AI基建最大的浪費，正在被這家公司用算力底座重塑

【摘要】AI算力競賽正在告別單芯片英雄主義。真正稀缺的已不只是峰值算力，還有讓上千顆芯片持續協同、把每一度電和每一張卡變成有效Token的系統能力。

本屆WAIC，壁仞科技以BR2xx系列芯片、BLink 2.0超節點互連協議、NPO光互連超節點以及Token工廠為核心，通過系統級創新精準破解行業痛點，為中國AI產業的Agentic AI時代筑牢了堅實的算力底座。

一套超節點方案，正在揭開國產算力的新問題：制程之外，還有什么是改寫牌局的路徑？

以下為正文：

2016年，黃仁勛親自把第一臺DGX-1送到舊金山的OpenAI辦公室。那是一只黑色機箱，里面裝著8顆Tesla P100。英偉達稱它為“盒子里的超級計算機”。

照片里的人們圍著它微笑，當時可能還沒人想到，僅僅十年后，決定AI競爭勝負的基本單元，就從8張卡的服務器擴張成數百乃至上千張卡協同工作的超節點。

OpenAl的研究人員聚集在首個AI超級計算機NVIDIA DGX-1周圍

2026年的WAIC，恰好記錄了這個尺度變化。壁仞科技的1024卡NPO光互連超節點方案登場，華為展出1024卡昇騰950超節點，百度天池512、阿里磐久AL128、中興OEX、沐曦“曦景”S系列也相繼出現。

一個明顯的感覺是，大家愈發意識到，芯片必須在系統里才能兌現價值。成百上千張GPU能夠高效、穩定地協同，才是一種生產能力。二者之間，隔著通信、內存、軟件生態等多重關口。

這實際上也是“單芯片英雄主義”的退潮。當芯片數量從兩張變成數百張、上千張，難題卻沒有改變。模型運行怎樣足夠快？一張卡失靈，整項任務能否繼續？上一代卡算力尚在，卻因軟件和代際壁壘閑置，又該怎么辦？

01

超節點重新定義“計算”這件事

2012年，AlexNet之所以被拆到兩張各有3GB顯存的GTX 580上運行，一個直接原因是單卡裝不下。研究者讓兩張顯卡分別承擔一部分網絡，只在必要的層交換數據。

這個看似窘迫的選擇，提前揭示了AI硬件此后十余年的主線：模型增長總會越過單顆芯片的邊界，然后迫使計算機重新定義自己。

四年后，DGX-1把8顆GPU封裝成一個軟硬一體單元；再往后，機柜成為基本單元；到了超節點時代，幾十只機柜也要在軟件看來像一臺機器。

這一過程在MoE與Agent時代突然加速。MoE模型看似節省計算，每個Token不激活全部參數，只選擇少數專家。但計算復雜度并沒有憑空消失，它只是轉移給了通信。專家分散在不同GPU上，Token每經過一層路由，都可能觸發All-to-All數據交換。模型越稀疏、專家越多，網絡越像車流驟增的十字路口。

Agent又增加了另一種壓力。一次復雜任務往往包含多輪規劃、調用工具、讀取長文檔和反復糾錯。模型不只是在算，還要持續記。算力、顯存容量、帶寬與訪問時延，任何一項落后都會讓昂貴的計算單元停下來等數據。

這就是超節點與普通GPU集群的分界。Scale-up超節點把跨卡訪問變成接近機器內部的動作。其目標是降低軟件感知到的距離。

壁仞科技正是圍繞這些痛點建立了技術優勢。BR1xx以Chiplet組織封裝內的多個芯粒，第一代BLink從設計之初就考慮跨節點互連;BR2xx進一步把內存語義、在網計算等納入BLink 2.0。Chiplet與超節點看似分屬芯片和系統，底層思想卻相同——單個物理單元不再是能力邊界，互連本身成為計算架構。

這也是壁仞科技方案的第一個產業價值。它能夠把“差多少算力”的靜態問題，轉化為“多少算力能同時有效工作”的動態問題。前者由制程與晶體管決定，后者則給架構、互連和軟件留下了創新空間。

這讓市場意識到，國產GPU可以爭奪的，還有整套系統——在一定時間、電力和故障率下，究竟交付多少可用Token。

02

物理上拆開，邏輯上更近

1976年問世的Cray-1，是計算機史上最容易辨認的機器之一。它沒有被做成長方形機柜，而是彎成一個“C”形。

這個形狀是直接服務于計算速度的工程設計。據計算機歷史博物館的資料，Cray-1內部有超過60英里的線纜，但為了減少信號延遲，沒有一段超過3英尺。工程師把原本可能排成直線的機柜“彎”成約270度的弧形，把對速度最敏感的部件布置在內圈。

因此，歷史告訴我們，幾英尺的銅線，也屬于計算機架構。

半個世紀后，超節點再次撞上同一堵墻。GPU互連帶寬進入TB/s級，單端口速率邁向224Gbps，銅纜中的高頻電信號會遭遇更大的衰減、串擾和功耗上升。

傳統超節點的思路，本質是不斷把卡做的更近：線越短，延遲越低。如此一來，GPU、交換機、供電、液冷和機柜就會鎖成一臺“現代大型機”。頭部互聯網公司憑借采購規模優勢可以要求供應商為自己高度定制整機柜超節點，但大量運營商、智算中心和行業客戶，卻沒有這樣的采購規模和工程團隊。

壁仞科技NPO光互連、分布式解耦架構超節點方案的有趣之處，是反過來處理距離。這是壁仞科技把超節點從一個大機柜推進到“跨機柜、可分布部署的邏輯整機”的實現路徑。

它把NPO光引擎放到GPU或交換芯片附近，以極短電連接完成光電轉換，再讓低衰減光纖跨越機柜。壁仞科技給出的方案還去掉了傳統可插拔光模塊中的高功耗DSP，以降低光電轉換帶來的時延和能耗。

光纖的價值改變了系統設計中的距離函數。當數百米外仍能維持高速互連，GPU服務器和交換機便不必焊死在同一套定制柜體里。

壁仞科技選擇這條路，與其此前積累有關。2025年，壁仞科技、曦智科技和中興通訊以BR166、分布式光交換dOCS構建“光躍LightSphere X”超節點，獲得WAIC最高獎SAIL獎，并在國家級智算平臺落地2048卡光互連光交換集群。

dOCS與NPO不是同一條技術支線，卻讓壁仞科技提前經歷了GPU、光器件、服務器和平臺軟件的聯合調優。到BR2xx與BLink 2.0階段，光互連進一步向千卡Scale-up域推進。

03

讓舊卡重新上崗

實際上，熱火朝天的AI產業一邊喊算力短缺，另一邊仍有算力沉睡。

智算中心分批建設，機房里同時存在不同代際、不同顯存容量、不同互連能力甚至不同廠商的GPU。同構軟件棧為了獲得可預測性能，往往只把同型號卡編成集群。

新模型、新框架或新卡進入后，一些上一代卡雖然仍能計算，卻因為算子、通信和性能差異退出核心任務。

這個沉睡的代價遠比想象中高。Alphabet在2023年把服務器及部分網絡設備的預計使用壽命調整為6年，當年折舊費用因此減少39億美元。它揭示了一件事：當基礎設施達到一定規模，即使能讓設備多工作一年，也會節省下數十億美元的成本，這是一個重要的市場。

壁仞科技軟件棧里一個不容易被注意到的亮點，正是異構混合推理。大模型推理不是一種均勻勞動，用同一種GPU包辦預填充和解碼兩個階段，當然可以運行，卻未必經濟。

壁仞科技能夠把不同代際、不同規格乃至不同廠商的GPU分配到更適合的階段：計算能力強的卡，顯存更大、帶寬特征合適的卡，能夠分配不同的任務，再由統一中間件、低時延通信和智能路由完成協同。

其披露的場景測試中，異構混推帶來20%的有效吞吐提升。壁仞科技還參與DeepLink多元算力混推，在四家國產廠商的多款芯片之間進行聯合調度，并牽頭制定異構混推國家標準。

過去，新卡與舊卡是替代關系：新產品進入，舊產品逐步退出；異構混推成熟后，它們可能變成分工關系：如新卡算力更強則處理預填充任務，舊卡的顯存容量和帶寬尚可，則處理解碼任務，繼續發揮作用。

“Token工廠”延續了同一種經濟學。Agent執行任務時，大量歷史上下文會反復使用；若每次都重新計算KV Cache，最昂貴的GPU其實在重復生產已經存在的中間結果。壁仞科技用GPU顯存、CPU內存、CXL擴展內存、磁盤和分布式共享存儲組成五級緩存方案，在內部應用場景取得了95%以上的KV Cache命中率。既能節省時間，又能避免不必要的計算。

這也重新定義了壁仞科技的軟件價值，軟件是GPU資產的經營系統。對客戶而言，這些指標最終都會匯入同一張表：單位Token的全生命周期成本。

04

尾聲

回看計算機產業史，技術躍遷常常發生在邊界出現的時刻。今天的超節點，面對的是怎樣把數百上千顆芯片、內存和交換設備重新畫進“一臺計算機”的邊界。

壁仞科技的特殊性，在于其路線存在一種連續的架構優勢：從Chiplet開始，公司就傾向于通過互連組織多個計算單元；從BLink 1.0與dOCS，再到BLink 2.0與NPO，能夠把這種組織能力從封裝內推向機柜外。芯片、系統與軟件其實是同一方法論在不同尺度上的展開。

評價超節點的尺度也應該改變了。不只是芯片數量疊加峰值算力，還要包含有效吞吐、資產壽命、能源、故障與遷移成本。

壁仞科技在WAIC上告訴我們，國產算力新增的供給不只來自下一片晶圓，也來自更短的數據路徑、更靈活的系統組合，以及每一張仍能工作的舊卡。