浪潮信息发布两款智算产品，重构大模型推理架构

多年以来，AI 算力领域的竞争往往集中在一个字——堆。堆计算卡、堆服务器机柜、堆电力设施，业内一度认为只要集群规模足够大，就能占据制高点。

然而，随着大模型与 AI 智能体（Agent）的演进，算力供需关系发生质变，单靠“堆料”已无法解决核心瓶颈。当前的算力挑战已经清晰地分化为两个维度：支撑前沿模型极限的智能上限（能力型智算），以及低成本大规模供应 Token 的智能规模（容量型智算）。

在 AICC 2026（人工智能计算大会）上，IDC 发布的《2026年中国人工智能计算力发展评估报告》指出了这一趋势。针对这两重挑战，浪潮信息推出了两款核心基础设施：超节点 AI 服务器元脑 SD200 Ultra 与多元算力机组元脑 HC2000。

智能体催生的双重算力缺口

AI 智能体接管复杂任务后，模型调用从单次“问答式”转变为数十次甚至上百次的连续推理，任务时长可拉长至数天。IDC 报告预测，到 2030 年全球每年的 AI 推理任务将增加 4000 万亿次，Token 消耗量的复合增长率高达 4822.6%。

与此同时，全球 AI 算力供需缺口持续拉大，预计到 2030 年算力缺口绝对值将达到 3809 亿美元。更棘手的是负载特性的分化：Prefill 阶段属于高并行密集计算，Decode 阶段则高度依赖显存带宽，Attention 计算又被持续膨胀的 KV Cache 掣肘。

同一种算力无法高效通吃所有环节，单纯堆砌同构算力不仅无法实现线性性能扩展，还会导致显存与算力配比失衡。浪潮信息首席 AI 战略官刘军将其归结为两大方向：

• 能力型智算（Capability）：支撑超大规模前沿模型求解高难度科学计算、药物研发与芯片设计等超长链路任务；
• 容量型智算（Capacity）：让智能推理供给更廉价、更充沛，支撑海量应用落地的基础设施。

SD200 Ultra：突破单节点智能上限

针对前沿模型“装不下、跑不快、跑不稳”的痛点，元脑 SD200 Ultra 超节点服务器给出了系统级解决方案。

1. 紧致扩展与大容量承载
SD200 Ultra 延续了 3D Hyper Mesh 架构，整机芯片数量由 64 颗提升至 128 颗，显存与扩展存储分别达到 8TB 和 64TB。除了能单机高效承载 2.8 万亿参数开源模型 Kimi K3 之外，该架构设计支持部署最高 10 万亿参数的前沿模型。

2. 统一寻址与对称直连
为消除跨芯片通信延迟，SD200 Ultra 建立了全局统一编址空间，将跨节点数据交互转化为内存地址直接读写；再通过对称内存技术实现 GPU 显存直连，跳过地址转换与封包流程，使 All-to-All 通信时延压缩至 0.69 微秒。

3. 超级算子协同优化
传统多算子调度会导致大量内核启动和显存搬迁开销。SD200 Ultra 将 Attention、FFN、MoE 等算子融合成计算与通信一体的“超级算子”，算子总量减少至原来的十分之一。在运行 Kimi K3 时，其推理性能提升 3 倍以上，Token 生成时延降至 5.85 毫秒。

在长时间运行稳定性上，SD200 Ultra 采用铜互联方案，大幅降低光电转换元件的故障率，保障数小时乃至数天的连续任务不中断。

HC2000：多元算力分工释放产能

元脑 HC2000 机组的核心目标在于降低 Token 生产成本，通过异构协同化解产能焦虑。

1. 高密全液冷底座
HC2000 采用全液冷与高通流供电设计，单柜供电超 300kW，可容纳 256 张 AI 加速卡，算力密度提升至传统风冷机柜的 4 倍。其 Directcom 2.0 互联架构提供 200Tbps 的柜内聚合带宽，支持跨柜多平面无损扩展。

2. 异构芯片按需分工
HC2000 打破了单一芯片通用的逻辑：

• Prefill 阶段：选用大算力芯片搭配性价比显存，匹配高计算密度需求；
• Decode 阶段：配备大容量、高带宽的 HBM 芯片；
• FFN 环节：采用 3D RAM 堆叠芯片，缓存带宽高达数十 TB/s。

3. MCIS 智能协同软件栈
软硬件协同是多元算力发挥潜能的关键。浪潮信息开发的 MCIS 软件栈覆盖了从请求路由、Prefill/Decode（PD）分离到资源动态调配的全流程。系统能根据实际负载动态重新评估 PD 配比，并将跨异构芯片的 KV Cache 点对点传输性能提升近 5 倍。通过分级冷热存储策略，节点内磁盘 I/O 吞吐提升 32 倍。在典型 Agent 场景中，HC2000 与 MCIS 的组合在相同投资下实现了 10 倍的 Token 产能增长。

迈向“生产智能”的工业化演进

能力突破与规模普及并非孤立演进，而是构成了双螺旋关系：能力型算力攻克前沿大模型难关后，相关技术经工程优化沉淀为普惠方案，由容量型算力将其低成本输出给大众与企业；海量应用反馈的新需求，又反哺下一代算力基础设施继续上探极限。

从单纯“提供算力堆料”转向系统化“生产智能”，AI 算力基础设施正在向即插即用、稳定经济的工业化公用事业快速迈进。