在WAIC看懂AI下半场：如何让每一枚Token都物超所值？

在2026世界人工智能大会上，关于AI的讨论正在发生一个值得关注的变化。

过去几年，产业界最关心的问题往往是：模型有多大、参数有多少、算力规模有多高。但随着大模型逐步从技术竞赛走向规模化应用，企业开始面对一个更现实的问题——庞大的算力投入，究竟能够转化为多少真实可用的AI能力？

Token由此成为一个越来越重要的观察尺度。它一端连接模型训练与推理，另一端连接应用调用和业务价值。对企业而言，Token的意义并不只在于价格高低，更在于它能够反映一套AI基础设施的整体效能：算力是否被充分调用，网络能否支撑高密度数据交换，存储是否会造成等待，软件能否统一调度异构资源，运维体系又能否保障大规模集群稳定运行。这也意味着，AI基础设施的竞争，正在从单个设备、单项参数的比拼，进入系统能力的较量。

在本届WAIC（世界人工智能大会）上，紫光股份旗下新华三集团以“打造Token极致性价比”为主题，集中展示了“算—网—存—云—安—维”全栈协同能力。表面上看，这是围绕Token展开的技术和产品表达；从更深层次看，它所试图回答的，正是AI基础设施如何从单点突破走向全局最优，进而释放整个算力系统的极致效能。

全局优化，释放极致算力新效能

AI基础设施发展早期，产业往往通过提升单点性能获得显著收益。一款性能更强的芯片、一台密度更高的服务器，或者一套吞吐能力更大的存储系统，都可能直接带来计算效率的提升。但当算力集群从数十卡、数百卡扩展到数千卡甚至更大规模后，单点优势并不会自动转化为系统优势。

原因并不复杂。AI计算是一项高度协同的系统工程。在大模型训练和推理过程中，计算、网络、存储、软件、散热和运维彼此依赖。任何一个环节出现短板，都可能成为整个集群的效能瓶颈。芯片性能再强，如果网络无法及时完成高并发通信，算力仍然会陷入等待；服务器数量再多，如果存储供给和软件调度不能匹配，理论算力也难以转化为真实生产力。

因此，Token极致性价比并不等于简单压低Token成本。它首先意味着，企业需要改变优化AI基础设施的方式：不再只追求单一产品的峰值性能，而是重新审视各个技术环节之间的协同关系，让整个基础设施系统达到更优状态。

新华三提出的全栈深度协同思路，正是沿着这一方向展开。其“算—网—存—云—安—维”并非六类产品的简单叠加，而是试图把计算、网络、存储、云平台、安全和运维纳入同一套系统化设计框架，通过软硬件协同和全链路优化，让AI基础设施从局部最优走向整体最优。

这一思路在灵犀智算解决方案中表现得尤为明显。该方案围绕光互连、算网协同、液冷散热、高密架构设计和拓扑优化等关键环节进行整体设计，通过全栈软硬件协同调优，实现全链路TCO（总拥有成本）下降30%以上、能耗成本下降40%以上。

UniPoD S80000超节点同样体现了这种变化。其覆盖32卡至1024卡规模全系列产品，并可弹性扩展至16384卡，训练性能提升70%、推理性能提升3倍。超节点的价值并不只是将更多计算设备放在一起，而在于通过计算架构、互连网络和软件调度的协同，将大规模算力组织成可被高效调用的统一资源。

更值得关注的是，系统效能的提升并非终点，最终要让系统能力转化为产业价值。本届WAIC上，新华三也集中展示了Token运营与Token应用的最新实践成果，通过串联算力供给、技术验证、产业孵化到Token运营等关键环节，探索从AI基础设施建设延伸到产业价值创造的新模式。其中，作为图灵中试场核心技术支持单位，新华三助力杭州建设了业界首个芯模联动中试场。本次展会中，图灵中试平台也首次搬进现场，参观者可亲身体验从芯模适配到性能调优的全流程，直观感受芯片与模型如何实现协同优化，将理论算力转化为真实AI生产力。

从这个角度看，Token更像是一面镜子。它映照出的不是某一款芯片或者某一台服务器的性能，而是一整套AI基础设施的综合运行效率。谁能够率先完成从单点优化到全局优化的转变，谁才更有可能把理论算力转化为可持续释放的AI生产力。

产业协同，构建开放互联新生态

随着国产AI芯片和计算架构加速发展，多元异构算力已经成为产业现实。企业拥有了更多技术选择，但也面临新的复杂性：不同芯片的硬件架构存在差异，互连接口缺少统一标准，软件生态相对碎片化，产业链上下游不得不投入大量资源进行重复开发和重复适配。

这些问题看似属于生态层面，最终却会直接反映到系统效能上。算力如果不能顺畅互联，就难以形成规模优势；硬件如果无法统一纳管，资源就容易形成孤岛；软件如果需要针对不同平台重复适配，AI应用的部署效率也会受到影响。新闻稿也明确指出，硬件架构各异、接口标准不统一、软件生态碎片化，已经成为制约异构算力高效协同的重要挑战。

因此，AI基础设施要真正实现全局最优，仅靠一家企业内部的技术整合并不够，还需要产业链在接口、架构和标准层面建立更广泛的协作机制。

正如新华三集团高级副总裁、技术委员会副主席刘新民在大会期间举办的“AI算力技术架构创新论坛”上指出：“当前AI竞争的焦点已从单纯追求硬件规模，转向系统级效能与生态协同的综合竞争。”

为此，基于“算力×联接”的核心理念，新华三聚焦AI算力基础设施，坚持开放兼容，以全栈能力支撑AI技术跃迁，助力产业充分释放每一份算力的价值。

在具体路径上，新华三秉持多元开放生态理念，围绕异构算力、算力互联、融合软件、整机系统和产业模式等多个维度协同推进：通过兼容多平台主流xPU芯片，打造灵活可选的异构算力底座；通过开放互联协议与算网深度融合，提升多元算力的连接效率和协同能力；通过算力资源融合与统一调度，打破资源孤岛，提升应用适配与部署效率；通过整机系统标准化和模块化设计，推动AI基础设施实现更高效率、更高可靠和可持续演进。

本届WAIC期间正式启动的G-Link通用高速互连标准工作，则将这种开放理念从企业实践进一步推向产业协同。

G-Link是在中国计算机行业协会人工智能产业工作委员会牵引下，由包括新华三在内的数十家产业链上下游伙伴共同提出的开放高速互连架构，面向AI高性能计算和Scale-Up互连场景。其目标是通过开放统一的互连架构和标准，降低产业适配成本，促进不同芯片、不同系统之间实现高效互联，为超节点和大规模AI集群构建开放互联底座。

G-Link的意义，并不只是增加一项技术标准。在一个高度异构的产业环境中，标准能够把分散的创新转化为可以复用的产业能力。如果缺少统一架构，每一种芯片、每一套系统都需要单独适配，产业规模越大，重复投入反而越高。而开放标准的价值，正在于减少不必要的重复开发，让不同企业能够围绕共同接口展开创新。

这也意味着，AI基础设施的竞争正在超越传统意义上的产品竞争。未来，领先企业不仅需要提供更强的设备和解决方案，还要有能力参与标准制定、连接产业伙伴、协调不同技术路线，并推动一个更开放的创新生态形成。

从新华三的布局来看，其角色也在由基础设施提供者向生态协同者延伸。一方面，通过“算—网—存—云—安—维”全栈能力提升系统的整体效能；另一方面，通过“算力×联接”和G-Link推动多元算力之间的开放协同。两条路径最终指向同一个目标：让AI基础设施不再受制于单点瓶颈和生态壁垒，使每一份算力都能够在更大的系统中被有效组织和充分释放。

这也是WAIC 2026带给产业的一个重要启示。当AI从模型能力竞争走向产业落地竞争，单一硬件的领先仍然重要，却已经难以独立决定最终结果。只有从单点突破走向全局最优，从企业内部优化走向产业开放协同，算力的潜能才可能被真正释放，AI也才能从规模扩张进一步走向高质量增长。

内容来源：新华三集团

联系方式

投稿、广告、内容和商务合作

newmedia@hbrchina.org