喊出'把盘古做到世界第一！'之后，余承东为什么决定将盘古openPangu-2.0-Pro直接开源？

一场“全栈”而非“权重”的开源

　　读懂这次开源，先要看见它的“全栈”二字。市面上不少开源模型，给出的往往只是权重文件，推理仍要依赖别人的框架、别人的芯片、别人的云。openPangu-2.0-Pro的开放却是体系化的：从昇腾NPU的训练，到昇腾原生的推理，再到权重、代码与报告，是一条可以完整复现的链路。这意味着“自主可控”第一次从PPT上的口号，变成了可以下载、可以修改、可以部署的工程现实。它不只帮了华为，更是在帮整个国产算力生态成熟起来。

　　更深一层，这个模型是在昇腾NPU上“炼”出来的——这也是业界首个完全在非NVIDIA硬件上完成训练的500B+级别前沿模型。用国产芯片训出5050亿参数、喂了34T token的模型，本身就是一份硬邦邦的证据：国产算力撑得起世界级大模型。而这背后，是一种任正非反复强调的底层逻辑：不封闭、不独霸，通过开放合作构建生生不息的生态。华为没有把昇腾生态封闭起来做一家“独食”的公司，而是连同预训练代码、后训练代码、训练算子等七大组件一并开源，向全球开发者抛出橄榄枝。正如任正非所言，苹果公司最大的特点正是开放合作，“苹果树上结出了西瓜”——自己只做最有优势的部分，把其余的交给伙伴。华为基本法第三条也早已写明：在独立自主的基础上，开放合作地发展领先的核心技术体系。

　　这也解释了余承东为何在HDC2026高喊“把盘古做到世界第一”后，反而选择先开源。他甚至坦诚解释了参数为何是5050亿而非更大：算力大量支持了国内其他企业的需求，自己留的数量非常有限，且AI算力成本高昂，华为更聚焦时延和吞吐率的提升。在AI时代，生态的胜负早于单机性能的胜负。开源是筑堤引水：先把开发者和企业聚拢到“昇腾+盘古”的河道里，用的人多了，工具链就完善，应用就丰富，河也就宽了。对一个被极限施压却越战越勇的玩家来说，把最重的核心技术交到所有人手里，恰恰是最高级的自信。

　　这次开源也不是孤立的一跃。回到HDC 2026，余承东宣布openPangu 2.0计划从6月30日起陆续开源七大组件；6月30日，920亿参数的Flash版率先开源，时隔一月，更重的Pro版接棒而来。这种“先轻后重、层层递进”的节奏，透着审慎与耐心——不是把仓库一甩了之，而是把训练方法、调优经验、工程诀窍一并交付。把视野放到全球开源版图，openPangu-2.0-Pro的入局，也给国产大模型阵营投下一条鲇鱼：当头部玩家集体把能力摊开，下游应用才会真正繁荣，中国企业之间也第一次可能在自主技术栈上形成合力，而非各自为战。

在极限约束中逼近“自由王国”

　　如果说开放合作是外在的生态战略，底层技术的深耕则是内在的生存法则。大模型时代，算力高度集中，多数企业深陷“算力荒”。为了在有限资源下榨出最大性能，华为在架构上做了全面升级：DSA+SWA独立分层混合注意力（层配比1:2），滑动窗口管局部、深度稀疏管全局；拓扑上把传统残差连接升级为四支流mHC架构；再叠加三头MTP自投机模块与Muon优化器。这些看似枯燥的名词背后，是一场关于“资源有限”的焦虑与突围。

　　技术报告披露的细节更令人玩味。在128K上下文长度下，openPangu-2.0-Pro最低TPOT时延仅9.55毫秒，单卡吞吐达到1326 token/s——这意味着它已具备在边缘设备上实时运行的能力。512K的超长上下文与MoE的稀疏激活（1800亿/5050亿），则同时解决了“看得全”与“算得起”：企业从不在乎参数多大，只在乎用不用得起、跑不跑得动。长上下文让模型一次读懂一整套合同、一座工厂一年的日志；稀疏激活把推理成本牢牢摁在可控区间。

　　更关键的是，这套架构是专为长上下文智能体（Agent）任务打造的。当模型能一口气吞下整本书、整套合同、一整年的产线日志，它就不只是“问答机器”，而能成为贯穿多步骤、长轨迹决策的“数字员工”——理解前文、规划后手、调用工具，一气呵成。对于智能设备、汽车、工业控制等需要持续在线推理的场景，这恰恰是从“能聊”走向“能干活”的分水岭。

　　这种在极限约束下求最优解的能力，恰是华为从“必然王国”走向“自由王国”的写照。任正非二十多年前就曾断言：“资源是会枯竭的，唯有文化才会生生不息。”面对全球AI算力被少数巨头垄断，华为没有抱怨，而是在昇腾NPU这一“有限资源”上做文章，用34万亿token分三阶段（通用、推理培养、退火）硬“抠”出512K大模型。值得一提的是，随模型公开的技术报告也坦然承认，在复杂现实软件工程任务上，openPangu-2.0与顶尖模型仍有明显差距——这份克制，本身就是长期主义的注脚。

盘古openPangu-2.0-Pro能干啥？

　　盘古openPangu-2.0-Pro对哪些产业能带来直接的好处呢？要回答这个问题先要厘清盘古与通用大模型的根本差异。ChatGPT、DeepSeek像“通才”，追求一锅炖式的泛化，商业模式是技术输出；盘古从一开始就是“行业专家”，核心理念是AI for Industries，采用“L0基础大模型+L1行业大模型+L2场景模型”的三层架构，训练重行业数据质量而非数量，目标是把AI嵌入煤矿采掘、气象预报、药物设计等具体生产流程。读懂这一定位，才懂openPangu-2.0-Pro开源对实体产业的冲击波。

　　最直接的受益者，是渴望智能化却被算力与数据壁垒挡在门外的传统行业。政务与金融首当其冲：政务大模型可完全本地化、数据不出域，天然契合安全自主的刚性要求；金融领域，浦发银行早已用盘古搭起“物的银行”浦慧云仓，把货物检测性能提升5%到10%，原本一两个月的开发压缩到两三天。制造与工业是盘古深耕最久的土壤——中国石油昆仑大模型攻克亚毫米级缺陷识别，效率提升约40%；国家电网用一套模型适配百余种巡检缺陷；钢铁企业靠它精准控高炉，单炉日省燃料20吨。

　　智能驾驶与新能源汽车是另一核心受益领域。技术报告明确指出，openPangu-2.0-Pro的长上下文能力特别适合处理“长驾驶轨迹”等连续决策任务——当512K窗口释放，长时间的驾驶轨迹、复杂的交通场景、跨模态的传感器数据都能被模型精准理解，为高阶自动驾驶的迭代提供了全新可能。

　　医疗医药是另一片被直接改写的疆土。广药集团把药物早期发现成本砍掉70%，发现周期从一两年压到三到六个月；翰宇药业让生产参数决策效率提升90%、合格率提升22%；天士力用盘古建起“数智本草”，吃透4000多万篇文献与千余本古籍。能源与科研气象同样受益：天津能源实现100%均衡供热、能耗降10%；深圳气象局“智霁”、重庆“天资·12h”做灾害预警；农科院借它改良水稻株型，株高降25%而不减产。最不该被忽略的是中小企业与开发者——一个县城三甲医院、一家工业质检创业公司、一所地方农研所，从此都可能拥有自己的行业智能体。

开源即普惠，利他即利己

　　把视角再抬高，这次开源的社会价值远不止于商业。其一，是自主与安全。在中美科技博弈下，把AI全栈能力开放给国内社会，本质是在降低对单一外部技术的依赖风险——关键时刻，钥匙要握在自己手里。其二，是普惠与平权。开源把世界级模型的能力，从少数巨头的机房里请出来，交到非一线城市、中小机构、普通科研者手中，消解了“算力即权力”所制造的AI鸿沟。

　　其三，是人才与科研。权重、代码、报告全部开放，是一套极好的教学与研究素材，能培养一代真正“懂模型内部”的工程师，而非只会调API的用户。其四，是话语权。这是中国在基础大模型层面，第一次以完整自主技术栈参与全球开源协作；对广大发展中国家，这是一套不受地缘限制的备选方案。其五，是创新范式的跃迁。当最底层的能力被共享，全社会的研发就会从“重复造轮子”转向“在轮子上造新车”。再把镜头拉到全球：长期以来，全球开源大模型的叙事由少数西方公司主导，许多发展中国家即便想用AI，也不得不把数据、算力与信任一并交出去；openPangu-2.0-Pro带着一套不受地缘限制的自主技术栈入场，等于给“全球南方”提供了一个用得起、改得动、信得过的全新选项。而这一切，最终都指向任正非那句朴素的比喻：苹果树上结西瓜，从来不是苹果公司独自种出的——华为把最核心的模型与代码贡献出来，正是邀请全球开发者一起“结西瓜”。利他，即利己；开放，即自强。

　　余承东说，要把盘古做到世界第一。但“世界第一”不只刻在榜单数字上。当一家企业愿意把最重的核心技术交到所有人手里，它其实是在为整个产业修一条更宽的路。路修好了，跑在上面的，就不止华为一家。这，或许才是openPangu-2.0-Pro开源，最值得被记住的意义。