超節點、靈衢、CANN，華為給出了智算時代的新選擇

一個月前的數字中國建設峰會上，華為展臺呈現出了一種極具張力的科技圖景。

一邊是圍繞云、計算、數據通信、光網絡、存儲等核心能力構建的硬核產品和前沿技術，一邊是AI使能政務、經濟、社會、文化、生態文明等行業的數智化鮮活案例。

穿梭在兩大展區間，有一個直觀的感受：AI已經徹底告別“對話玩具”屬性，全面嵌入到了千行萬業的“生產系統”中。

由表及里的智能化躍升，絕非簡單的軟件升級。當AI應用深入工業制造、電網調度、航空決策等復雜場景，傳統的算力堆疊模式開始暴露出明顯的局限性，算力產業再次站在了十字路口。

01 Agent新范式改寫了算力供求

要理解底層算力為何需要重構，必須先厘清上層應用的演變。

在第九屆數字中國建設峰會上，傳遞出了一個不應被忽視的產業共識：2026年是Agent應用的爆發元年。

直接的例子就是“龍蝦”類產品的流行。無論是OpenClaw、Hermes，還是各種套殼的“Claw”，新產品的不斷涌現，標志著企業IT的開發范式正在從傳統的SOP（標準作業程序）向Agent體系遷移。

在傳統的企業IT架構中，業務邏輯的實現高度依賴SOP：通常需要懂業務的人員提煉出確定的業務流，再由IT技術人員轉化為AI能執行的語言。在處理確定性任務時效率極高，但面對復雜、動態且充滿不確定性的生產環境時，往往會顯得僵化且難以實時響應。

而OpenClaw代表的Agent框架，最大的特點就是具備自主執行、多輪推理和自我進化的能力，讓AI可以處理不確定性的業務流和格式復雜的數據源，在行業中引發了劇烈的連鎖反應。

比如對業務創新的根本性驅動。

在Agent框架下，即使是不懂底層技術的業務人員，也能用自然語言編寫和調度Skills，轉化為AI可以準確執行的語言，大幅降低了AI參與不確定性復雜業務的門檻，讓數字員工與真實員工的協同辦公成為可能。

再比如推理需求的指數級躍升。

根據中信證券的測算，智能體執行任務時整體Token消耗可能提升十倍以上，對應的算力需求得漲百倍以上。高盛追蹤的數據顯示，中國市場整體AI日均Token消耗已經從2024年5月的0.12萬億次，爆增至2026年3月的140萬億次，不到兩年時間增長超過1000倍。

一旦Agent規模化進入生產系統，面對多輪推理和長序列的調用，Token的需求量還將發生量級跨越。

應用側的狂飆默默改寫了算力產業的賬本。

過去算力資源主要向大模型的訓練側傾斜，但中國信通院等權威機構的預測數據顯示，2026年推理側算力將首次追平甚至超過訓練側算力。算力需求的結構性變化，意味著傳統以大規模并行訓練為核心的計算中心，必須向更具彈性、更低時延、更高吞吐的方向轉型。

也就是說，Agent新范式不僅改變了我們使用AI的方式，正深刻影響整個算力底座的供求邏輯。

02 AI原生計算正重塑算力底座

因為Agent驅動的新范式，絕不限于推理算力需求的增長數字，已經像一把手術刀切入IT架構的深水區。

在傳統的IT架構中，高度依賴操作系統與數據庫，聚焦于CPU、硬盤和內存的協同，現在發生了“山呼海嘯”的變化：2024年由人創建的數據庫實例占7-8成，到了2025年，Agent建立的數據庫實例占比已達7成，并呈現出了即時拉起、即時消亡的高頻特征，傳統的服務器形態已無法滿足。

華為計算Marketing與解決方案銷售部總裁常成在演講中提出了一個判斷：我們已經站在第三次計算架構變革的前夜。

如果說第一次是大機和小機的封閉時代，第二次是分布式虛擬化和云主導的時代，第三次將是AI原生的計算架構時代。怎么理解AI原生的計算架構呢？答案可以歸納為四個核心維度。

一是性能更高，全面邁入“超節點”時代。

進入2025年后，全球頭部廠商均走向了“超節點”，最直接的驅動因素無疑是性能。以華為最新的超節點產品Atlas 950為例，可支持8192張昇騰卡，在卡規模、總算力、內存容量、互聯帶寬等關鍵指標上全面領先同類產品，用極高的算力密度回應了AI對極致性能的渴求。

二是大通量，跨越光電物理瓶頸。

在超節點的技術路線上，業界一直存在“光電悖論”：電連接穩定性高，但傳輸距離極短；光連接能實現長距傳輸，但時延難以保證，且故障率相對較高。華為給出的答案是——光電融合，通過靈衢總線實現了大帶寬且時延、長距離且高可靠的目標，“超節點”的跨柜光電傳輸已經成為可能。

三是高擴展，七大組件的底層協議統一。

僅僅解決物理連接還不夠，邏輯層面的通信壁壘同樣致命。當前業界的部分方案只解決了局部問題，比如CPU與GPU的互通，而華為自研的“靈衢”互聯協議，已經實現了去中心化與多組件協議統一，可將NPU、CPU、GPU、Memory、硬盤、內存、交換機徹底打通，消除了協議轉換的時延。

四是多樣性算力的融合。

在Agent時代，不單單需要NPU、GPU等智能算力，還需要CPU承接海量的業務流轉。AI原生計算的基礎設施，將不再按“PU”區分任務類型，數據在哪里，算力就在哪里。直接的例子就是華為推出的通用計算超節點TaiShan 950 SuperPoD，在數據庫、大數據等高算力場景下的性能提升顯著。

做一個判斷的話：AI原生算力底座的競賽，早已從“產品能力”躍遷為“系統能力”，并將進一步演進為“生態能力”。

03 高效創新的開放算力新生態

底層算力的重塑鋪就了堅實的軌道，想讓AI列車在千行萬業跑出加速度，還需要一個高效、開放、標準化的繁榮生態。

擺在面前的問題在于：盡管算力部署呈現出了規模化和專業化的趨勢，但產業生態布局相對分散，多廠商間的異構兼容能力偏弱，導致軟硬件適配碎片化、應用端在算力選型上面臨高門檻，而且大規模集群擴展缺乏統一規范，嚴重制約了產業效率的提升。

樂觀的是，行業漸漸涌現出了兩條明確的破局路徑。

第一個是前沿模型與基礎軟硬件的強耦合。

很長一段時間里，模型與算力底座的適配多為滯后的“被動適配”，周期往往長達數月。現在，模型與算力開始“雙向奔赴”。

以DeepSeek V4為例，在研發階段就與昇騰在內的國產算力進行了深度協同，結合精度量化等機制，實現了高吞吐、低時延的極速推理部署。在DeepSeek V4開源當天，多家算力企業宣布實現了Day0適配，標志著行業已經跨越被動適配的分水嶺，邁入了以周甚至以天為單位的“原生敏捷適配”新階段。

第二個是標準牽引下的集群生態網絡化。

就在第九屆數字中國建設峰會的計算產業峰會上，中國信息通信研究院聯合產業各方發起了“1+N”CANN生態網絡計劃。

以人工智能軟硬件協同創新與適配驗證中心為“1”個核心節點，匯聚區域生態創新中心、ISV合作伙伴及行業領軍企業等“N”個節點，旨在通過標準化的適配驗證，打通技術到應用的關鍵環節，解決“點對點”適配難題，加速自主智算解決方案的規模化應用與標桿案例推廣，進而構建出一個開放、協同的智算產業生態網絡。

在軟硬協同與生態網絡的推動下，產業界不斷將算力轉化為可落地的生產力，持續涌現出了不少標桿實踐。

在航空領域，南航依托昇騰打造的國產智算底座，研發出了“天策航空求解器”。面對極端天氣下的航班恢復難題，通過自主算子庫和AI運籌算法，將原本數小時的決策時間壓縮至約20分鐘。

在能源電力領域，南方電網與華為聯合研發“妙算”系列高能效服務器，提出了“算電協同”的理念：通過CPU動態調頻、智能風扇溫控預測及高效電源優化，實現整機功耗降低13%-15%。

隱藏在上述實踐背后的，是產業界合力打造新質生產力的現在進行時，一個開放、協同、高效創新的生態漸行漸近。

04 寫在最后

在Token需求爆炸、技術迭代以日計的時代，算力基礎設施早已超越了單純的IT設備，成為了產業向上的核心引擎。

正如我們所看到的：中國計算產業沒有選擇在舊有架構上修修補補，勇敢地踏入了AI原生計算的“深水區”。從“靈衢”總線打通七大組件的底層協議，到“1+N”CANN生態網絡打破算力孤島，再到昇騰、鯤鵬在千行萬業復雜場景中的試煉與智變，為全球產業界提供了可復制、可落地的新選擇，也讓世界看到了另一種可能。