。“如果再找到类似的好发力点，我们可以如法炮制，大概率还能成功。”

“我们希望国产芯片上也能跑出世界一流的大模型。”丁添表示，未来希望KarnelCAT不只是迁移工具，更是计算加速开发的工具，能帮助国产芯片生态催生新模型。同时，他还强调，算力底座需要自主可控，军事、医学这些重要领域的模型，不应该跑在国外芯片上。“我们的工具可以帮助这些垂直领域，把AI用起来，并带来效率提升。”

在人工智能时代，像智子芯元这样聚焦芯片、大模型等关键赛道攻坚的企业不断涌现，贡献出越来越多的“深圳方案”。目前，深圳现有人工智能企业2600余家，产业链覆盖芯片、模型、硬件及应用等全环节，产业规模位居全国前列，连续两年实现两位数增长。

在这片沃土上，人工智能作为新质生产力，正在充分涌流。

2026年伊始，全球AI算力战场烽烟再起。英伟达依托CUDA生态形成了近乎垄断的技术壁垒，“缺芯少魂”仍是中国AI产业发展的现实挑战。

在此背景下，深圳市大数据研究院持续深耕人工智能等前沿科技领域，并于2025年孵化智子芯元（深圳）科技有限公司，致力于“数学+AI”融合创新。成立仅5个月，该公司便凭借自主研发的KernelCAT工具，仅用38分钟完成DeepSeek-OCR-2模型在华为昇腾平台的自动化部署和推理验证，有力推动了我国算力底层的自主创新。

近日，深圳市大数据研究院研究科学家、智子芯元联合创始人丁添在接受记者采访时表示：“过去我们靠‘堆人’追赶，但AI发展太快，根本追不上。现在有了自动化工具，英伟达十几年的领先，原来要用人一步一步走，现在可以用‘AI+数学’自动走，几周的任务变成几十分钟，这是革命性的速度提升，能大幅缩短追赶时间。”

丁添认为，英伟达的护城河太厚了，十几年的算子库、完善的框架、几百万开发者。很多开发者第一天就用英伟达，不愿意学别的芯片。“这将是国产芯片弯道超车、换道超车唯一可能的途径”。

破壁之战，用AI Agent打通国产算力“任督二脉”

制约国产芯片发挥性能的真正痛点往往不在硬件本身，而在软件生态。国产芯片并不缺乏理论峰值性能，缺的是能让这些性能落地的“算子”。

算子（Kernel）是连接AI算法与计算芯片的“翻译官”：它将算法转化为硬件可执行的指令，决定了AI模型的推理速度、能耗与兼容性。

而长期以来，为了让一个模型在国产卡上顺利运行，顶尖工程师们不得不像“在深海中戴着手铐组装手表”一般，耗时数月手动编写底层代码，却依然难以触及性能极限。行业的共识是：突破这一瓶颈，不能依赖传统的“手工作坊”模式，而必须借助更强大的AI工具。

深圳市大数据研究院依托多年“数学+AI”的积累，实现了技术突破。丁添介绍，KarnelCAT工具相当于通过“AI+数学”自动生成算子，然后自动适配国产芯片，大幅提升了推理与训练效率。比如，它可以将英伟达训练好的模型直接“翻译”到华为昇腾平台。

更通俗的说法，就像“把Windows游戏安装到苹果电脑上”，传统方式需要工程师几周甚至几个月时间。但KarnelCAT全自动完成代码适配与性能优化，将时间压缩至几十分钟到几小时。

而这背后也涉及诸多的技术突破，AI负责代码生成与硬件分析、数学负责性能优化（运筹学）、硬件在环机制（强制在真实硬件上测试，克服大模型“幻觉”问题）等。

作为全球首个全自动AI模型迁移与优化工具，KernelCAT打破了英伟达的生态壁垒，打通了国产算力的“任督二脉”。

38分钟的奇迹，从“版本地狱”到“智能迁移”

把大象装进冰箱需要三步，但把顶级的 DeepSeek-OCR-2 模型“完美迁移”到国产华为昇腾（CANN）平台，曾被视为一场“噩梦”。

DeepSeek-OCR-2 是一款引入了“视觉因果流”设计的复杂多模态模型，对算子的要求极高。在过去，适配这类模型意味着要面对最令人头秃的“版本地狱”：vLLM、PyTorch 和 NPU 驱动之间错综复杂的版本互锁，牵一发而动全身。

但在 KernelCAT（智子芯元研发的 AI Agent）接手后，这场战役变成了一次丝滑的“自动驾驶”体验：

·智能排雷，秒解“三角债”启动任务的瞬间，KernelCAT迅速接管了战场。它没有盲目安装，而是通过对任务目标的深度理解，精准识别出各个依赖库之间的死锁矛盾。它像一位经验丰富的拆弹专家，自动补全缺失环境，硬生生在复杂的版本冲突中搭建起了一套稳定的生产环境。

·全程托管，无需人工38分钟。这是从下达指令到迁移完成的总耗时。在这38分钟里，开发者不需要反复试错，不需要通宵查日志。KernelCAT自动解析模型结构、自动生成迁移计划、自动处理报错。原本需要一支专家团队数周才能完成的工作，现在仅需一杯咖啡的时间。

昇腾平台（Ascend）是华为面向全场景AI打造的端边云协同全栈软硬件与生态体系，核心是“硬件开放、软件开源”，为AI训练或推理提供自主可控的国产算力底座。

据微信公众号“昇腾CANN”发布的消息，在前序模型DeepSeek-OCR部署任务中，KernelCAT给出的方案较原生Transformers方案的加速效果可达139倍。这一结果表明，在KernelCAT支持下，复杂OCR模型可以在国产算力平台上实现可用、稳定、可复现的工程落地。

深圳AI算力突围，填补国产算力生态薄弱环节

值得注意的是，KernelCAT的横空出世并非偶然，这背后是深圳市大数据研究院的长期深耕。2019年，该研究院就正式授牌成为深圳市基础研究机构之一，始终致力于解决“卡脖子”难题。

智子芯元团队则承袭了研究院“数学+AI”的发展路径。他们不走寻常路，将高深的运筹优化理论与最前沿的AI大模型技术结合，攻克了算法与算子这一“最后一公里”的难题。

从联合华为攻关昇腾生态关键技术，到获得顶尖资本战略投资，智子芯元正在用“深圳方案”填补国产算力生态中最薄弱的一环。

深圳市大数据研究院副院长张昕表示，研究院以数学为根，以国产算力为战场，用“AI+运筹优化”解决了AI Infra的“卡脖子”难题，正走出一条从基础研究到产业突破的深圳路径。“如果再找到类似的好发力点，我们可以如法炮制，大概率还能成功。”

“我们希望国产芯片上也能跑出世界一流的大模型。”丁添表示，未来希望KarnelCAT不只是迁移工具，更是计算加速开发的工具，能帮助国产芯片生态催生新模型。同时，他还强调，算力底座需要自主可控，军事、医学这些重要领域的模型，不应该跑在国外芯片上。“我们的工具可以帮助这些垂直领域，把AI用起来，并带来效率提升。”

在人工智能时代，像智子芯元这样聚焦芯片、大模型等关键赛道攻坚的企业不断涌现，贡献出越来越多的“深圳方案”。目前，深圳现有人工智能企业2600余家，产业链覆盖芯片、模型、硬件及应用等全环节，产业规模位居全国前列，连续两年实现两位数增长。

在这片沃土上，人工智能作为新质生产力，正在充分涌流。

2026年伊始，全球AI算力战场烽烟再起。英伟达依托CUDA生态形成了近乎垄断的技术壁垒，“缺芯少魂”仍是中国AI产业发展的现实挑战。

在此背景下，深圳市大数据研究院持续深耕人工智能等前沿科技领域，并于2025年孵化智子芯元（深圳）科技有限公司，致力于“数学+AI”融合创新。成立仅5个月，该公司便凭借自主研发的KernelCAT工具，仅用38分钟完成DeepSeek-OCR-2模型在华为昇腾平台的自动化部署和推理验证，有力推动了我国算力底层的自主创新。

近日，深圳市大数据研究院研究科学家、智子芯元联合创始人丁添在接受记者采访时表示：“过去我们靠‘堆人’追赶，但AI发展太快，根本追不上。现在有了自动化工具，英伟达十几年的领先，原来要用人一步一步走，现在可以用‘AI+数学’自动走，几周的任务变成几十分钟，这是革命性的速度提升，能大幅缩短追赶时间。”

丁添认为，英伟达的护城河太厚了，十几年的算子库、完善的框架、几百万开发者。很多开发者第一天就用英伟达，不愿意学别的芯片。“这将是国产芯片弯道超车、换道超车唯一可能的途径”。

破壁之战，用AI Agent打通国产算力“任督二脉”

制约国产芯片发挥性能的真正痛点往往不在硬件本身，而在软件生态。国产芯片并不缺乏理论峰值性能，缺的是能让这些性能落地的“算子”。

算子（Kernel）是连接AI算法与计算芯片的“翻译官”：它将算法转化为硬件可执行的指令，决定了AI模型的推理速度、能耗与兼容性。

而长期以来，为了让一个模型在国产卡上顺利运行，顶尖工程师们不得不像“在深海中戴着手铐组装手表”一般，耗时数月手动编写底层代码，却依然难以触及性能极限。行业的共识是：突破这一瓶颈，不能依赖传统的“手工作坊”模式，而必须借助更强大的AI工具。

深圳市大数据研究院依托多年“数学+AI”的积累，实现了技术突破。丁添介绍，KarnelCAT工具相当于通过“AI+数学”自动生成算子，然后自动适配国产芯片，大幅提升了推理与训练效率。比如，它可以将英伟达训练好的模型直接“翻译”到华为昇腾平台。

更通俗的说法，就像“把Windows游戏安装到苹果电脑上”，传统方式需要工程师几周甚至几个月时间。但KarnelCAT全自动完成代码适配与性能优化，将时间压缩至几十分钟到几小时。

而这背后也涉及诸多的技术突破，AI负责代码生成与硬件分析、数学负责性能优化（运筹学）、硬件在环机制（强制在真实硬件上测试，克服大模型“幻觉”问题）等。

作为全球首个全自动AI模型迁移与优化工具，KernelCAT打破了英伟达的生态壁垒，打通了国产算力的“任督二脉”。

38分钟的奇迹，从“版本地狱”到“智能迁移”

把大象装进冰箱需要三步，但把顶级的 DeepSeek-OCR-2 模型“完美迁移”到国产华为昇腾（CANN）平台，曾被视为一场“噩梦”。

DeepSeek-OCR-2 是一款引入了“视觉因果流”设计的复杂多模态模型，对算子的要求极高。在过去，适配这类模型意味着要面对最令人头秃的“版本地狱”：vLLM、PyTorch 和 NPU 驱动之间错综复杂的版本互锁，牵一发而动全身。

但在 KernelCAT（智子芯元研发的 AI Agent）接手后，这场战役变成了一次丝滑的“自动驾驶”体验：

·智能排雷，秒解“三角债”启动任务的瞬间，KernelCAT迅速接管了战场。它没有盲目安装，而是通过对任务目标的深度理解，精准识别出各个依赖库之间的死锁矛盾。它像一位经验丰富的拆弹专家，自动补全缺失环境，硬生生在复杂的版本冲突中搭建起了一套稳定的生产环境。

·全程托管，无需人工38分钟。这是从下达指令到迁移完成的总耗时。在这38分钟里，开发者不需要反复试错，不需要通宵查日志。KernelCAT自动解析模型结构、自动生成迁移计划、自动处理报错。原本需要一支专家团队数周才能完成的工作，现在仅需一杯咖啡的时间。

昇腾平台（Ascend）是华为面向全场景AI打造的端边云协同全栈软硬件与生态体系，核心是“硬件开放、软件开源”，为AI训练或推理提供自主可控的国产算力底座。

据微信公众号“昇腾CANN”发布的消息，在前序模型DeepSeek-OCR部署任务中，KernelCAT给出的方案较原生Transformers方案的加速效果可达139倍。这一结果表明，在KernelCAT支持下，复杂OCR模型可以在国产算力平台上实现可用、稳定、可复现的工程落地。

深圳AI算力突围，填补国产算力生态薄弱环节

值得注意的是，KernelCAT的横空出世并非偶然，这背后是深圳市大数据研究院的长期深耕。2019年，该研究院就正式授牌成为深圳市基础研究机构之一，始终致力于解决“卡脖子”难题。

智子芯元团队则承袭了研究院“数学+AI”的发展路径。他们不走寻常路，将高深的运筹优化理论与最前沿的AI大模型技术结合，攻克了算法与算子这一“最后一公里”的难题。

从联合华为攻关昇腾生态关键技术，到获得顶尖资本战略投资，智子芯元正在用“深圳方案”填补国产算力生态中最薄弱的一环。

深圳市大数据研究院副院长张昕表示，研究院以数学为根，以国产算力为战场，用“AI+运筹优化”解决了AI Infra的“卡脖子”难题，正走出一条从基础研究到产业突破的深圳路径。“如果再找到类似的好发力点，我们可以如法炮制，大概率还能成功。”

“我们希望国产芯片上也能跑出世界一流的大模型。”丁添表示，未来希望KarnelCAT不只是迁移工具，更是计算加速开发的工具，能帮助国产芯片生态催生新模型。同时，他还强调，算力底座需要自主可控，军事、医学这些重要领域的模型，不应该跑在国外芯片上。“我们的工具可以帮助这些垂直领域，把AI用起来，并带来效率提升。”

在人工智能时代，像智子芯元这样聚焦芯片、大模型等关键赛道攻坚的企业不断涌现，贡献出越来越多的“深圳方案”。目前，深圳现有人工智能企业2600余家，产业链覆盖芯片、模型、硬件及应用等全环节，产业规模位居全国前列，连续两年实现两位数增长。

在这片沃土上，人工智能作为新质生产力，正在充分涌流。