在WAIC看懂AI下半場：如何讓每一枚Token都物超所值？

在2026世界人工智能大會上，關于AI的討論正在發生一個值得關注的變化。

過去幾年，產業界最關心的問題往往是：模型有多大、參數有多少、算力規模有多高。但隨著大模型逐步從技術競賽走向規模化應用，企業開始面對一個更現實的問題——龐大的算力投入，究竟能夠轉化為多少真實可用的AI能力？

Token由此成為一個越來越重要的觀察尺度。它一端連接模型訓練與推理，另一端連接應用調用和業務價值。對企業而言，Token的意義并不只在于價格高低，更在于它能夠反映一套AI基礎設施的整體效能：算力是否被充分調用，網絡能否支撐高密度數據交換，存儲是否會造成等待，軟件能否統一調度異構資源，運維體系又能否保障大規模集群穩定運行。這也意味著，AI基礎設施的競爭，正在從單個設備、單項參數的比拼，進入系統能力的較量。

在本屆WAIC（世界人工智能大會）上，紫光股份旗下新華三集團以“打造Token極致性價比”為主題，集中展示了“算—網—存—云—安—維”全棧協同能力。表面上看，這是圍繞Token展開的技術和產品表達；從更深層次看，它所試圖回答的，正是AI基礎設施如何從單點突破走向全局最優，進而釋放整個算力系統的極致效能。

全局優化，釋放極致算力新效能

AI基礎設施發展早期，產業往往通過提升單點性能獲得顯著收益。一款性能更強的芯片、一臺密度更高的服務器，或者一套吞吐能力更大的存儲系統，都可能直接帶來計算效率的提升。但當算力集群從數十卡、數百卡擴展到數千卡甚至更大規模后，單點優勢并不會自動轉化為系統優勢。

原因并不復雜。AI計算是一項高度協同的系統工程。在大模型訓練和推理過程中，計算、網絡、存儲、軟件、散熱和運維彼此依賴。任何一個環節出現短板，都可能成為整個集群的效能瓶頸。芯片性能再強，如果網絡無法及時完成高并發通信，算力仍然會陷入等待；服務器數量再多，如果存儲供給和軟件調度不能匹配，理論算力也難以轉化為真實生產力。

因此，Token極致性價比并不等于簡單壓低Token成本。它首先意味著，企業需要改變優化AI基礎設施的方式：不再只追求單一產品的峰值性能，而是重新審視各個技術環節之間的協同關系，讓整個基礎設施系統達到更優狀態。

新華三提出的全棧深度協同思路，正是沿著這一方向展開。其“算—網—存—云—安—維”并非六類產品的簡單疊加，而是試圖把計算、網絡、存儲、云平臺、安全和運維納入同一套系統化設計框架，通過軟硬件協同和全鏈路優化，讓AI基礎設施從局部最優走向整體最優。

這一思路在靈犀智算解決方案中表現得尤為明顯。該方案圍繞光互連、算網協同、液冷散熱、高密架構設計和拓撲優化等關鍵環節進行整體設計，通過全棧軟硬件協同調優，實現全鏈路TCO（總擁有成本）下降30%以上、能耗成本下降40%以上。

UniPoD S80000超節點同樣體現了這種變化。其覆蓋32卡至1024卡規模全系列產品，并可彈性擴展至16384卡，訓練性能提升70%、推理性能提升3倍。超節點的價值并不只是將更多計算設備放在一起，而在于通過計算架構、互連網絡和軟件調度的協同，將大規模算力組織成可被高效調用的統一資源。

更值得關注的是，系統效能的提升并非終點，最終要讓系統能力轉化為產業價值。本屆WAIC上，新華三也集中展示了Token運營與Token應用的最新實踐成果，通過串聯算力供給、技術驗證、產業孵化到Token運營等關鍵環節，探索從AI基礎設施建設延伸到產業價值創造的新模式。其中，作為圖靈中試場核心技術支持單位，新華三助力杭州建設了業界首個芯模聯動中試場。本次展會中，圖靈中試平臺也首次搬進現場，參觀者可親身體驗從芯模適配到性能調優的全流程，直觀感受芯片與模型如何實現協同優化，將理論算力轉化為真實AI生產力。

從這個角度看，Token更像是一面鏡子。它映照出的不是某一款芯片或者某一臺服務器的性能，而是一整套AI基礎設施的綜合運行效率。誰能夠率先完成從單點優化到全局優化的轉變，誰才更有可能把理論算力轉化為可持續釋放的AI生產力。

產業協同，構建開放互聯新生態

隨著國產AI芯片和計算架構加速發展，多元異構算力已經成為產業現實。企業擁有了更多技術選擇，但也面臨新的復雜性：不同芯片的硬件架構存在差異，互連接口缺少統一標準，軟件生態相對碎片化，產業鏈上下游不得不投入大量資源進行重復開發和重復適配。

這些問題看似屬于生態層面，最終卻會直接反映到系統效能上。算力如果不能順暢互聯，就難以形成規模優勢；硬件如果無法統一納管，資源就容易形成孤島；軟件如果需要針對不同平臺重復適配，AI應用的部署效率也會受到影響。新聞稿也明確指出，硬件架構各異、接口標準不統一、軟件生態碎片化，已經成為制約異構算力高效協同的重要挑戰。

因此，AI基礎設施要真正實現全局最優，僅靠一家企業內部的技術整合并不夠，還需要產業鏈在接口、架構和標準層面建立更廣泛的協作機制。

正如新華三集團高級副總裁、技術委員會副主席劉新民在大會期間舉辦的“AI算力技術架構創新論壇”上指出：“當前AI競爭的焦點已從單純追求硬件規模，轉向系統級效能與生態協同的綜合競爭。”

為此，基于“算力×聯接”的核心理念，新華三聚焦AI算力基礎設施，堅持開放兼容，以全棧能力支撐AI技術躍遷，助力產業充分釋放每一份算力的價值。

在具體路徑上，新華三秉持多元開放生態理念，圍繞異構算力、算力互聯、融合軟件、整機系統和產業模式等多個維度協同推進：通過兼容多平臺主流xPU芯片，打造靈活可選的異構算力底座；通過開放互聯協議與算網深度融合，提升多元算力的連接效率和協同能力；通過算力資源融合與統一調度，打破資源孤島，提升應用適配與部署效率；通過整機系統標準化和模塊化設計，推動AI基礎設施實現更高效率、更高可靠和可持續演進。

本屆WAIC期間正式啟動的G-Link通用高速互連標準工作，則將這種開放理念從企業實踐進一步推向產業協同。

G-Link是在中國計算機行業協會人工智能產業工作委員會牽引下，由包括新華三在內的數十家產業鏈上下游伙伴共同提出的開放高速互連架構，面向AI高性能計算和Scale-Up互連場景。其目標是通過開放統一的互連架構和標準，降低產業適配成本，促進不同芯片、不同系統之間實現高效互聯，為超節點和大規模AI集群構建開放互聯底座。

G-Link的意義，并不只是增加一項技術標準。在一個高度異構的產業環境中，標準能夠把分散的創新轉化為可以復用的產業能力。如果缺少統一架構，每一種芯片、每一套系統都需要單獨適配，產業規模越大，重復投入反而越高。而開放標準的價值，正在于減少不必要的重復開發，讓不同企業能夠圍繞共同接口展開創新。

這也意味著，AI基礎設施的競爭正在超越傳統意義上的產品競爭。未來，領先企業不僅需要提供更強的設備和解決方案，還要有能力參與標準制定、連接產業伙伴、協調不同技術路線，并推動一個更開放的創新生態形成。

從新華三的布局來看，其角色也在由基礎設施提供者向生態協同者延伸。一方面，通過“算—網—存—云—安—維”全棧能力提升系統的整體效能；另一方面，通過“算力×聯接”和G-Link推動多元算力之間的開放協同。兩條路徑最終指向同一個目標：讓AI基礎設施不再受制于單點瓶頸和生態壁壘，使每一份算力都能夠在更大的系統中被有效組織和充分釋放。

這也是WAIC 2026帶給產業的一個重要啟示。當AI從模型能力競爭走向產業落地競爭，單一硬件的領先仍然重要，卻已經難以獨立決定最終結果。只有從單點突破走向全局最優，從企業內部優化走向產業開放協同，算力的潛能才可能被真正釋放，AI也才能從規模擴張進一步走向高質量增長。

內容來源：新華三集團

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org