从“堆卡”到“系统战”，国产算力全面爆发｜2026WAIC

去年是展品今年是商品。文罗镇昊编刘俊宏没有基础设施再强的AI模型终究是空中楼阁。看起来并没有机器人和各种AI应用炫酷的算力设施也能给人带来不小的震撼。2026 年世界人工智能大会的世博展览馆H2馆现场一排排高大机柜前挤满了人有人踮着脚数里面的加速卡有人举着手机对准内部的背板拍个不停工作人员被围在中间不知道回答了多少遍相同的问题这一柜子里一共能支持多少张卡互联集群能扩展到多大国产算力正在高速发展就连在大众中的热度也早已不同往日甚至有人带着孩子边看边听讲解就像来到了科技馆。行走在场馆光锥智能首先感受到“到处都是超节点”。去年此时超节点还是一个需要反复解释的名词一个把几十、上百张AI加速卡用高速互联捆成的超大算力盒子。只要提到无非是英伟达和华为昇腾。但今年在馆里走了一圈发现超节点已经成了各算力厂商的主打产品华为、中兴、东方算芯、摩尔线程、沐曦股份、中科曙光、阿里、昆仑芯、壁仞科技……卡数从32、64一路飙到1024甚至是10万卡的超集群。不过坦白说只是数卡已经落伍了。今年内行们更多愿意介绍另一组数据昇腾384发货750多套、天数智芯万卡集群稳定运行1000天、曙光8000上线首周日均15万个作业。比拼单卡性能的时代已经过去接下来是系统级协同效率和稳定性的较量。为什么比拼维度变了因为国产算力已经开始大规模走入行业应用了。根据21世纪经济报道引用的中国信通院数据今年一季度国内AI算力需求同比增长417%供给增速却只有128%。WAIC开幕前夕月之暗面发布了2.8万亿参数的新模型Kimi K3。但仅过去三天就因为算力承载不住大量请求暂停了C端新用户订阅。另一边自今年Agent应用大爆发推理侧需求指数级增加。需求侧的短缺呼唤着国产算力必须立刻走马上任。但同时国产算力们也面临着最现实的拷问——生成一个Token需要多少钱要回答这个问题从来都不是“总Token输出能力”除以单卡成本这么简单。芯片互联通信时延软件调度供电和散热每一项都需要工程上的创新和重构。不同的维度上光锥智能看到了国产厂商们可谓是“八仙过海各显神通”。这场围绕Token成本的战争刚刚拉开帷幕。每家都有超节点但都不一样走进H2展馆从视觉上就被各家的超节点抢占了注意力。两米高的机柜排排并列透过玻璃能看到里面插着密集的算力卡像极了黑客帝国里的“Matrix”。人围得最多的就是华为。展位上昇腾950超节点真机首次亮相。16个机柜一字排开每个机柜连接64张卡共1024张NPU通过灵衢互联协议组成一个整体每秒能完成一百亿亿次FP8浮点运算卡间往返时延压到3微秒。满配能扩到8192张NPU再往上是基于它的50万卡超集群。简直是一台算力“航母”。华为的演示是一个清晰的信号。一台机柜里能装多少张卡机柜能扩展成多大的算力单元而这些单元又能组成多大规模的超集群这些数字成了今年超节点在规模化能力上最直接的体现。比如新华三的UniPoD S80000算力单元覆盖从32卡到1024卡的规格集群卡数则能达到1.6万张中兴通讯不造GPU其OEX超节点主打组件之间能互相解耦支持多家芯片灵活更换通过电交换和光互联也把集群扩到了1.6万张沐曦的曦景S600超节点机柜间横向扩展规模同样指向万卡级别。看起来万卡集群似乎成了“萝卜白菜”。但背后远远不只是“堆卡”这么简单还要看如何把这些卡绑成一个更高效的整体。具体参数先放一边。现场真正值得细品的是这些机柜长得越来越像了。一个机柜里卡与卡之间的互联尤其能体现出这一点。英伟达NVLink一直沿用的是Cable Tray路线也就是把计算和交换节点用成捆的铜线连接而且不能扯太长不然信号损耗大。铜连接的物理极限已经看得见了。而在中兴通讯的OEX机柜里已经看不到一条线缆了。它直接把计算节点和交换节点分开一个竖着插一个横着插两组板卡在背板上以90度角直连让信号走最短直线维护也更加方便这就是“正交架构”。据光锥智能了解在燧原科技、沐曦等多家厂商的超节点产品中都有包含这一设计。不过正交并非国产算力厂商的“绝对共识”。例如摩尔线程的MTT C256坚持用Cable Tray全铜连接。路线本身不分对错。关键在于当这么多家厂商在展台上摆出几乎相同的结构图说明这道工程题已经有了标准答案——超节点正在从探索期走进批量制造期。当差异化的窗口正在关闭拼价格的日子不远了。如此一来“附加值”就成了各家厂商争相介绍的对象。例如华为昇腾打的是一本“效率账”。华为昇腾把1024张卡用统一编址的方式组成一个共享内存池。这意味着任何一张卡都能像访问自己的显存一样直接读写其他卡的数据不用再经过网卡和交换机层层中转。从而提高卡与卡之间的数据交换效率避免数据搬运成本太高导致计算芯片空转。还有一些厂商把账本放在“电表”上。随着卡数增多一台机柜的功耗也在大幅增长。两三年前一台机柜功耗不过6千瓦现在一台高密度机柜直接飙到48千瓦一个超节点则能达到400千瓦。功耗高了散热就成了难题。现场有用冷板式的冷却液在贴片的管路里循环带走热量也有用相变散热的靠液体气化吸热。最有意思的是中科曙光直接把整板芯片浸没在冷却液里从外面看就像一个鱼缸有的超节点产品还在用风冷的方式。有趣的是各家不同的散热方式恰恰暴露了各自的客户画像。例如曙光的浸没式相变液冷押的是“国家队”新建的大型智算中心华为Atlas 850E做风冷超节点不用改造液冷机房、标准机柜直接上架瞄准的是政企私有化的存量机房中兴采用全栈液冷风液融合配合90%工厂预制快速交付盯的是运营商和互联网大厂的集采订单。某种角度可以说选散热路线就是选客户群。把这些线索拢在一起能看到国产算力集群正在集体转向到“更宏观”的叙事。过去算力竞争的核心是算力密度而超节点把战场挪到了连接能力上。当一颗芯片性能无法满足大量算力需求时那就用系统级能力去补齐供需间的差距。从五花八门的解法中得以看到国产算力已经走出了一条自己的路。把Token的价格打下来所有眼花缭乱的架构创新最终都要回答同一个朴素的问题生产一个Token到底要花多少钱黄仁勋在2026年3月GTC上提出“Token 工厂”概念将数据中心重新定义为“批量生产Token的智能工厂”其中电力、加速卡、互联网络、存储全部被视为生产资料而Token才是最终的商品。设备决定产值这是美国版的Token经济学。但这个问题在中国回答方式非常简单粗暴——降价。至于如何把生产Token的成本降下来大概可以分为三层。第一条层是提高数据搬运效率。光互联是业界公认的关键技术信号的传播方式直接影响数据的传输速度。目前多数厂商采用的是光电混合架构超节点内部仍使用电缆每个超节点之间用光互联比如国内腾讯的ETH-XUltra和字节的大禹超节点3.0。但随着卡数不断增多端口运输效率也将不断提高混合方案终究不是长久之计。眼下光互连有四条路线FRO沿用传统可插拔光模块成熟但功耗延时都高LPO砍掉DSP芯片省电降延时代价是信号娇气基本只有能自研交换机、光模块的互联网大厂玩得起CPO把光引擎和GPU封进同一颗芯片最先进却离量产最远NPO则让光引擎“住进”板卡、与GPU做邻居。四个路线里NPO被视作性能、功耗、成本与工程可行性之间最平衡的一条。但距离规模商用仍需时间各家还在样机攻坚阶段。例如壁仞的NPO近封装光学方案把光引擎贴到GPU模组的板卡上电信号只需走几厘米就转成光同时去掉了传统光模块里功耗5到10瓦的DSP信号放大芯片。壁仞AI框架架构副总裁丁云帆给出的时间是2027年小规模商用2028年规模化落地。有趣的是英伟达的NVL576同样要转向光互连预计在2027年下半年推出。在这层意义上可以说中美两方的头部玩家站在了同一起跑线上。第二条战线在于软件提高计算资源的利用率。今年WAIC现场多位厂商负责人提到同一个公式用户最终获得的算力不是把所有卡的算力简单相加而要再乘以一个软件优化效率算子是否齐全、编译器是否聪明、调度是否跟得上直接决定这个乘数“打几折”。简单来说就是硬件决定“天花板”软件决定算力是否能“跑满”。由于GPU的硬件结构出厂即固定主要靠模型指令驱动因此有的芯片大量时间并不是在计算而是耗在等同步上这也是利用率长期只有三四成的根源。以东方算芯的“软件定义芯片架构”为例。由软件按模型特性即时调整任务调度上以TensorTile数据块为基本单元每个计算单元看到数据就开工干完就传给下家不等统一节拍、没有同步空跑。简单说就是用软件拼出更精确的分工把芯片等的时间换成了算的时间。第三条战线在机柜之外省电也是省钱。AIDC长期运营成本里除了设备折旧另一“大头”就是电费。其中有一个衡量指标就是PUE即数据中心每用1度电做计算配套设备还要再花几度电。传统数据中心一般在1.5上下相当于每算一度电的账就要再交半度电的“运营费”。换句话说如果足够省电甚至还能“赚回”成本钱。以中科曙光为例曙光8000把PUE压到了1.04以下。中兴采用的是算电协同的AIDC方案配套的储能系统晚上用低谷电价充电、白天高峰放电整套方案PUE控制在1.15以内。从数据搬运成本、计算资源优化到能源创新国产算力几乎能在每个细节上抠出降本的方法。毕竟当Token便宜到一定程度AI时代很多生意才算得过账。这才是所有机柜、光模块和液冷管路指向的同一件事。目标向着落地本次WAIC“算力馆”的另一个侧面是“义乌小商品城”到处都是“叫卖声”和采购询价。根据官方数据显示本届大会组织了177个全球采购团组现场发布200余项采购需求预计意向采购金额约203.6亿元。国务院新闻办公室还披露称截至6月底中国智能算力总规模已达2185 EFLOPS全国算力设施整体上架率71.4%建成万卡以上智算设施52个围绕国家算力枢纽节点铺设的算力大通道超过70条。如果说去年WAIC上的国产算力还是“展品”今年它们已经是“商品”。那么这些算力到底出给谁了总结下来大概是四类客户。第一类是训练大模型的人。这类客户的需求很明确就是需要大规模和稳定性。因为大模型一轮训练动辄数周规模化的超节点造价以亿元计坏一张卡、停机几小时损失要比几张卡严重的多。在容错方面无问芯穹专门搭建了无感训练机制让大模型在强化学习过程中能不中断地稳定运行。壁仞科技为此给自家超节点设计了五层稳定性防护从芯片物理层的自动纠错到链路层重传、链路折叠、端口隔离再到软件层的故障容错坏一根线、坏一个端口、坏一张卡系统也能继续工作。阿里巴巴的磐久AL128则走了另一条路上线自家百炼平台直接承载Qwen、DeepSeek、Kimi的生产负载不用找客户直接在自家系统里验证。这显然算是模式创新了。推理战场是另一套算法。这类客户在乎的是Token综合成产成本和时延。如前文所述这部分算力卡厂商和各家的智算集群都给出了各自的解法。在金融、医疗、政务等安全规格较高、数字化做得比较久的客户这边。他们在乎的往往是现有机房的供电散热、已有模型能否迁移、设备坏了谁来修。比如华为推出Atlas 850E的风冷超节点就是为了适配传统企业的机房达到标准机柜能直接上架。新华三和中兴同样押注标准化多元芯片兼容、整机柜交付其中中兴把从需求确认到整机交付的周期压到了3至6个月。在私有化市场比的从来不是峰值算力而是“迁就”客户现有机房的能力以及出问题后有人上门的服务半径。最后也是最有意思的一类。现场光锥智能看到来自俄罗斯或“一带一路”的国外客户明显变多了。在华为展台销售们一波波带着外国客户前来展台参观。这意味着中国的算力厂商已经做好了向全世界进军的准备。落地拼到最后拼的还是交付能力。算力基础设施最终交付的形态还是AIDC。客户采购的不是几组机柜而是千卡、万卡规模下的供电、液冷、网络和统一运维能力批量交付能力决定超节点能否真正进入生产环境。交付能力强最直观的表现就是“用得快”。当前中科曙光8000十万卡超集群接入国家超算互联网刚刚上线首周即满载日均处理15万个作业、单日峰值50万个国家超算互联网的注册用户已超过140万。十万卡的意义不在规模本身而在于算力是否能被统一调度、按需取用像电一样成为AI时代不可或缺的基本“能源”。然而在现场的百家争鸣里光锥智能也感受到了潜在的“战争信号”。国产算力的生态之战已经打响了。华为开源CANN、阿里开源平头哥软件栈、摩尔线程参与发布OISA高密超节点设计规范、沐曦的MXMACA社区聚了超50万开发者、壁仞的BLink2.0明确不绑定封闭生态。中国五家主要算力厂商几乎同时把“开放”两个字打在展板上。那么这些开放是情怀还是筹码这个问题很难回答。英伟达不会开放NVLink因为它不需要。国产厂商谁都没有CUDA级别的护城河那就只能用开放换装机量、用装机量换标准制定权。但长期来看随着国产算力出货量提升生态碎片化的风险迟早会出现。未来怎么走或许每家厂商都有自己的剧本。但可以确定的是量产元年的真正考题不是造出更大的超节点而是让它从展品变成可以连续运转数年的基础设施。回过头看中国AI近几年的发展堪称“爽文”是全方位的成长。模型有了DeepSeek和Kimi应用层Agent遍地开花。算力曾经最短的板正在一柜柜“长大”。国产算力的底座正在变厚。而大模型究竟能跑多远终究取决于脚下这块地基。