高端算力不再是“奢侈品”，中科曙光推开超节点规模应用时代大门

过去几年，AI的发展轨迹已经从“能力验证”迈入“规模应用”。在这一过程中，算力不再只是支撑模型训练的后台资源，而逐渐演化为直接面向业务产出的核心生产要素。中科曙光高级副总裁李斌认为，当前算力体系正在经历一次关键转向，从服务模型训练的“算力工厂”，走向以推理为核心的“Token工厂”。

中科曙光高级副总裁 李斌

这种转变的本质，在于AI商业模式的重构。过去，行业关注的是模型参数规模和训练精度，而当智能体开始走向真实场景后，衡量标准转变为响应速度、并发能力与单位成本下的Token产出效率。李斌指出，算力系统的评价指标正在从“峰值算力”转向“Token经济性”，这意味着算力基础设施必须重新设计。

与此同时，应用侧的变化也在加速这一进程。以智能体为代表的新一代AI应用形态，正在显著降低用户使用门槛，使算力需求呈现出爆发式增长。企业不再只是少量调用算力资源，而是需要持续、稳定、高并发的推理能力，这对基础设施提出了全新的要求。

在这样的背景下，传统以训练为中心构建的超大规模集群，开始显现出结构性不匹配。一方面，数百卡乃至万卡级系统仍然是前沿模型研发的必要工具；另一方面，大量产业场景并不需要如此高规格的配置，却依然缺乏合适的替代方案。

因此，算力产业正在出现明显的分层趋势：顶端是服务极限模型训练的超大规模系统，中间层则是面向行业应用的“高性价比算力单元”。谁能够填补这一中间层的空白，谁就有机会定义下一阶段AI基础设施的主流形态。

40卡规模：算力供需之间的产业平衡点

在产业需求与技术供给的交汇点上，“40卡”这一规模逐渐浮出水面，成为新的关键区间。曙光信息产业副总裁李柳表示，经过大量调研发现，几十卡规模能够覆盖绝大多数行业场景，是性能与成本之间的最佳平衡点。

曙光信息产业（北京）有限公司副总裁 李柳

这一判断并非偶然。从应用侧来看，绝大多数企业部署的模型并不追求极限参数规模，而更强调稳定性、响应速度以及可控成本。在金融、医疗、政务等垂直领域，数据规模有限，模型规模通常在几十B级别，对算力的需求也更加理性。

与此同时，传统8卡服务器正在逐步逼近性能瓶颈。随着模型复杂度提升和推理需求增加，单节点算力难以支撑高并发服务，而通过简单堆叠服务器又会带来网络延迟与系统复杂度的急剧上升。

李斌指出，当前市场上存在明显的“断层”：一端是过于昂贵且复杂的超大规模超节点，另一端是性能不足的传统服务器。这种结构性缺口，使得企业在算力部署上面临“两难选择”。

40卡本质上是对这一矛盾的回应。它既避免了过度配置带来的资源浪费，又突破了小规模节点的性能上限，在成本、性能与扩展性之间取得了动态平衡。

更重要的是，这一规模具备良好的扩展属性。单节点可以满足中等规模任务，多节点又可以线性扩展为更大集群，使企业能够按照业务节奏逐步投入，而非一次性承担高额成本。这种“渐进式算力建设模式”，正在成为产业共识。

从工程系统到产品单元：超节点的形态重构

如果说“40卡”解决的是规模问题，那么中科曙光最新发布的世界首个无线缆箱式超节点scaleX40，则体现在算力产品形态的重构上。长期以来，超节点更像是一项复杂工程，而非标准化产品，其部署过程依赖定制机柜、复杂布线和专业运维团队。

世界首个无线缆箱式超节点scaleX40

李斌指出，传统超节点通常以整柜形式交付，对机房环境、电力系统和散热条件要求极高，这直接抬高了部署门槛，也限制了其在更广泛场景中的应用。

scaleX40尝试改变这一逻辑。通过无线缆架构设计，将计算与交换节点直接对插，减少对光纤和铜缆的依赖，使系统结构更加简洁。这不仅降低了故障率，也显著提升了系统稳定性。

在此基础上，产品采用标准19英寸箱式设计，使其可以直接部署在通用机柜中。李柳表示，这种设计类似于物流领域的“集装箱化”，将复杂的工程系统转化为可标准化交付的产品单元，从而大幅降低部署难度。

更深层的变化在于网络架构。通过总线技术和一层互联设计，scaleX40实现了接近内存语义的通信方式，使GPU之间可以直接进行数据访问。相比传统网络传输，这种方式在带宽和延迟上都有数量级提升。

这种架构创新的意义，不仅在于性能提升，更在于简化系统复杂度。当算力系统从“多层网络叠加”转向“单层高效互联”，其稳定性和可维护性将显著增强，为规模化部署提供基础。

“开箱即用”的产业逻辑：高端算力的普及路径

随着AI进入产业化阶段，算力竞争的焦点正在从“能否构建”转向“能否使用”。李柳指出，未来的关键不在于谁拥有最强算力，而在于谁能够让更多用户“用得起、用得好”。

在这一逻辑下，“开箱即用”成为高端算力的重要演进方向。scaleX40内置完整的软件栈，兼容主流开发环境，并预适配大量常用模型，使用户无需复杂配置即可直接开展开发与部署。

这种设计显著缩短了从硬件部署到业务上线的周期。对于中小企业而言，这意味着不再需要组建庞大的技术团队，也不必经历漫长的系统调试过程，即可快速获得可用算力。

李斌表示，高端算力普及的核心标准非常直接——在相同成本下获得更高收益。当系统效率提升、故障率降低、运维成本下降时，算力的整体投入产出比将显著改善。

同时，软件与硬件的协同优化也在发挥关键作用。通过预置算子优化和系统调优，scaleX40在训练与推理场景中实现了显著性能提升，这种“系统级优化”正在成为新的竞争壁垒。

从产业角度看，这种转变意味着高端算力正在脱离“奢侈品”属性，逐步演变为类似服务器、存储一样的基础设施。当部署和使用门槛被持续降低，算力普及的拐点也随之到来。

生态协同与自主路径：中国算力体系的重塑机遇

在全球算力竞争日趋激烈的背景下，单点技术突破已不足以支撑长期优势，系统级协同成为关键。李斌指出，算力系统不仅包括计算，还涉及存储、网络以及软件平台，只有全链条优化才能释放最大效能。

中科曙光在这一领域的策略，是通过垂直整合构建完整生态。从芯片到整机，从存储到网络，再到开发平台，实现全栈协同。这种能力，使其能够在系统层面进行深度优化，而非依赖单一组件性能提升。

李柳表示，超节点本质上是一种系统工程，其成功依赖于跨层级的协同能力。只有在硬件架构、通信机制和软件调度之间形成闭环，才能实现真正意义上的效率提升。

与此同时，产业链协同也在加速推进。通过与模型厂商、系统集成商以及行业用户的合作，算力产品可以更贴近实际需求，从而形成正向反馈循环。

在应用层面，私有化部署正在成为重要趋势。随着数据安全与隐私需求提升，越来越多行业倾向于构建自身算力体系，这为中等规模超节点提供了广阔空间。

可以预见，未来中国算力体系将呈现“分层+协同”的结构：顶层是国家级超算与大模型训练平台，中间层是行业级超节点，底层则是广泛分布的边缘算力。这一体系的完善，将决定AI产业化的深度与广度。

从“算力工厂”到“Token工厂”，从工程系统到产品单元，再到生态协同与产业落地，scaleX40所代表的不仅是一款产品，更是一种路径选择。当超节点开始走向标准化与普及化，AI真正进入“规模应用时代”的大门，才算被彻底打开。