Sage-A1.5发布首日就跑上国产GPU：Day 0适配背后，模型和算力开始同步发车

10月21日，上海人工智能实验室发布35B参数的混合专家智能体模型Sage-A1.5。同一时间，沐曦股份宣布旗下曦云C系列GPU完成对该模型的Day 0适配，成为率先支持这款新模型的国产算力平台。

模型发布当天就能在国产芯片上运行，这件事在一年前还不多见。它标志着国产大模型和国产算力的协作方式正在改变：过去是模型先发，适配部门再排期跟进；现在是两条产品线按同一张日历表对齐上线。

Sage-A1.5是什么：专攻长周期科学问题的35B MoE智能体

根据公开信息，Sage-A1.5是上海人工智能实验室推出的35B混合专家（MoE）智能体模型，目标是借助自适应能力组合，推动长周期科学问题的解决。

拆开看有两个关键词。

一个是长周期。传统的模型评测大多在几分钟到几小时内出结果，比如答一套题、写一段代码。科学研究的任务往往要跑数天甚至数周，中间涉及多轮实验设计、结果校验和方案修正，对模型的任务规划能力和状态保持能力要求远高于普通对话场景。

另一个是自适应能力组合。MoE架构的核心思路是按需激活：模型内部有多组专家网络，遇到不同子任务时动态挑选合适的组合，不必每次唤醒全部参数。对35B这个体量的模型来说，这直接影响推理成本和响应速度，也决定了它能不能在企业级场景里大规模铺开。

Day 0适配指模型在发布首日即可在对应算力底座上运行和迭代。对算力厂商来说，这个时间差直接决定商业机会。

一套新模型要在新硬件上跑顺，通常要过三道坎：算子适配、推理框架兼容、性能调优。走完这套流程，过去往往以周甚至月计。模型发布和芯片适配之间的等待期里，想尝鲜的用户只能排队，订单也在等待中流失。

沐曦把曦云C系列的适配压到发布同日完成，等于把”想用Sage-A1.5″和”用国产算力”这两件事合并成了同一个决定。北京商报的报道明确提到，沐曦是率先支持Sage-A1.5的国产算力平台。

把时间线拉长看，这不是孤立事件。

10月3日，DeepSeek开源了面向昇腾AI处理器的TileLang、DeepGEMM、DeepEP等工具链，把国产算力上跑模型这件事的工程细节直接公开。

10月21日同一天，海光信息与合肥城市云签署战略合作，计划基于海光CPU加DCU打造万卡国产算力集群，覆盖智算中心、算力服务和Token运营。

再往前，9月20日GLM-5.3-FlashX在10万张国产芯片上跑出200 tokens/s的推理速度。

模型厂商主动为国产硬件写软件栈，芯片厂商抢在发布日完成适配，两头在互相靠近。国产算力长期被讨论的软件生态短板，正在被这种”结对开发”的模式一点点补上。

还有一个容易被忽略的背景。行业数据显示，2026年推理算力需求已经超过训练，端侧NPU和推理专用芯片的市场空间被迅速打开。

这个转变对国产厂商有利。训练市场对超大规模集群、互联带宽和软件生态的要求极高，追赶窗口很窄。推理市场更看重单卡性价比、功耗和交付速度，恰好是国产芯片可以正面竞争的区域。

Sage-A1.5选择35B的MoE架构，本身就在回应这个趋势：参数规模够用、推理成本可控、智能体能力够强，这种”中等体量加专家路由”的配置，是当下企业部署里性价比最高的档位。

选型清单变长了。 做私有化部署的团队，除了英伟达方案，现在可以把曦云C系列加Sage-A1.5的组合放进候选列表。智能体能力加国产算力，对数据合规要求高的科研机构和金融客户有直接吸引力。

适配速度成了硬指标。 硬件参数表拉不开差距的时候，新模型上线到可用的等待时长正在成为采购决策里的关键项。Day 0这类能力会从加分项变成门槛。

科学智能场景多了一个可选项。 长周期科学问题对模型的持续规划和多步推理要求很高，Sage-A1.5如果在这类任务上站住脚，AI for Science的算力选择就不再只有一条路。

模型和芯片同日发车，表面看是一次发布节奏的配合，背后是国产AI产业链的分工在变细：实验室专注模型能力，芯片厂商专注算力交付，适配流程被压缩到接近于零。

这条路的下一步，是看Sage-A1.5在真实科学任务里的表现，以及更多国产芯片能否把Day 0适配做成常态。节奏已经变了，接下来比的是谁能一直跟得上。