“力大磚飛”到“擬態(tài)共生”，新華三定義AI基礎(chǔ)設(shè)施的系統(tǒng)級進化

過去幾年，Scaling Law深刻塑造了AI行業(yè)的發(fā)展軌跡：不斷堆算力、堆數(shù)據(jù)、堆參數(shù)規(guī)模，以換取智能的涌現(xiàn)。

隨著Agent時代的降臨，對算力的需求漸漸從預(yù)訓練轉(zhuǎn)向推理，海量的Token消耗從根本上重塑了整個產(chǎn)業(yè)的評價體系。在“Token經(jīng)濟學”的敘事下，重心開始向更低的延遲、更高的能源效率傾斜。

當單純擴大規(guī)模帶來的邊際效益開始遞減，行業(yè)亟需回答：怎么在限的能源、空間與信息邊界內(nèi)，產(chǎn)出更高密度的智能？

在5月8日舉行的NAVIGATE 2026領(lǐng)航者峰會上，我們與新華三集團技術(shù)委員會副主席劉新民進行了一場對話，得到的答案是：AI基礎(chǔ)設(shè)施正從單一的硬件競爭，進入系統(tǒng)重構(gòu)與架構(gòu)創(chuàng)新的“系統(tǒng)工程競爭”。

01 拒絕“參數(shù)崇拜”：從“設(shè)備思維”到“系統(tǒng)思維”

全行業(yè)都在瘋狂卷參數(shù)、卷規(guī)模的背景下，劉新民提出了一個直擊靈魂的悖論：“設(shè)備參數(shù)這么強，為什么還需要調(diào)優(yōu)呢？”

一語點破了AI時代最大的產(chǎn)業(yè)變革。

在傳統(tǒng)ICT的語境里，評價設(shè)備能力的邏輯很簡單，比拼的是CPU性能、網(wǎng)絡(luò)帶寬、存儲IOPS、單機吞吐等靜態(tài)指標，似乎只要把最頂級的算力卡、最高速的無損網(wǎng)絡(luò)和最大容量的存儲連接在一起，就能發(fā)揮出最大效能。

但在大模型推理環(huán)節(jié)，Token的產(chǎn)出是一個依賴動態(tài)協(xié)同的過程，即使單體硬件性能指標再高，如果底層架構(gòu)的數(shù)據(jù)流轉(zhuǎn)沒有打通，實際運行大模型時依然無法跑得“通透”。硬件的堆砌只提供了理論上的性能上限，深度的系統(tǒng)級工程能力，才真正決定了算力轉(zhuǎn)化為生產(chǎn)力的效率。

為什么傳統(tǒng)的“設(shè)備思維”注定走向終結(jié)？劉新民在NAVIGATE 2026領(lǐng)航者峰會技術(shù)創(chuàng)新峰會的演講中提出了三個結(jié)構(gòu)性“剪刀差”。

首先是數(shù)據(jù)的“剪刀差”。

目前互聯(lián)網(wǎng)上的高質(zhì)量文本數(shù)據(jù)已近枯竭，而大模型對高價值語料的渴求仍在爆炸式增長。在數(shù)據(jù)孤島、合成數(shù)據(jù)質(zhì)量差等約束下，核心矛盾不是數(shù)據(jù)不夠用，而是缺乏可信好用的數(shù)據(jù)。

其次是算力的“剪刀差”。

當芯片制程無限接近物理學極限，摩爾定律的放緩已是不爭的事實。更致命的是傳統(tǒng)馮·諾依曼架構(gòu)的瓶頸——在大模型的訓練與推理中，95%以上的算時被消耗在數(shù)據(jù)搬運，而非真正的計算上。

最后是能源的“剪刀差”。

AI算力需求的翻倍僅需一年，傳統(tǒng)電網(wǎng)基建的規(guī)劃與擴容周期則要5到10年。能源的線性供給速度，可能永遠都追不上功耗需求的指數(shù)曲線，單純硬件擴容將不可避免的遇到一道道的“能源墻”。

三個無法逾越的“剪刀差”，揭示了：算力底座的進化，絕非某個單一要素的優(yōu)化，必須是一次全局性的系統(tǒng)進化。

劉新民在對話中談到了這樣一段經(jīng)歷：“我們自己內(nèi)部的一個解決方案，最初看上去，產(chǎn)品配置、參數(shù)指標、理論方案都很漂亮，但真正落到實戰(zhàn)時，總感覺競爭力不夠。后來團隊花了半年時間，重新去摳每一個細節(jié)：設(shè)備如何組合、網(wǎng)絡(luò)怎樣優(yōu)化、鏈路如何調(diào)度、資源如何分配，甚至細化到系統(tǒng)每一個層級的協(xié)同效率。最終發(fā)現(xiàn)，真正拉開差距的，并不是多堆幾張卡，而是隱藏在系統(tǒng)背后的工程化能力。”

作為ICT行業(yè)的務(wù)實派，新華三身體力行地印證了：AI基礎(chǔ)設(shè)施的競爭，已經(jīng)從“設(shè)備思維”走向“系統(tǒng)思維”，誰能把復雜系統(tǒng)真正調(diào)到極致，誰才能把理論算力轉(zhuǎn)化成實實在在的生產(chǎn)力。

02 打破物理極限：“算—存—云”三位一體的算力底座

回到當下最熱門的課題：面對海量的Token消耗，怎么解決算力體系普遍存在的性能和效率瓶頸呢？

劉新民的回答是：“算力底座不是硬件的簡單堆疊，而是系統(tǒng)重構(gòu)和架構(gòu)創(chuàng)新，從而構(gòu)筑起支撐智能體高效運行的堅實基座。”相對應(yīng)的，新華三正在打造“算—存—云”三位一體的算力底座。

深挖一層的話，可以歸納為四大核心能力。

第一個是硬件工程能力。

在不“堆硬件”的理念下，新華三在硬件設(shè)計上下了很大功夫：通過創(chuàng)新主板、小型化設(shè)計、冷板共用等創(chuàng)新，在標準1U空間內(nèi)集成6顆高性能CPU，實現(xiàn)了“一柜頂五柜”的效果。為了確保超高密架構(gòu)穩(wěn)定運行，新華三還推出了業(yè)界首個量產(chǎn)的全液冷整機系統(tǒng)，實現(xiàn)了100%全液冷散熱。

第二個是極致存儲能力。

在推理階段，Token的生產(chǎn)成本主要取決于數(shù)據(jù)流動效率。新華三的解法是面向AI場景進行全棧優(yōu)化：比如通過AI算法實現(xiàn)智能緩存預(yù)取，提升了緩存命中率和讀取性能；通過KV Cache加速技術(shù)，打破推理中的顯存限制和數(shù)據(jù)瓶頸，使Token首次時延降低90%、重復IO請求節(jié)省80%。

第三個是云智融合能力。

通過“通智融合”與“一云多芯”架構(gòu)，新華三實現(xiàn)了異構(gòu)算力統(tǒng)一調(diào)度、資源池化與高效復用，可保障業(yè)務(wù)在10萬節(jié)點規(guī)模下持續(xù)穩(wěn)定運行。同時研發(fā)了智算加速引擎，將跨節(jié)點通信時延降低了50%，并利用算子融合與內(nèi)存池化技術(shù)，打破了單卡顯存瓶頸，將模型的推理效率提升了20%。

第四個是多元生態(tài)能力。

面對各類GPU各異、標準不一的行業(yè)現(xiàn)狀，新華三以開放架構(gòu)為核心，通過異構(gòu)算力生態(tài)、算力互聯(lián)生態(tài)與融合軟件生態(tài)，構(gòu)建了多元開放的算力體系，目的是實現(xiàn)多廠商GPU平滑接入與統(tǒng)一協(xié)同，進而推動算網(wǎng)深度融合，為百行百業(yè)的客戶實現(xiàn)更靈活、高效的最優(yōu)算力配置。

新華三的思路并不復雜，用一句話概括的話，即通過超高密架構(gòu)和全液冷設(shè)計提升硬件性能；利用高性能存儲和KV Cache加速突破數(shù)據(jù)瓶頸；依托“通智融合”調(diào)度與AI超融合優(yōu)化資源分配；最終以多元算力開放生態(tài)，實現(xiàn)全域資源池化與聚合。

需要說明的是，新華三并未止步于“畫藍圖”，正在用一個個量產(chǎn)的產(chǎn)品加速將理念落地：

比如兼容多CPU平臺、適配100款以上AI加速卡的R5500 G7X模組機型，單卡功耗釋放比上一代提升了42%；面向智算場景的X10000系列XCache推理加速系統(tǒng)，可實現(xiàn)KV多級緩存卸載，在同等算力下將用戶并發(fā)數(shù)和Token產(chǎn)出效率提升10倍；UniPoD S80000系列超節(jié)點產(chǎn)品，1024卡超節(jié)點可通過Scale-Up擴展至16384卡，同時支持73728卡超大規(guī)模集群……

劉新民在對話中多次提到：新華三的愿景是通過系統(tǒng)級重構(gòu)，實現(xiàn)“每一瓦電力到每一個Token產(chǎn)出”的最優(yōu)效率。

03 跨周期的長期主義：構(gòu)建擬態(tài)AI原生基礎(chǔ)設(shè)施

一個無法回避的現(xiàn)實在于：大模型正在以周為計刷新、幾乎每天都有新的事物出現(xiàn)，不確定成了AI時代的底色。

站在普通人的視角上，“不確定性”往往伴隨著一種獨特的魅力，可以天馬行空地想象十年后的日常。對于一家創(chuàng)新驅(qū)動的技術(shù)企業(yè)而言，需要基于前瞻性的洞察提前布局，找到一條確定性的路徑。

未來十年的AI基礎(chǔ)設(shè)施將朝什么樣的方向進化？目前還沒有確切答案，但新華三找到了一個獨特的視角。

劉新民在演講中做了一個形象的類比：人類大腦僅需約20瓦的極低功耗（僅相當于幾片面包的能量），就能驅(qū)動感知、決策、思考與行動一體的高級智能。這種低碳高能、全感官融合、自組織且具備免疫自愈能力的形態(tài)，正是未來AI基礎(chǔ)設(shè)施的終極藍圖。

怎么理解“類人智能的擬態(tài)AI原生基礎(chǔ)設(shè)施”呢？劉新民進一步拆解了六大具備生命特征的形態(tài)跨越。

一是計算之“心”：構(gòu)建一種多范式混合的高效架構(gòu)。未來的計算架構(gòu)將是以馮·諾依曼架構(gòu)為基礎(chǔ)，通過光互聯(lián)耦合存內(nèi)計算、類腦計算等多種計算范式，達到算效和能效的最優(yōu)化。

二是聯(lián)接之“神經(jīng)”：搭建全域高質(zhì)、多維融合的網(wǎng)絡(luò)。未來的聯(lián)接將是“通感智算一體化”，依托空心光纖等技術(shù)打破物理傳輸極限，并通過空天地一體化和自組織聯(lián)接實現(xiàn)集群協(xié)同。

三是是存儲之“記憶”：塑造主動知識載體。利用類腦存算一體架構(gòu)，減少數(shù)據(jù)搬運能耗；通過語義編碼與知識固化，將數(shù)據(jù)轉(zhuǎn)化為隨時調(diào)用的知識；并將存儲嵌入推理鏈路實現(xiàn)“以查代算”。

四是交互之“大腦”：構(gòu)建與物理世界交互的中樞。過去的AI像是“缸中之腦”，未來的智能必須擁有“軀體”，理解重力，感知因果，讓AI從云端走進現(xiàn)實，高效管理萬億級智能體運行。

五是安全的“免疫”：構(gòu)建自治自愈的防御體系。未來的安全將告別事后審計，構(gòu)建物理隔離的動態(tài)校驗屏障、提前識別背離人類價值的惡性邏輯、邏輯可審計、因果可追溯等能力。

六是能源之“呼吸”：打造低碳循環(huán)的能源基石。未來的AI數(shù)據(jù)中心，將改變傳統(tǒng)的供電散熱邏輯，成為以Token為核心的能源底座，實現(xiàn)算、電、熱的精準匹配，讓PUE無限接近于1。

聽起來有些不可思議，卻是新華三下一個十年的戰(zhàn)略錨點，目前已經(jīng)前瞻布局通感算智融合的新型網(wǎng)絡(luò)、存算一體新型計算范式、內(nèi)生免疫安全等前沿技術(shù)方向，目標是構(gòu)筑一個永續(xù)共生、內(nèi)生進化的AI原生基礎(chǔ)設(shè)施。

可以佐證的是，新華三在幾年前就聯(lián)合科研機構(gòu)進行了長達2000公里的測試，驗證了光技術(shù)在長距離傳輸時的時延和確定性，當初也曾不被理解，現(xiàn)在被證實是AI時代的剛需。

04 寫在最后

當大模型的喧囂與資本的狂熱逐漸歸于平靜，產(chǎn)業(yè)終將回歸商業(yè)效率與技術(shù)演進的客觀本質(zhì)。

就像Token經(jīng)濟學所昭示的：AI算力基礎(chǔ)設(shè)施的使命，不再是無休止地堆砌物理參數(shù)，而是要在系統(tǒng)工程的極限逼近中，實現(xiàn)從每一瓦電力到每一個智能Token產(chǎn)出的最優(yōu)解。

至少在AGI時代的破曉之際，新華三在內(nèi)的企業(yè)已經(jīng)在“無人區(qū)”里完成了對算、網(wǎng)、存全棧能力的底層重構(gòu)，不斷向生命系統(tǒng)的進化汲取智慧，默默為數(shù)智經(jīng)濟夯實了最堅固的底座。