WAIC揭秘“万卡时代”：当中国算力不再向任何人低头

作者：快思慢想研究院 田丰，Global Times 陈庆瑞

引言

2026年7月的上海，黄浦江两岸的霓虹还未褪去，浦东世博展览馆却已在黎明前亮起了灯。2026世界人工智能大会已在这里开幕——10万平方米的展场，1100余家企业，3000余项展品，其中300余款产品将在这几天完成全球首秀。数字本身并不惊人。真正惊人的，是这些数字所隐藏的那个事实：就在美国商务部一轮又一轮加码出口管制的同一时间窗口里，中国的AI产业不仅没有停下来，反而跑出了历史上最密集的一次技术爆发。

这不是一篇乐观主义的颂歌，而是一份关于"在压力下，工程奇迹如何发生"的客观记录。

一、1000平方米的铁阵：华为用一台机器重新定义算力边界

上海世博馆的一个角落里，将有一台机器静静落地——128个计算柜、32个互联柜，总计160个机柜，占地约1000平方米。它的名字是华为Atlas 950 SuperPoD。

先说性能配置：这台机器最大可支持8192张昇腾950DT计算卡高速互联，相当于此前一代产品Atlas 900（384张卡）规模的逾20倍；总FP8算力达到8 EFLOPS（每秒8百亿亿次浮点运算），互联带宽高达16.3 PB/s，总内存容量1152 TB，训练性能较上一代提升17倍。与英伟达2026年下半年计划上市的旗舰产品NVL144相比，Atlas 950的卡规模是其56.8倍，总内存容量是其15倍，互联带宽是其62倍。

此刻，任何一个熟悉半导体行业的人读到这组数字都会皱眉：昇腾芯片受限于制程，单卡性能长期处于追赶状态——这是公认的事实，华为自己也不讳言。那么，Atlas 950凭什么超越？

答案是竞争维度的转换。

在大规模AI训练时，单张GPU的性能，就像一个人的短跑速度；但真正决定训练效率的，是整个团队的协作带宽。华为的选择，是把竞争的主战场从"单卡跑多快"迁移到"一万张卡如何像一台计算机一样协同工作"。支撑这个跃迁的核心，是华为自研的灵衢2.0互联协议——通信带宽较传统方案提升15倍，单跳通信时延从2微秒压缩至200纳秒。

任正非曾经说过，华为的核心竞争力是系统集成能力。Atlas 950，是这句话在AI时代最具体的物化。

这不只是硬件秀，更深层的战略意义在于：中国大规模AI训练的算力供给，从此有了一个完全自主可控的万卡级底座。基于Atlas 950 SuperPoD，华为同步规划了算力规模超过50万卡的Atlas 950 SuperCluster超节点集群，FP8精度下总算力高达524 EFLOPS——中国AI模型训练不再需要依赖外部供给，这是国产算力基础设施给中国主权AI的战略安全承诺。

二、不止是算力：Agent OS、近存芯片与"铁身智能"的三条主线

Atlas 950是这届WAIC最醒目的展品，但绝非唯一。

与华为超节点同期亮相的，还有MiniMax M3多模态大模型、阶跃星辰的Agent操作系统、全球首款AI智能体手机，以及来自东方算芯的近存计算3D芯片。把这四样东西并排放在一起，会发现它们指向的是三个相互咬合的技术趋势。

趋势一、算力向下兼容的趋势。 华为同时展出了Atlas 850E风冷超节点——无需液冷机房改造，普通风冷环境即可部署，支持从8到1024卡的灵活扩展。这个产品解决的不是大规模云厂商的需求，而是让中小算力中心得以低门槛进入昇腾生态。高处不胜寒的算力旗舰需要一个入门台阶，Atlas 850E就是那个台阶。

Agent正在抢占操作系统入口。 阶跃星辰带来了Agent操作系统，全球首款AI智能体手机同步亮相。这两件事传递的是同一个信号：AI能力竞争的主战场，正在从模型参数下沉到操作系统层。历史上有过无数次关于操作系统入口的争夺——PC时代是Windows，移动时代是iOS与Android——每一次，胜出者都获得了上层软件生态的流量分配权。这一轮，Agent OS是那个入口。

趋势二、近存计算：绕过制程封锁的架构路径。 东方算芯的近存计算3D芯片是WAIC展品中最容易被忽视、也最值得警觉的一件展品。近存计算（Near-Memory Computing）把计算单元放置在存储旁边，从架构上打破"内存墙"瓶颈。这种创新不依赖先进制程节点，是在出口管制背景下中国芯片设计师真正意义上的"换道超车"。多年前，张汝京反复强调：中国半导体的出路在架构创新，而非制程追赶。近存计算3D芯片，是对这个判断最有力的佐证。

趋势三、具身智能：工业和信息化部测算，2025年中国人形机器人全年整机产量有望突破10万台。这是莱特定律在机器人赛道上的拐点信号——产量越过临界值后，成本曲线开始加速向下滑落。大会现场可以近距离看到人形机器人如何进厂上岗，参与汽车电池、电机、电控等生产环节。从实验室到流水线，具身智能正在成为制造业的新型生产要素，而不再只是一个演示用的道具。

三、1.44万亿：这笔钱，谁来买单，谁来用好？

机构预测，到2029年，中国国内算力卡采购额将达到1.44万亿元。同期，半导体专业投资机构已有案例：从天使轮累计投入2.5亿元于一家GPU芯片公司，账面回报达到150倍。2026年上半年，中国AI初创企业融资总额突破3000亿元，仅用半年时间便超过了2025年全年。

MiniMax完成港股新一轮160亿港元（约合20亿美元）融资；Kimi母公司月之暗面上轮估值200亿美元完成交割后，立即启动新一轮，估值已升至315亿美元。资金正在以肉眼可见的加速度流入这个赛道。

中信建投投资银行业务管理委员会执行总经理张林的判断是："算力芯片毫无疑问是最核心的基础，投资人能够看到它的未来成长空间特别巨大。"

这是乐观的一面。但田丰需要在这里说一个同样重要、却容易在热度中被淹没的真实情况：根据腾讯云的数据，目前国内智算中心GPU平均利用率不足30%，效能系数平均仅0.6，满载系数平均仅0.5。部分智算中心项目已经烂尾，部分企业将GPU作为抵押物进行高杠杆融资，形成类似"算力地产"的泡沫结构。

1.44万亿不是问题。真正的问题是，那1.44万亿的算力，有没有对应数量的真实付费AI应用来填满它。历史上每一次技术基础设施的大规模投资——铁路、电网、光纤——最终都证明了赌对方向的人赚了钱，但中间那段供需错配的痛苦窗口，会淘汰所有现金流不足的跟风者。

中国"十五五"规划纲要已明确提出，深入推进"东数西算"工程，构建多层次算力设施体系和全国一体化算力网，算力网作为国家"六张网"基建中最新的一张网，直接投资将达万亿量级，并具有乘数效应，带动自动驾驶、低空经济、合成生物等产业加快成长。政策方向没有悬念。但方向正确，不等于每一个布局者都能活到收获季。

"算力是数字经济时代最关键的生产要素之一，算力网是支撑人工智能等高质量发展的关键基础设施，"这是田丰此前在接受媒体采访时的判断。技术逻辑成立，产业逻辑也成立，但商业逻辑需要更多耐心。

四、封锁没有打断的那束“光”

在过去3年里，美国对中国芯片出口管制已经历了多轮加码。按照西方科技媒体的预设剧本，这应该是中国AI产业的"窒息时刻"。

结果并非如此。

原因一，是中国AI企业已经完成了一个被大多数观察者低估的战略转移：把竞争的主轴从"能否获得最好的单卡"，迁移到了"构建最优的系统"。DeepSeek以出人意料的低训练成本达到接近顶级模型的性能，已经成为全球可验证的工程案例——背后是中国工程师文化对"极限性价比"的极度重视。这种能力在全球南方市场（东南亚、中东、拉美、非洲）直接转化为商业壁垒，因为这些市场需要"够用且便宜"，而不是"最强但昂贵"。

原因二，是开源正在成为中国AI全球化的核心竞争力。华为已宣布向开发者开放灵衢互联协议的核心规范，书生大模型全栈开源，DeepSeek、Qwen系列陆续开放权重。快思慢想研究院发现，开源模型的全球扩散速度远超闭源许可协议约束，这对发展中国家的技术获取能力是结构性利好。国产算力出海订单已在持续落地：韩国2000片、马来西亚3000台AI服务器、俄罗斯、拉美批量采购——硬件出海不依赖App Store，不依赖CUDA生态，依赖的是制造能力、供应链和价格，这三样中国都有绝对优势。

原因三，也是最容易被忽视的：监管合规能力，正在成为一张入场券。中国AI企业已经历了全球最严格的AI内容监管训练——《生成式人工智能服务管理暂行办法》、《人工智能拟人化互动服务管理暂行办法》等系列法规，已经让头部企业具备了完整的合规工程能力。随着欧盟《AI Act》全面落地，有合规工程积累的中国企业进入欧洲市场的摩擦成本，可能远低于从零起步的美国同行。

五、技术热度背后的冷思考：落地焦虑从哪里来？

大模型、Agent、具身智能——三个概念在2025年密集落地，但业内同时流传着一种"落地焦虑"：展厅里的样机总是表现完美，客户现场的部署却事故频发。

这种焦虑的根源，是把"演示可行"等同于"工程可靠"。

LLM就像一个聪明但不稳定的实习生。你要给他写详细的SOP，还要有人负责review输出。今天很多企业的AI Agent，出了演示间就翻车，根本原因是企业把AI当成了"直接替代人"而不是"辅助工具"。正确的路径是：先让AI处理高频低风险任务，积累置信度，再逐步提升自主权。

真正落地的AI，一定首先解决了某个具体的"效率税"问题，并且能够明确量化节省了多少人力成本、时间成本，创造了多少净增商业价值。没有这个数字的应用，就是“为了AI而AI”的自嗨伪需求。

在资本趋于理性的环境下，企业的生存法则是清晰的：区分"战略性亏损"和"结构性亏损"。战略性亏损有时间边界，有可验证的技术里程碑，有真实用户在增长；结构性亏损是没有产品市场匹配的持续失血。通用大模型已经被资本密集型玩家锁死，中小企业抢不过——能存活的，是那些把AI能力深度嵌入某个垂直行业+核心业务流程的公司：金融合规、工业质检、法律文书。垂直AI的护城河不是模型能力，是行业数据和客户黏性。

先建立最有用的模型，再用有用性换取收入，再用收入维持研发。这条逻辑在中国同样成立。没有付费客户支撑的长期主义，是烧钱叙事，不是战略。

六、2027年的悬念：警惕什么，坚守什么？

展望2026年至2027年，有两个风险值得认真对待。

第一个，是算力资产“泡沫化”。上海2025年AI产业规模6370亿元，同比增长39.5%，全国AI核心产业规模超过1.2万亿元。这组数字背后，有多大比例来自重复建设的算力投资、没有用起来的GPU集群、没有付费用户的AI应用——这是需要冷静追问的。根据已有数据，国内智算中心GPU平均利用率不足30%，这意味着相当规模的重资产正在空转。历史上，任何技术基础设施的过度投资都会经历一次修正窗口，最终受损的是跟风者，不是领跑者。

第二个，是单层技术“卡脖子”引发的系统性中断风险。EDA芯片设计工具链、高端光刻胶、先进封装的部分耗材，目前仍存在单一供应商依赖。这不是当前的紧迫危机，但如果2027年出现新一轮出口管制加码，某个关键环节的断供可能造成整个算力产业链的连锁反应。钱学森当年在系统工程理论中反复强调：任何复杂系统最脆弱的地方，是单点失效的节点。这个警示，在今天的AI产业链上仍然成立。

坚守的，是"场景先于技术"的商业逻辑。回顾中国互联网二十年，真正跑出来的产品——微信、淘宝、滴滴——每一个都是从真实场景需求出发，技术是工具，不是目的。2026年至2027年，中国AI产业最需要坚守的，是用真实用户的真实痛点校准技术路线，而不是被论文指标和发布会节奏牵着走。

七、公共产品的政治经济学：谁来定义AI的规则

在WAIC 2026的论坛上，约书亚·本吉奥将推介联合国人工智能治理工作框架，国家发改委将发布《人工智能合作发展行动计划》，涵盖智能算力普惠、开源生态共享、安全治理协作等八个方面。这些动作背后，有一个完整的政策逻辑需要解读。

中国提出"人工智能应该是造福全人类的国际公共产品"，即是普惠AI的价值主张，也是开放合作的秩序规则。美西方的出口管制逻辑，是把算力和模型能力作为战略资产，通过供给控制维持竞争优势。"AI公共产品"的提法，从根本上解构了这个逻辑的合法性——如果AI是公共产品，那么技术封锁就是对人类共同利益的损害。这是一个道义叙事框架，也是实质性的国际规则制衡。

落实这个主张的工程路径，是开源。华为开放灵衢协议、书生大模型全栈开源、DeepSeek开放权重——开源就是最直接的公共品供给，也是让更多国家的开发者用上中国底层技术的最低摩擦路径。

未来十年，中美之间关于AI治理框架的竞争，可能比算力竞争本身更具决定性。谁的规则被更多国家认可，谁就掌握了下一个20年AI发展秩序的定义权。

诺贝尔经济学奖得主保罗·罗默（Paul Romer）在增长理论中提出：技术是非竞争性的——一个人使用某项技术，不妨碍其他人同时使用。这个特性，决定了AI知识一旦开源扩散，边际成本趋近于零，技术红利就会以远超任何贸易协定所能实现的速度流向全球。

1000平方米的铁阵在上海亮相，1.44万亿的市场在2029年等待兑现，300余款产品在一周内完成全球首秀。这一切都说明同一件事：中国AI产业已经越过了那个"能不能做出来"的阶段，正在进入"能不能做好、能不能持续做、能不能让世界用上"的阶段。

后一个阶段，远比前一个阶段难。也远比前一个阶段重要。

参考文章：《China’s computing card market projected to hit 1.44 trillion yuan by 2029: agency》，Global Times记者，陈庆瑞

畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。