0
作者 | 趙之齊 劉伊倫
編輯 | 包永剛
自DeepSeek在去年春節(jié)出圈以來，春節(jié)已然成了AI行業(yè)的“狂歡季”。
各大晚會(huì)連番登臺(tái)的機(jī)器人、科技從業(yè)者們?cè)诖a堆里守歲，本身就是一種隱喻：AI正逐漸長成社會(huì)運(yùn)轉(zhuǎn)中不能停下的“基礎(chǔ)設(shè)施”。
站在馬年的新起點(diǎn)，雷峰網(wǎng)對(duì)話了算力產(chǎn)業(yè)鏈上八家標(biāo)桿企業(yè)的CEO，探討AI給算力產(chǎn)業(yè)帶來的種種邏輯重塑。
有趣的是，如今，行業(yè)看待AI的方式正在經(jīng)歷一場集體“降維”：當(dāng)技術(shù)紅利階段性觸達(dá)天花板，真正決定行業(yè)生死的命題變得更加具體且真實(shí)——
電力缺口、存儲(chǔ)產(chǎn)能瓶頸、算力利用率與成本、硬件連接與算法協(xié)同，乃至AI給組織架構(gòu)帶來的深層顛覆等等……（算力鏈面臨挑戰(zhàn)的更多細(xì)節(jié)，歡迎添加作者微信 Ericazhao23 交流）
作為這場變革的親歷者，CEO們親述的八個(gè)片段互為印證，共同拼湊出算力產(chǎn)業(yè)當(dāng)下最核心、真實(shí)的命題。
當(dāng)算力需求越來越大，IDC基建作為根基，會(huì)面臨什么新的挑戰(zhàn)？
秦淮數(shù)據(jù) CEO 吳華鵬：GW級(jí)智算不是蓋「完美大樓」，而是搭「可拆裝積木」
我是一個(gè)有著強(qiáng)烈技術(shù)信仰的人。
親歷互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)風(fēng)起云涌的30年，在當(dāng)前，我強(qiáng)烈感受到數(shù)據(jù)中心行業(yè)正站在由AI重構(gòu)產(chǎn)業(yè)格局的新起點(diǎn)上。
過去一年，GW（吉瓦，10億瓦特）級(jí)智算園區(qū)這一“新物種”，已成為行業(yè)發(fā)展的重要方向，但超大規(guī)模算力如何與電力體系適配、協(xié)同，依然挑戰(zhàn)重重。
這一瓶頸的核心在于：算力需求和建設(shè)規(guī)模在爆發(fā)式增長，但新能源體系的支撐能力，尚未完全匹配發(fā)展需求。
具體來看，矛盾主要集中在三個(gè)層面：
一方面，GW級(jí)園區(qū)一年的耗電量堪比一座中等城市，傳統(tǒng)分步拓建的電力基建模式，面對(duì)“整體規(guī)劃預(yù)留、分階段規(guī)?；桓丁钡慕ㄔO(shè)需求，已經(jīng)很難滿足。
其二，GW級(jí)園區(qū)要求高比例綠電，但高比例新能源接入后，在負(fù)荷波動(dòng)、熱源管理、智能控制等方面，都還沒有足夠成熟的方案應(yīng)對(duì)。
而在如此龐大的用電基數(shù)下，效率每提升一個(gè)百分點(diǎn)，都意味著巨大的商業(yè)價(jià)值——這也讓效率優(yōu)化擁有了前所未有的緊迫性。
而外部的技術(shù)供應(yīng)和市場競爭，仍在給行業(yè)帶來不確定性。
GPU 產(chǎn)能、進(jìn)口相關(guān)因素，會(huì)直接影響算力部署節(jié)奏。同時(shí)，頭部企業(yè)扎堆涌入烏蘭察布、中衛(wèi)這類核心節(jié)點(diǎn)，讓優(yōu)質(zhì)電力、土地資源的爭奪越來越激烈，企業(yè)拿資源的難度明顯加大。
整體看下來，行業(yè)競爭的核心，已經(jīng)從“拼規(guī)?！?，轉(zhuǎn)向“規(guī)?！迸c“質(zhì)量”并重。相對(duì)完善的能源解決方案，是當(dāng)下數(shù)據(jù)中心企業(yè)突破瓶頸的關(guān)鍵一環(huán)。
在這方面，我們通過與東陽光集團(tuán)的戰(zhàn)略整合，已經(jīng)取得實(shí)質(zhì)性進(jìn)展。去年9月，東陽光牽頭的銀團(tuán)以280億元現(xiàn)金收購秦淮數(shù)據(jù)中國區(qū)全部業(yè)務(wù)，今年1月完成股權(quán)交割。
過去幾個(gè)月，我們已在韶關(guān)、烏蘭察布、宜昌簽約重點(diǎn)項(xiàng)目，“東數(shù)西算”十大集群，秦淮已落子過半。目前，我們投運(yùn)及在建IT容量近1GW，儲(chǔ)備與規(guī)劃容量達(dá)到4GW。接下來還將在烏蘭察布，和東陽光聯(lián)手打造國內(nèi)首個(gè)GW級(jí)超大規(guī)模綠電直供垂直一體化產(chǎn)業(yè)示范區(qū)。
此外，我們還聯(lián)合東陽光以及產(chǎn)業(yè)鏈伙伴，推出全球首個(gè)基于SST（固態(tài)變壓器）的算力中心智能直流供電商業(yè)化方案，將于今年4月在張家口懷來正式投運(yùn)。
這個(gè)方案能讓電力轉(zhuǎn)換效率達(dá)到98.5%，是業(yè)內(nèi)最高水平；單功率柜輸出功率達(dá)1MW，占地面積僅1㎡，相較傳統(tǒng)方案減少50%以上。與此同時(shí)，面對(duì)AI GPU負(fù)載的劇烈波動(dòng)，這個(gè)系統(tǒng)還能主動(dòng)調(diào)節(jié)供電策略，實(shí)時(shí)智能應(yīng)對(duì)。
這些業(yè)務(wù)進(jìn)展，為我們建設(shè)GW級(jí)園區(qū)奠定了堅(jiān)實(shí)基礎(chǔ)。但我也深知，打造GW級(jí)AI算力中心，不是蓋一棟一步到位、極致完美的樓，而是搭一套“可拆裝的積木”——
面對(duì)算力、電力、技術(shù)的多重不確定性，解決方法是采用模塊化、分期建設(shè)和能力解耦，達(dá)成彈性交付。
AI革命將掀起一場持續(xù)20年的技術(shù)浪潮，在這之中，焦慮和壓力都在所難免，堅(jiān)守初心就更為關(guān)鍵。結(jié)合我的體悟，我也想與管理者們共勉：
堅(jiān)持做行業(yè)中的“良幣”，錨定底層邏輯、持續(xù)創(chuàng)新、走長期主義，才能在這場AI革命里立得住、走得遠(yuǎn)。
作為基建中同樣重要的參與者，云廠商在AI時(shí)代的護(hù)城河會(huì)是什么？
UCloud CEO 季昕華：AI迭代進(jìn)入「月更」時(shí)代，云廠商面臨跨學(xué)科的認(rèn)知重塑
當(dāng)下，AI技術(shù)迭代速度極快，幾乎每隔一個(gè)月就會(huì)出現(xiàn)一次行業(yè)級(jí)突破，行業(yè)模型與應(yīng)用的市場熱度呈指數(shù)級(jí)增長，這些都要求我們?cè)茝S商具備高頻、高強(qiáng)度持續(xù)學(xué)習(xí)的能力，深入理解跨學(xué)科、跨行業(yè)的產(chǎn)業(yè)鏈條，在理解AI技術(shù)本質(zhì)的基礎(chǔ)上，推動(dòng)業(yè)務(wù)聯(lián)動(dòng)與生態(tài)合作，才能實(shí)現(xiàn)商業(yè)價(jià)值的最大化。
我和團(tuán)隊(duì)觀察下來，目前限制行業(yè)突破的核心瓶頸，在于對(duì)AI的認(rèn)知水平：
對(duì)AI技術(shù)發(fā)展的認(rèn)知，決定我們跟進(jìn)的速度；對(duì)AI使用效果的認(rèn)知，決定我們使用的廣度；對(duì)AI商業(yè)發(fā)展的認(rèn)知，決定我們投入的力度；對(duì)AI影響能力的認(rèn)知，決定我們成長的高度。
去年，我們負(fù)責(zé)了一項(xiàng)海外千卡智算中心項(xiàng)目，這本身就是一個(gè)復(fù)雜度極高的綜合性工程。
我們不僅需要把控產(chǎn)品本身的能力，還必須統(tǒng)籌各類場外因素——從前期的工地勘察、架構(gòu)建設(shè)，到中期的物流運(yùn)輸、測試模擬，再到后期的集群構(gòu)建和優(yōu)化保障，每個(gè)環(huán)節(jié)都要統(tǒng)籌到位，挑戰(zhàn)很大。
而在海外落地，難度還要再上一個(gè)量級(jí)。
我們面對(duì)的是多樣化的國家政策與市場環(huán)境，前期要投入大量精力調(diào)研和實(shí)地考察；到交付階段，還會(huì)遇到許多不可控因素——國際政治形勢、當(dāng)?shù)胤煞ㄒ?guī)、極端天氣、海關(guān)流程等，都可能成為棘手的挑戰(zhàn)，導(dǎo)致項(xiàng)目延期。
好在，團(tuán)隊(duì)頂住了壓力，穩(wěn)步推進(jìn)著項(xiàng)目。當(dāng)客戶最終完成壓力測試，系統(tǒng)平穩(wěn)上線運(yùn)行的那一刻，我們連續(xù)數(shù)月緊繃的神經(jīng)終于得以放松。
在海外拓展布局的過程中，客戶一直很理解、支持我們。許多新節(jié)點(diǎn)資源一上線，就迅速被客戶采購一空。我們對(duì)此深懷感激，并對(duì)未來的合作與市場前景保持樂觀。
但與此同時(shí)，業(yè)界也普遍感受到：由于內(nèi)存、存儲(chǔ)、CPU等核心硬件產(chǎn)能不足，供應(yīng)鏈正出現(xiàn)顯著波動(dòng)。這可能引發(fā)各行業(yè)在傳統(tǒng)IT支出上出現(xiàn)結(jié)構(gòu)性調(diào)整，后續(xù)走勢仍需持續(xù)觀察。
并且，每次具有突破性的新模型發(fā)布，都可能重塑競爭格局，使得資源有限的中小企業(yè)面臨更大壓力。正如當(dāng)年GPT系列的出現(xiàn)，導(dǎo)致大量傳統(tǒng)NLP公司被洗牌出局，持續(xù)的迭代浪潮可能令類似的歷史再次上演。
做難而正確的事，有如推石上山。我們清醒地知曉其重量與反復(fù)，而真正的選擇在于：手不松，步不止。價(jià)值，就在這持續(xù)的攀登之中。
在2026年，我們將堅(jiān)定AI和全球化兩大戰(zhàn)略。
AI層面，我們將圍繞六大方向繼續(xù)深入：基礎(chǔ)模型、行業(yè)模型、AI應(yīng)用、AI+硬件、機(jī)器人和無人駕駛，以及Agent拓展。例如，AI創(chuàng)新應(yīng)用層面，我們將繼續(xù)以UModelVerse模型服務(wù)平臺(tái)為載體，通過token計(jì)費(fèi)方式，讓初創(chuàng)企業(yè)在AI成本支出更為可控；同時(shí)，我們推出的Agent Sandbox可以降低AI Agent的生產(chǎn)應(yīng)用門檻，為AI真正自主處理高復(fù)雜度、高風(fēng)險(xiǎn)任務(wù)提供基礎(chǔ)設(shè)施級(jí)保障。
全球化層面，我們將加速完善全球云計(jì)算服務(wù)網(wǎng)絡(luò)，計(jì)劃在2026年新增更多海外服務(wù)節(jié)點(diǎn)，重點(diǎn)助力中國企業(yè)、尤其是一帶一路沿線市場的出海業(yè)務(wù)發(fā)展。
算力資源完成初步沉淀后，如何將裸金屬高效轉(zhuǎn)化為開發(fā)者可用的“數(shù)字燃料”，成了算力運(yùn)營商必須回答的命題。
并行科技董事長、CEO 陳?。篈I Coding主導(dǎo)Token需求，「高效、穩(wěn)定、低成本」將成為算力服務(wù)競爭焦點(diǎn)
2025年，人工智能領(lǐng)域經(jīng)歷了一場由規(guī)模化應(yīng)用驅(qū)動(dòng)的深刻變革，大模型Token調(diào)用量爆炸式增長，這一變化直接引發(fā)了算力供需關(guān)系、技術(shù)優(yōu)化焦點(diǎn)和產(chǎn)業(yè)競爭格局的連鎖反應(yīng)。
作為衡量大模型應(yīng)用規(guī)模的核心指標(biāo)，日均Token調(diào)用量在2025年實(shí)現(xiàn)驚人突破，全市場Token使用量同比增長300倍，且全球Token技術(shù)標(biāo)準(zhǔn)統(tǒng)一，采用開源模型的企業(yè)呈現(xiàn)一致發(fā)展態(tài)勢。
一方面，Token需求暴漲的重要場景是AI Coding，業(yè)界預(yù)測到2030年，絕大多數(shù)代碼將由AI自動(dòng)生成，這既是IT行業(yè)的自我革新，也是AI成為通用技術(shù)的基礎(chǔ)。2025年全年，Token使用量的一半集中在AI Coding領(lǐng)域，也標(biāo)志著大模型正式進(jìn)入規(guī)?；a(chǎn)階段。
不過，在我看來，Token使用量激增的核心誘因是成本優(yōu)化。2025年初，DeepSeek憑借極高的性能與成本優(yōu)勢，實(shí)現(xiàn)了Token成本10倍的性價(jià)比提升，將大模型使用門檻降低一個(gè)數(shù)量級(jí)。
在這波浪潮中，并行科技也成功將在線服務(wù)的Token成本大幅降低，從一百多元降至幾元，離線模式更是可能降至1元以下，主力Token成本整體下降近30倍，TPS（每秒Token輸出量）也提升10倍，達(dá)到行業(yè)前沿水平。
回望2025年，市場呈現(xiàn)“一卡難求——供大于求——年底優(yōu)質(zhì)卡一卡難求”的快速輪回。需求端看，我和團(tuán)隊(duì)認(rèn)為，當(dāng)前主要分為三類：頭部大模型企業(yè)的超大規(guī)模訓(xùn)練需求（企業(yè)數(shù)量縮減至不足20家，但單家需求量翻倍）、推理服務(wù)需求（含Token生成，達(dá)萬卡級(jí)別且快速增長）、科研研發(fā)需求（穩(wěn)步增長）。但供給端一側(cè)，則因2023-2024年小規(guī)模智算中心無序建設(shè)、供應(yīng)鏈不穩(wěn)定等影響，供給形勢多次反轉(zhuǎn)。
對(duì)此，并行科技采取“彈性供給”和高效資源調(diào)度策略，使自有GPU算力利用率在2025年上半年達(dá)到85%-90%的飽和狀態(tài)，且在12月市場轉(zhuǎn)向供不應(yīng)求前，通過多次大規(guī)模采購提前鎖定優(yōu)質(zhì)算力資源，從容應(yīng)對(duì)2026年初優(yōu)質(zhì)算力“一卡難求”的格局。
但2025年算力市場帶來的挑戰(zhàn)仍在繼續(xù)：受AI需求暴漲與產(chǎn)能不足的雙重影響，全球顯存、GPU顯存、內(nèi)存及閃存等存儲(chǔ)產(chǎn)品大幅漲價(jià)，直接導(dǎo)致服務(wù)器成本翻倍，嚴(yán)重制約了算力資源的擴(kuò)建進(jìn)程。
不過，在這之中，也蘊(yùn)含著國產(chǎn)算力的重要發(fā)展機(jī)遇。從政策層面和資本市場資金流向來看，國產(chǎn)算力正在呈現(xiàn)出百花齊放的態(tài)勢，從小規(guī)模適配邁向大規(guī)模單集群生態(tài)建設(shè)的新階段，既強(qiáng)調(diào)“大規(guī)?！辈季郑沧⒅亍吧鷳B(tài)”適配，加速與國際市場接軌。
2026年，行業(yè)對(duì)未來已經(jīng)達(dá)成這些共識(shí)：一是推理需求持續(xù)主導(dǎo)，隨著模型大規(guī)模部署，推理所需的算力規(guī)模和復(fù)雜度將遠(yuǎn)超訓(xùn)練，成為算力消耗的絕對(duì)主體；二是Agent成為主流形態(tài)，大模型應(yīng)用正從單一問答向能規(guī)劃、執(zhí)行、使用工具的智能體演進(jìn)，要求底層服務(wù)架構(gòu)重構(gòu)；三是價(jià)值重心上移，未來競爭焦點(diǎn)不在于單純擁有算力，而在于能否提供高效、穩(wěn)定、低成本的模型服務(wù)和AI應(yīng)用。
總結(jié)而言，2026年將是AI大規(guī)模商業(yè)化應(yīng)用的元年。
成本之外，門檻仍在。如何讓非技術(shù)背景的企業(yè)能在多樣化的算力架構(gòu)上，自由地生長出屬于自己的Agent生態(tài)？
九章云極 CEO 方磊：摒棄「規(guī)模噱頭」，場景適配才是智算產(chǎn)業(yè)的關(guān)鍵「勝負(fù)手」
站在2026年的新起點(diǎn)回望，2025年算力市場最大的變化，就是徹底告別了“盲目堆硬件”的狂熱，從“CPU云主導(dǎo)”邁入“GPU云崛起”的關(guān)鍵轉(zhuǎn)型期。
我和團(tuán)隊(duì)最直觀的體會(huì)是，2025年行業(yè)核心瓶頸集中于“供需錯(cuò)配”與“效率不足”。
一方面，傳統(tǒng)CPU云適配通用計(jì)算，與AI高并行、密集型需求存在本質(zhì)矛盾，而“CPU+GPU混合數(shù)據(jù)中心” 既抬高了成本，又制約了GPU性能的釋放；
另一方面，算法從“深度學(xué)習(xí)”向“強(qiáng)化學(xué)習(xí)”躍遷，算力呈十倍、百倍級(jí)增長，但行業(yè)GPU平均利用率僅70%左右，且“裸金屬租賃”模式門檻高，導(dǎo)致中小企業(yè)與開發(fā)者難以高效使用算力，抑制產(chǎn)業(yè)創(chuàng)新活力。
同時(shí)，算力需求已進(jìn)入集中爆發(fā)期：端到端模型訓(xùn)練、仿真測試、車路協(xié)同等場景，都需要10倍以上的算力支撐，對(duì)算力的穩(wěn)定性、泛在性提出了更高要求。從全球格局看，國外頭部企業(yè)聚焦超大規(guī)模算力集群與專用芯片研發(fā)，核心服務(wù)于高端訓(xùn)練場景，但高昂的成本與封閉的生態(tài)體系，讓廣大中小企業(yè)難以觸及算力資源。
因此，算力的“普惠化”行動(dòng)勢在必行。
2025年，九章云極推出智算云平臺(tái)，依托Serverless與強(qiáng)化學(xué)習(xí)相關(guān)技術(shù)，實(shí)現(xiàn)了萬卡至十萬卡級(jí)異構(gòu)算力的統(tǒng)一調(diào)度，將AI智能體訓(xùn)推流程簡化至一行代碼即可啟動(dòng)，讓更多主體能夠參與到AI創(chuàng)新中來。
與此同時(shí)，行業(yè)正經(jīng)歷關(guān)鍵躍遷：競爭核心從預(yù)訓(xùn)練時(shí)期的“拼規(guī)模”到后訓(xùn)練時(shí)期的“拼效率”，強(qiáng)化學(xué)習(xí)作為驅(qū)動(dòng)模型進(jìn)化的核心引擎，已成為下一代智算基礎(chǔ)設(shè)施的剛性需求；智能體已從“純對(duì)話交互”，轉(zhuǎn)向“復(fù)雜任務(wù)執(zhí)行”，工業(yè)控制、流程自動(dòng)化、城市治理等實(shí)景場景，催生出海量碎片化、動(dòng)態(tài)化的算力訴求。
基于此，我們團(tuán)隊(duì)也在兩個(gè)方向上發(fā)力：
一方面，繼續(xù)推進(jìn)強(qiáng)化學(xué)習(xí)云的工業(yè)級(jí)落地，以全異步訓(xùn)練架構(gòu)、離線回放算法等核心技術(shù)，讓中小企業(yè)無需承擔(dān)高昂投入即可完成專家模型訓(xùn)練；
另一方面，針對(duì)智能體“執(zhí)行化”轉(zhuǎn)型需求，打通強(qiáng)化學(xué)習(xí)云與工具調(diào)用、復(fù)雜工作流的適配，延續(xù)按度計(jì)費(fèi)的模式，支持一行代碼啟動(dòng)訓(xùn)練、推理、執(zhí)行，從而匹配從機(jī)器人調(diào)度到城市規(guī)劃的多元?jiǎng)討B(tài)算力需求。
雖然當(dāng)下行業(yè)里仍有“算力過?！薄捌髽I(yè)無真實(shí)算力需求”的聲音，市場也在糾結(jié)“是否要加速推進(jìn)大規(guī)模、大體量算力布局”。
但我們始終堅(jiān)持自己的判斷是，AI基礎(chǔ)設(shè)施仍處于發(fā)展上升期，長期潛力巨大。未來有能力開展模型訓(xùn)練的主體會(huì)持續(xù)增多，算力需求的增長空間遠(yuǎn)未觸頂，所謂“算力過?！敝皇嵌唐诠┬璨▌?dòng)的階段性現(xiàn)象，而非行業(yè)終局。
市場的反饋與實(shí)際體感也在印證我們的判斷：Forrester調(diào)研顯示，45%的中小企業(yè)選擇智算云服務(wù)，12%的獨(dú)立開發(fā)者將其作為核心支撐，企業(yè)對(duì)AI算力的使用邏輯已轉(zhuǎn)向“經(jīng)濟(jì)、彈性”，依托我們的智算云，部分客戶成本直接降低了40%。
最后，我想說說我對(duì)這個(gè)行業(yè)的理解：行業(yè)的勝負(fù)手不是誰的GPU更多，而是誰能放下“規(guī)模噱頭”，深耕場景適配，把算力變成企業(yè)“算著清、用得好”的基礎(chǔ)設(shè)施。
三、軟硬件新戰(zhàn)場
Context Window帶來巨大內(nèi)存消耗、高帶寬DRAM走向供需失衡，需求端的反向施壓，為創(chuàng)新性技術(shù)方案的實(shí)現(xiàn)提供機(jī)遇。
昉擎科技 CEO 梁軍：Agent爆發(fā)與供應(yīng)趨緊，AI基礎(chǔ)設(shè)施迎來「創(chuàng)新發(fā)展」窗口期
2025年年初，DeepSeek R1的發(fā)布引起巨大反響，Sparse MoE（稀疏混合專家模型）迅速成為主流。過去一年里，模型能力持續(xù)躍升、迭代速度顯著加快，各類應(yīng)用也隨之快速普及。
然而，上層應(yīng)用的繁榮與底層算力的就緒之間存在明顯的時(shí)間差。
針對(duì)Sparse MoE模型的計(jì)算特性，AI Infra在過去一年里實(shí)現(xiàn)了多層面的深度優(yōu)化，但由于芯片有固定的開發(fā)節(jié)奏，除了華為超節(jié)點(diǎn)方案外，國內(nèi)其他芯片廠商的對(duì)應(yīng)產(chǎn)品仍處于開發(fā)階段，這也制約了相關(guān)業(yè)務(wù)的增長。
瓶頸的出現(xiàn)，讓行業(yè)在設(shè)計(jì)、部署Scale-Up集群上迅速達(dá)成共識(shí)。UALink、SUE及ESUN等Scale-Up通信協(xié)議標(biāo)準(zhǔn)進(jìn)展非常迅速，產(chǎn)業(yè)鏈配套的通信協(xié)議IP、Switch、支持Scale-Up接口的算力芯片，以及Scale-Up集群硬件等各種產(chǎn)品的開發(fā)進(jìn)展也全面提速。
另一方面，行業(yè)供應(yīng)形勢持續(xù)趨緊：除了眾所周知的高帶寬DRAM供需失衡，還有不少部件、材料都面臨供應(yīng)緊張的境況。
這一緊張態(tài)勢并非單純的周期性波動(dòng)，而是應(yīng)用范式變革對(duì)資源需求的結(jié)構(gòu)性重塑。
Agent應(yīng)用的爆發(fā)式增長，既要滿足超長Context Window（上下文窗口）帶來的巨大內(nèi)存消耗，又需將Token成本壓縮至極致。
與此同時(shí)，Agent普及帶來的low latency（低時(shí)延推理）需求，正從需求端反向施壓，對(duì)系統(tǒng)軟硬件設(shè)計(jì)產(chǎn)生深遠(yuǎn)影響。
這些變化讓行業(yè)面臨很大挑戰(zhàn)，但也帶來發(fā)展機(jī)遇。
從模型、應(yīng)用、AI Infra到底層軟硬件，各層面均在高速迭代演進(jìn)，客觀上催生了巨大的市場機(jī)會(huì)，也為創(chuàng)新性技術(shù)方案的落地提供了寶貴的窗口期。
這一窗口屬于敢于冒險(xiǎn)、擅長系統(tǒng)性思維的團(tuán)隊(duì)。在諸多難題與挑戰(zhàn)之下，我們始終堅(jiān)持以高標(biāo)準(zhǔn)方案和更基礎(chǔ)性的方式求解，這也讓我們團(tuán)隊(duì)收獲超出預(yù)期的成果。
過去一年我們的多次實(shí)踐，都在不斷驗(yàn)證這一方法論的有效性，也讓我們面對(duì)未來的信心更加堅(jiān)定。
Token需求進(jìn)入爆發(fā)期后，底層硬件碎片化的“互聯(lián)墻”不容小覷，行業(yè)要如何避免讓算力集群淪為性能孤島？
奇異摩爾 CEO 田陌晨：「互聯(lián)碎片化」成超節(jié)點(diǎn)瓶頸，AI下一戰(zhàn)拼的是交付
這波AI的發(fā)展，對(duì)硬件提出了雙重挑戰(zhàn)：
一方面，市場上AI大模型數(shù)量快速增長，要求芯片廠商能廣泛且高效地適配；
另一方面，大模型領(lǐng)域技術(shù)迭代極快，多模態(tài)、世界模型等創(chuàng)新層出不窮，如今，市場重心也已經(jīng)明顯轉(zhuǎn)向：一是從追求規(guī)模擴(kuò)張，轉(zhuǎn)向深耕性能；二是從“生成式AI”，轉(zhuǎn)向“AI Agent”這一形態(tài)。
尤其在推理場景中，不同應(yīng)用場景對(duì)Prefill（預(yù)填充）與Decode（解碼）階段的需求不同，對(duì)時(shí)延、精度、功耗、可靠性等方面的側(cè)重點(diǎn)也不同，這些都會(huì)直接影響計(jì)算、互聯(lián)與存儲(chǔ)等各個(gè)模塊的設(shè)計(jì)。
這也直接拉高了對(duì)硬件團(tuán)隊(duì)的要求：
軟件技術(shù)演進(jìn)常以“季度”甚至“月”為單位，芯片等硬件的迭代周期卻通常長達(dá)數(shù)年，因此，硬件研發(fā)團(tuán)隊(duì)不僅要精通軟硬件深度技術(shù)、具備跨領(lǐng)域視野，還需具備前瞻性，能夠預(yù)判未來兩至三年的技術(shù)需求，以提前規(guī)劃硬件設(shè)計(jì)。
我們從2021年起，就預(yù)見到AI快速發(fā)展將面臨的網(wǎng)絡(luò)互聯(lián)瓶頸，在布局片內(nèi)互聯(lián)芯粒產(chǎn)品后，也逐步構(gòu)建起面向AI網(wǎng)絡(luò)互聯(lián)的全棧解決方案。
然而，這一路并非坦途：
2024年，我們已前瞻性地在超節(jié)點(diǎn)領(lǐng)域進(jìn)行了技術(shù)和資源布局，但那時(shí)候“超節(jié)點(diǎn)”概念還沒有火起來，我們的工作顯得有些“超前”，這使得公司當(dāng)時(shí)的資本化進(jìn)程一度有些阻力。好在，有中科創(chuàng)星等早期投資人始終如一的信任，以及客戶和合作伙伴的并肩同行，到2025年，超節(jié)點(diǎn)成為AI訓(xùn)推集群的關(guān)鍵技術(shù)焦點(diǎn)。
不過，制約超節(jié)點(diǎn)部署效率與可擴(kuò)展性的核心瓶頸，也隨之顯現(xiàn)：
超節(jié)點(diǎn)內(nèi)部的各個(gè)計(jì)算單元，要依賴統(tǒng)一、高效的互聯(lián)協(xié)議，才能實(shí)現(xiàn)協(xié)同。然而，目前還沒有出現(xiàn)像以太網(wǎng)或移動(dòng)通信那樣成熟且被廣泛接納的標(biāo)準(zhǔn)體系，這就導(dǎo)致不同廠家的設(shè)備很難兼容、互通，交換機(jī)和計(jì)算節(jié)點(diǎn)之間的對(duì)接方式，都是各家自己定制，這讓系統(tǒng)集成和后期維護(hù)都變得更復(fù)雜且麻煩。
盡管最近兩年間，國內(nèi)外已涌現(xiàn)出多項(xiàng)致力于推進(jìn)標(biāo)準(zhǔn)化的倡議與規(guī)范，如SUE、OISA、ETH-X、UALink等。然而，“生態(tài)碎片化”的解決并非單純的技術(shù)競賽，而是要依賴于產(chǎn)業(yè)鏈上下游的緊密協(xié)作。在我看來，短期內(nèi)，多元技術(shù)標(biāo)準(zhǔn)并存的格局還會(huì)持續(xù)。
針對(duì)這一情況，奇異摩爾推出超節(jié)點(diǎn)互聯(lián)芯粒Kiwi G2G IOD——基于我們獨(dú)創(chuàng)的HPDE可編程架構(gòu)，能支持不同的協(xié)議類型及其升級(jí)。
并且，早在2023年，奇異摩爾便作為首批核心生態(tài)成員，深度參與由中國移動(dòng)牽頭的OISA 1.0協(xié)議制定工作。2025年，公司進(jìn)一步參與到OISA 2.0協(xié)議的制定中，負(fù)責(zé)制定了協(xié)議中互聯(lián)芯粒部分的標(biāo)準(zhǔn)設(shè)計(jì)，還開發(fā)了業(yè)界首個(gè)OISA Scale up協(xié)議的驗(yàn)證平臺(tái)。
2026年，我相信超節(jié)點(diǎn)的熱度仍會(huì)繼續(xù)，且會(huì)進(jìn)一步產(chǎn)業(yè)化。這背后也指向一個(gè)關(guān)鍵共識(shí)：AI時(shí)代的競技場，勝負(fù)在于交付——無論是觸達(dá)用戶的最終應(yīng)用，還是支撐一切的底層硬件，真正拉開差距的，都是交付。
如今，硬件問題也不能僅靠硬件解決，如果無法在指令集與精度層面實(shí)現(xiàn)芯片與大模型的深度協(xié)同，算力天花板依然近在咫尺。
清程極智 CEO 湯雄超：「單向適配」不是終局，未來模型與芯片架構(gòu)設(shè)計(jì)要互相指導(dǎo)
去年，我們比較關(guān)注大模型的推理部署場景。
印象里最焦慮的時(shí)候，可能是春節(jié)后在各種平臺(tái)上適配優(yōu)化DeepSeek模型：當(dāng)時(shí)我們發(fā)現(xiàn)，DeepSeek在一些平臺(tái)上很容易能運(yùn)行起來，但在另一些平臺(tái)上卻會(huì)面臨很多挑戰(zhàn)，算力平臺(tái)之間的差距非常大。
經(jīng)過團(tuán)隊(duì)的努力，我們?cè)趲讉€(gè)月后終于實(shí)現(xiàn)了計(jì)劃中的近10種算力平臺(tái)的推理部署方案。對(duì)比當(dāng)時(shí)，其實(shí)可以明顯感受到，國產(chǎn)算力對(duì)新發(fā)布模型的支持速度已經(jīng)大幅提升——
從最初模型發(fā)布數(shù)月后才能完成適配，到后來往往新模型發(fā)布后幾天即可適配。去年WAIC大會(huì)期間，清程極智的“赤兔”推理引擎更是實(shí)現(xiàn)了國產(chǎn)算力對(duì)新模型的0 Day支持，讓GLM4.5模型發(fā)布當(dāng)天就能在華為昇騰算力上推理部署。
適配速度的加快，體現(xiàn)了國產(chǎn)算力上的軟件生態(tài)不斷成熟。今年初，我們和T-One孵化器聯(lián)合發(fā)布了一份大模型API服務(wù)行業(yè)報(bào)告，在和幾十家做大模型API服務(wù)的伙伴溝通后發(fā)現(xiàn)，國產(chǎn)算力是真實(shí)可用的，但與此同時(shí)，硬件架構(gòu)差異帶來的問題，無法通過軟件手段完全解決。
以往大家認(rèn)為，軟硬件分別面臨生態(tài)成熟度與絕對(duì)性能上的差異，但到了2025年，新興大模型算法架構(gòu)與國際先進(jìn)算力的硬件架構(gòu)綁定得更加緊密，其影響已經(jīng)超出通常意義上的“軟件生態(tài)”范疇。
例如，去年初開源的DeepSeek-V3/R1模型，是基于FP8數(shù)據(jù)精度原生訓(xùn)練與推理的，但當(dāng)時(shí)國產(chǎn)算力硬件架構(gòu)并不支持FP8。我們預(yù)感到后續(xù)會(huì)有更多模型采用FP8、FP4這類新興低精度數(shù)據(jù)類型，于是，清程極智就通過軟件的方式，在國產(chǎn)算力上實(shí)現(xiàn)了FP8精度的計(jì)算，后來又進(jìn)一步完成了FP4精度的軟件支持。
但這僅僅解決了易用性問題，讓用戶能在國產(chǎn)算力平臺(tái)上快速跟進(jìn)最新大模型與數(shù)據(jù)精度，卻無法從硬件底層真正提升模型的實(shí)際運(yùn)算速度。
而現(xiàn)在，低精度算力已逐漸成為智能算力的主流配置。在海外高端算力芯片中，F(xiàn)P4算力普遍能達(dá)到BF16算力的6-8倍。如果國產(chǎn)算力只是在BF16算力上追平海外產(chǎn)品，卻沒有在硬件層面補(bǔ)齊對(duì)FP4精度的支持，那么其真實(shí)有效算力依然只有海外芯片的零頭，很難形成性價(jià)比優(yōu)勢。
好在去年很多國產(chǎn)算力廠商在下一代芯片規(guī)劃中，都提出將支持低精度的算力類型，比如昇騰950就支持FP4。預(yù)計(jì)2026年，硬件架構(gòu)的差異有望進(jìn)一步縮小。
但在我看來，國產(chǎn)算力在硬件架構(gòu)上逐步對(duì)齊海外特性，還只是早期階段。根本的解決方案，應(yīng)該是國產(chǎn)算力和大模型研發(fā)機(jī)構(gòu)更緊密地合作：讓大模型算法的發(fā)展需求指導(dǎo)芯片架構(gòu)的設(shè)計(jì)，芯片架構(gòu)也反過來指導(dǎo)大模型的算法設(shè)計(jì)。
放眼2026，大模型推理對(duì)算力的需求仍將保持高速增長，并且，無論是大模型算法架構(gòu)還是底層硬件設(shè)計(jì)，都會(huì)更加多樣化——
模型方面，去年主流還是基于自回歸解碼的文本類模型，今年則會(huì)出現(xiàn)更多擴(kuò)散模型與多模態(tài)模型；算力方面，除了類GPU架構(gòu)和NPU架構(gòu)，一些架構(gòu)更激進(jìn)的算力也將開始量產(chǎn)。在這樣百花齊放的格局下，可能會(huì)碰撞出新的“硬件-算法”協(xié)同的行業(yè)最優(yōu)解。
國產(chǎn)算力在功能上已經(jīng)能滿足大量實(shí)際場景的需求，但在絕對(duì)性能和性價(jià)比上，仍需進(jìn)一步提升，才能真正建立商業(yè)優(yōu)勢。這需要全行業(yè)共同努力，實(shí)現(xiàn)市場化的正向循環(huán)。
四、顛覆全棧
最后，當(dāng)?shù)讓蛹夹g(shù)棧逐步打通、Agent 真正成長為新一代操作系統(tǒng)，一個(gè)更重磅、更根本的命題也隨之到來：
人類，是否已準(zhǔn)備好向 AI 移交決策權(quán)？
PPIO CEO 姚欣：敢不敢放權(quán)給AI，是屬于人類的「奇點(diǎn)時(shí)刻」
過去業(yè)界將2045年視為“奇點(diǎn)臨近”，認(rèn)為跨過奇點(diǎn)后，智能將指數(shù)級(jí)迭代、機(jī)器進(jìn)化速度會(huì)遠(yuǎn)超人類。但在我看來，2025年已經(jīng)過了奇點(diǎn)的拐點(diǎn)。
回看去年，DeepSeek的爆發(fā)讓我們團(tuán)隊(duì)很興奮。一季度我們快速加碼算力、對(duì)接需求，全力沖刺MaaS業(yè)務(wù)增長。但到了五六月，市場風(fēng)向突然轉(zhuǎn)變——開發(fā)者更傾向選擇海外價(jià)格更高的閉源模型。
這一度讓我們陷入焦慮：PPIO核心業(yè)務(wù)MaaS，跟開源模型生態(tài)息息相關(guān)，只有開源模型足夠強(qiáng)，才能帶動(dòng)MaaS和算力需求增長。但我始終對(duì)開源非常堅(jiān)定——從PC互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)，歷次浪潮幾乎都遵循“閉源開辟、開源統(tǒng)治”的規(guī)律，這一輪AI浪潮也不會(huì)例外。
所以我們堅(jiān)持到九月十月，終于，國內(nèi)大模型迎來爆發(fā)。臨近春節(jié)這段時(shí)間，我們也幾乎每天都在對(duì)接新模型，春節(jié)大家可能也休息不了。這個(gè)過程對(duì)我們來說，痛并快樂著。
不過，模型能力只是單點(diǎn)突破，我們始終相信Agent層才是開發(fā)者真正的“操作系統(tǒng)”。去年Agent技術(shù)棧還不成熟，大多停留在概念與雛形階段；但春節(jié)前OpenClaw的誕生，已經(jīng)讓行業(yè)看到全新的機(jī)會(huì)和希望。
最近還讓我震撼的是，Cursor的CEO拿GPT 5.2寫了三百多萬行代碼，基本復(fù)現(xiàn)了chromium 瀏覽器，要知道寫瀏覽器的難度挑戰(zhàn)和操作系統(tǒng)是一個(gè)級(jí)別的，由此可以看出，AI已經(jīng)幾乎沒有寫不了的代碼。
在這背后，我也看到了技術(shù)方向上的“會(huì)師”：OpenClaw這類Agent的“權(quán)力”太大了，有很大的安全隱患?？梢?，今天的AI基礎(chǔ)設(shè)施，已經(jīng)不再僅僅是為人設(shè)計(jì)，同時(shí)也要為AI服務(wù)——高彈性、高并發(fā)、高任務(wù)響應(yīng)、甚至長時(shí)記憶能力，都是AI原生的核心需求。
作為經(jīng)歷過互聯(lián)網(wǎng)，移動(dòng)互聯(lián)網(wǎng)多個(gè)時(shí)代的連續(xù)創(chuàng)業(yè)者，我認(rèn)為當(dāng)下又是一個(gè)重大的技術(shù)范式變遷，我們過去的各類軟硬件都是針對(duì)人的使用體驗(yàn)設(shè)計(jì)的，但是行業(yè)正從“以人使用為中心設(shè)計(jì)Infra”，轉(zhuǎn)向“以AI或機(jī)器為中心設(shè)計(jì)的Infra”。我們?nèi)ツ晖瞥龅腁gent沙箱系統(tǒng)，恰好就可以成為Agent Infra的核心組件——在保障高效運(yùn)行的同時(shí)，實(shí)現(xiàn)安全隔離與風(fēng)險(xiǎn)可控。
與此同時(shí)，在需求爆發(fā)的背景下，算力的梯次利用與精細(xì)化調(diào)度也變得至關(guān)重要。未來算力需求的增長速度會(huì)大幅領(lǐng)先于今天算力供應(yīng)速度，行業(yè)會(huì)進(jìn)入一段長期供不應(yīng)求的時(shí)段。
而一個(gè)愈發(fā)清晰的趨勢是：越是傳統(tǒng)的組件，越容易成為新的瓶頸。
我在本屆CES觀察到，GPU行業(yè)已在為產(chǎn)能實(shí)現(xiàn)十倍、百倍增長做準(zhǔn)備，但其他組件完全沒跟上，比如硬盤，過去20年每年的產(chǎn)能只上漲平均3%-5%。這就意味著，我們已經(jīng)進(jìn)入到基礎(chǔ)設(shè)施的綜合博弈，木桶短板效應(yīng)會(huì)集中爆發(fā)。
因此，我們今年的目標(biāo)也很明確：全?；腿蚧?。前者是打通從IaaS、MaaS到Agent Infra的端到端技術(shù)能力；后者則是依托不同區(qū)域的資源優(yōu)勢，在日本、歐洲、東南亞等地進(jìn)一步布局，挖掘更多元的算力供給與市場機(jī)會(huì)。
我還有個(gè)觀察：未來制約AI普及與應(yīng)用深度的關(guān)鍵，不在于技術(shù)或算力，而在于企業(yè)組織能力能否跟上AI的迭代速度。
今年我會(huì)在公司內(nèi)部推進(jìn)全面向AI Native組織轉(zhuǎn)型。這背后是一個(gè)根本性命題：當(dāng)機(jī)器在效率與智能水平上全面超越人類時(shí)，組織與管理者是否敢于放權(quán)？
如果我們的決策依然依賴冗長流程、追求100%絕對(duì)安全、所有事項(xiàng)最終都需要CEO簽字確認(rèn)，決策效率必然被嚴(yán)重制約。這就是人類史上又一把 “達(dá)摩克利斯之劍”：在安全與效率、穩(wěn)定與進(jìn)化之間，如何做出抉擇？
這將是人類自身的奇點(diǎn)時(shí)刻。
作者長期關(guān)注AI算力鏈條，歡迎添加作者微信 Ericazhao23 交流。雷峰網(wǎng)雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
