告别“单芯英雄主义”！国产“超节点”全面爆发，Token成本迎来大底？丨芯流WAIC观察

【摘要】2026年世界人工智能大会（WAIC）的喧嚣背后，一条清晰的技术主线正全面浮出水面。AI基础设施的竞争焦点，已正式从“单芯英雄主义”的峰值算力崇拜，全面转向以“超节点”为核心的系统级综合效能较量。

从壁仞科技、奕行智能、天数智芯、奇异摩尔到昆仑芯，各大硬件厂商沿着多元技术路径撕裂物理瓶颈，而无问芯穹则通过软件定义将碎片化算力织成协同高效的超级网络。

面对硬件架构割裂与Token 生产需求的爆发，这种“系统级重构”能否彻底破除智算中心的成本与效率迷局？这场“超节点革命”又将如何深刻重塑中国 AI 产业自主可控的底层生态？

以下为正文：

01

算力竞赛的“下半场”：硬件与软件的双轮驱动

把时间拨回到2016年，黄仁勋亲自将全球首台 AI 超级计算机 DGX-1 交付给 OpenAI。彼时那只黑色机箱里仅紧凑地集成了 8 颗芯片，被行业形象地戏称为“盒子里的超级计算机”。

照片里围着机箱微笑的人们或许未曾预料到，十年后在中国上海的 2026 WAIC 现场，决胜算力赛场的最小基本单元，已经从当年“盒子里的 8 张卡”剧烈扩张为成百上千张芯片在机柜间高速协同的“超节点”系统。

这一尺度巨变的背后，折射出大模型时代极其残酷的物理真相：长期依赖挤压晶体管物理极限、追求单芯片峰值性能的“单芯英雄主义”已正式转变。

随着后训练（Post-training）、推理时扩展（Test-time scaling）以及智能体并发（Agentic scaling）需求的呈指数级爆发，大模型对计算资源的需求早已跨越了单张显卡的承载极限。当单芯片制程逼近物理与散热天花板，传统靠简单“堆砌芯片”构建集群的模式缺陷暴露无遗。

一方面，“通信墙”与“内存墙”横亘眼前，芯片间互联带宽跟不上算力增长，数据在复杂网络中的微秒级传输延迟，导致成千上万颗 GPU 在集群中长时间处于“算力空转”和等待同步的状态。

另一方面，密密麻麻的铜缆带来了昂贵的损耗、极高的故障率与功耗，使得智算中心面临着极低的“有效 Token 转化率”。买得起卡、建得起集群，却无法高效率、低成本地吐出 Token，成为了整个 AI 行业普遍面临的深刻焦虑。

正因如此，2026 年的 WAIC 标志着 AI 基础设施的竞争逻辑发生了根本性转变，算力竞赛正式驶入“下半场”。所谓下半场，就是从单芯片物理极限的突破，全面升级为“硬件超节点”与“软件超集群”的系统级双轮驱动。

在硬件层面，“超节点”（Supernode）打破了传统服务器与机柜的物理边界。它不再是将芯片简单插在主板上的卡片堆叠，而是通过下一代高速互连协议、近封装光学与光电融合技术（NPO/CPO）、正交无背板设计以及高密度液冷架构，在物理和逻辑上将数十至上千颗芯片“熔融”为一座高带宽、超低时延、拥有统一共享内存空间的单体超级计算节点，从根本上重构数据传输路线。

在软件层面，算法与架构则成为了统领异构算力孤岛的“指挥官”。面对百花齐放但架构割裂的硬件现状，仅仅拥有强悍的硬件物理节点远不足以应对复杂的现实需求。软件栈必须向下深度打通不同硬件的指令集与虚拟化接口，实现 Tile 级动态调度与算子编译优化，向上无缝适配纷繁复杂的大模型框架与 Agent 工作流。

硬件向上突破物理极限，软件向下修补算力裂痕，这场软硬兼施的系统级效能革命，正在重新定义 AI 基础设施的成本底线与生产力上限。

02

超节点：突破物理极限的不同路径

在 2026 WAIC 的展示舞台上，国产芯片与架构厂商以“超节点”为核心战场，沿着各自差异化的技术路径，用硬核创新回应全行业的算力焦虑。

壁仞科技聚焦于攻克传统集群的通信与传输瓶颈，其推出的 1024 卡 NPO 光互连超节点方案，直接打破了传统电互连在 Scale-up 域扩展上的数量极限。

该方案依托壁仞科技自研的BLink 2.0 超节点互连协议与近封装光学（NPO）技术，实现了“铜退光进”，消除了高频光电转换带来的额外时延与巨大功耗。在这套分布式解耦架构支撑下，多达1024 张 GPU 能够直接共享同一个统一内存空间

从 16 卡标准电互连服务器、128 卡高密整机柜，一路扩展至 1024 卡分布式耦合NPO光互连超节点，壁仞科技通过完整的产品矩阵，为万亿参数模型的演进搭建了极其高效的系统级底座。

奕行智能则另辟蹊径，在 WAIC 2026 期间发布了业界首个 RISC-V AI 算力超节点，从指令集这一最底层重新定义算力。

该超节点以奕行智能自研的 Epoch 云端 AI 芯片为算力核心，作为国内首颗量产的 RISC-V 云端大算力芯片，Epoch 率先支持分块量化 FP8 精度，下一代芯片更将拓展支持 EXFP4 与 MXFP4 等低位宽格式，直指推理时代的 Token 生产效率。

在整机物理形态上，奕行智能采用了颠覆传统线缆连接的正交无背板互连架构，整套系统内部无任何外接线缆，计算托盘与交换托盘正交直连，互联硬件综合成本降低80%、信号完整性提升30%，传输时延稳定控制在百纳秒区间。

而奕行智能真正的差异化，在于用开放指令集缝合硬件与软件的裂痕。其自研VISA 虚拟指令集在开源硬件指令集上层搭建屏蔽芯片差异的抽象适配层，配合 EVACA Tile 原生软件栈实现“一次编程、多芯通用”。构建从RISC-V AI 加速芯片、RISC-V 主控 CPU 到高速交换网络的全链路国产 AI 基础设施。

天数智芯坚持“通用 GPU”与“训推组合、云边协同”的路径，在展会上展现了深厚的全场景生态图谱。

天数智芯正式发布的旗舰通用GPU 芯片天垓 300，延续并强化了自主研发的SIMT 通用计算架构，围绕 Attention 计算、MoE（混合专家模型）以及 Prefill-Decode（PD）分离等大模型核心算子进行了深度硬件级优化。

针对国产芯片普遍面临的生态迁移难题，天数智芯深耕 DeepSpark 开源社区与 IXUCA 软件栈，通过 IGIE/ixRT 推理引擎全面适配主流开发框架，在特定大模型算子实测性能上展现出超越英伟达 H100 的表现，极大地降低了用户的迁移成本。

奇异摩尔聚焦AI网络互联赛道，构建了一整套Scale Inside 芯片内互联(D2D IP&Base Die)、Scale Up超节点GPU片间互联(G2G IOD)和Scale out集群间互联(800G AI 超级网卡平台架构)的产品解决方案。在WAIC 2026上，奇异摩尔以完整的超节点机柜为实体载体，首次系统性地呈现了覆盖Scale-Up、Scale-Out以及下一代光互联三大层级全栈互联解决方案。该方案被定位为自主可控AI基础设施的“血液循环系统”，为大规模国产AI算力集群建设提供了自主可控的全栈互联底座。

昆仑芯则深耕大模型推理与边缘智能体场景，展示了其高能效比的加速引擎。

昆仑芯通过定制化的矩阵计算指令集与低延迟流水线设计，针对 Transformer 与 MoE 架构的 Decode 阶段进行深度裁剪与优化。

实测数据显示，昆仑芯将大模型推理效率提升了 40%，同时降低了 30% 的运行能耗，其优异的能效表现使其不仅能部署于超节点智算中心，更能作为边缘端 Agent 的理想算力底座。

这些硬件厂商路径虽异，但目标高度一致：用硬件重构破除通信与内存枷锁，推动国产 AI 芯片从“能用”真正走向“好用”与“高效”。

03

软件超集群：用算法修补重构算力碎片

在硬件厂商百花齐放、芯片架构日趋碎片化的背景下，无问芯穹以软件定义算力，成为了缝合国产硬件生态孤岛的关键桥梁。

无问芯穹 CEO 夏立雪在 WAIC 2026 上表示，在大模型 Scaling Law 的持续推动下，仅依靠产能线性增长去堆叠算力已经远远无法弥合巨大的供需缺口，基础设施必须具备 AI 原生的自适应协同能力。

无问芯穹公布的“前店后厂一中心”战略布局，基于规模与效率两大锚点，以Agentic Infra 自主式基础设施平台为“算力集散中心”，向上支撑 Agentic MaaS 平台与 Agentic Infra 行业解决方案。

该平台通过强大的异构调度能力，不仅成功屏蔽了底层硬件差异，深度兼容了壁仞、天数、昆仑芯、摩尔线程、华为昇腾等 10 余家国产芯片，更有效高效聚合全域算力，完成国内首例超4000公里的跨域混训，构建起统一协同的软件超集群。

同时，针对物理世界的具身智能需求，无问芯穹公布了首个面向大规模具身任务的云边端一体化管理与调度平台，同步升级了大规模真机强化学习训练框架 RLinf V0.3 与 Mizar-Robo 推理体系，首次将云端 GPU 集群、边缘算力与机器人真机统一编排。在与自变量机器人的联合调优中，将端侧推理时延从 500ms 剧降至 70ms，推理性能飙升 7.14 倍。

从产业经济学的视角审视，在头部区域冲击最前沿技术先进性的同时，一条基于软件调度的差异化商业路径也在加速展开。

当前许多智算中心由于分期建设，机房内天然混杂着不同代际、不同显存容量与互连能力的旧卡。在传统的同构软件栈下，旧卡常因算力性能错配或通信性能不匹配而被迫退出核心训练任务，造成极大的资产浪费。

在软件超集群的调度下，C 端与低成本 Token 需求市场正成为旧卡集成的最佳窗口期。

04

超生态：资源分层重塑Token经济

透过此次WAIC的洞察和分析，芯流认为：未来AI Token 的生产正在呈现出明确的分级供给模型。不同的卡做不同难度的问题输出不同质量的token。

在硬件最前端，全新的“超节点”集群专注于万亿参数预训练、复杂推理与前沿 Scaling Law 的探索，持续突破算力峰值与系统性能；而在软件基础设施层，以无问芯穹为代表的 AI Infra 平台则重点攻克多元国产芯片与高规格硬件的“高端异构”融合难题，通过跨区域资源优化与通信调度，释放高端算力的协同效能。

从行业演进的视角来看，这一格局同样为存量算力带来了重构契机。通过软件对不同代际算力的动态切分与流水线编排，旧卡与存量资源得以被盘活并精准供给至高并发的 C 端日常对话、基础 API 调用与轻量级 Agent 推理场景。软硬结合的高端攻坚与存量算力的分层复用，正在共同将“算力闲置”的沉没成本转化为“算力协同”的增量红利。

对于 C 端用户与开发者而言，他们关心的是 Token 的响应速度与单价，而非后端是否由最新的芯片吐出。用软件“复活”旧卡，不仅大幅延缓了智算中心的硬件折旧周期，更降低了全社会使用 AI 的边际成本，使中国 AI 算力生态在软硬协同中展现出极其强悍的产业韧性。

05

尾声

2026 年 WAIC 揭示的不仅是技术的炫目，更是 AI 基础设施竞争逻辑的深刻变革。

从硬件端光互连与正交无背板“超节点”的物理突破，到软件端“Agentic Infra”对跨域异构算力与旧卡资产的精妙编织，中国算力产业正以系统工程思想走出一条超越单纯制程依赖的新路径。

当每一度电、每一张显卡都能在软硬协同的体系中转化为高效率、低成本的 Token，国产 AI 算力底座便完成了从“可用”到“好用”、再到“可持续演进”与“可普惠”的蜕变。

这场由超节点引发的系统级革命，正在为自主可控的中国 AGI 时代奠定最为坚实的基础。