中科曙光發(fā)了個“標配版”超節(jié)點，AI推理算力的未來形態(tài)？

OpenClaw突然爆火，既是AI Agent賽道的一次必然出圈，也是AI推理算力市場的一場壓力測試。

在2026年中關村論壇上，中科曙發(fā)布了世界首個無線纜箱式超節(jié)點scaleX40，在此之前，超節(jié)點是動輒數(shù)百卡甚至千卡規(guī)模的龐然大物，包括中科曙光發(fā)布的scaleX640、英偉達的NVL72、華為的昇騰384等。

這些頂級超節(jié)點專為超大規(guī)模模型訓練而生，性能強悍，但部署門檻極高，定制化機柜、復雜的線纜連接、專業(yè)的運維團隊，動輒數(shù)千萬甚至上億的投資，讓它們注定只能服務于少數(shù)頭部玩家，譬如互聯(lián)網(wǎng)巨頭或者大型央國企等。

在超節(jié)點的“反面”，是推理市場上傳統(tǒng)且主流的8卡GPU服務器。這類產(chǎn)品部署靈活、成本可控，但在面對快速升級的AI推理算力需求時，性能顯得有些不足。

"8卡機在當前來看已經(jīng)遠遠落伍了，即便是把互聯(lián)規(guī)模擴展到16卡，仍然滿足不了模型推理服務發(fā)展的步伐。"中科曙光高級副總裁李斌表示，"支撐AI發(fā)展的算力基礎設施，逐漸從原來的'算力工廠'變成了'Token工廠'。算力系統(tǒng)的主要服務對象，已經(jīng)從過去支撐模型訓練為主，轉變到現(xiàn)在以服務于推理為主。"

在訓練時代，評價算力系統(tǒng)的核心指標是有多少算力；而在推理時代，更關鍵的指標變成了"能以多經(jīng)濟的成本產(chǎn)出Token"。

圖片來自AI生成

AI需求分化，推理算力遠未滿足

從當前市場需求來看，AI算力結構正在發(fā)生分層變化。根據(jù)行業(yè)機構預測，全球AI基礎設施投入仍將保持較快增長，但新增需求正逐步從超大規(guī)模集群，轉向企業(yè)級和行業(yè)應用場景。

在這一趨勢下，算力配置的重點不再單純追求規(guī)模上限，而是更加關注性能、成本與靈活性的平衡。業(yè)內普遍共識，幾十卡規(guī)模已足夠滿足大多數(shù)行業(yè)場景模型訓練、推理及開發(fā)測試的算力需求，這也是兼顧效率與投入的最大公約數(shù)區(qū)間。

但是，AI應用層的需求演化太快，包括像OpenClaw為代表的AI Agent的爆火，在改變傳統(tǒng)行業(yè)應用的同時，對當下算力供給側也帶來了系統(tǒng)重構的需求。

第一是通信的瓶頸，現(xiàn)在MoE模型讓通信成為提升算力利用率的核心卡點，尤其是專家分布的不確定性，導致大量跨卡、跨機通信，直接擊穿了傳統(tǒng)8卡服務器的算力架構。

第二是顯存的瓶頸，上下文窗口持續(xù)擴展，OpenClaw所需的長上下文記憶能力，也讓大顯存、KV Cache的需求日漸激增，這同樣是傳統(tǒng)8卡服務器難以突破的局限。

第三是算力利用率的瓶頸，算力利用率和推理落地成本近乎反比，傳統(tǒng)集群普遍存在算力利用率不足的問題，核心挑戰(zhàn)不是單純堆硬件，而是通過硬件架構創(chuàng)新，搭配配套系統(tǒng)工程、優(yōu)化工程的協(xié)同發(fā)力，實現(xiàn)系統(tǒng)效能和有效算力的雙重提升。

第四則是生態(tài)的瓶頸，國產(chǎn)算力生態(tài)體系復雜、廠商眾多、產(chǎn)業(yè)鏈漫長，產(chǎn)業(yè)協(xié)作難度不小，這就需要借助開放計算架構，打通芯片、模型、應用等全產(chǎn)業(yè)鏈上下游，打造開放易用、開箱即用、經(jīng)濟普惠的算力底座。

中科曙光希望用40卡的“標配”超節(jié)點回應市場。"40卡這個甜點區(qū)，是我們跟各種客戶調研摸索出來的。"中科曙光副總裁李柳表示，當前主流模型的參數(shù)規(guī)模和使用場景，32-40卡已經(jīng)能夠覆蓋大多數(shù)行業(yè)需求，同時又能兼顧成本與性能的平衡。

scaleX40單節(jié)點集成40張GPU，總算力超過28PFLOPS（FP8精度），HBM顯存容量超過5TB，訪存帶寬超過80TB/s。系統(tǒng)可靠性提升至99.99%。

scaleX40的規(guī)模配置，既具備支持大模型訓練和推理的能力，又不會帶來過重的投入壓力，它向下可兼顧32卡，滿足中小規(guī)模訓練、推理和開發(fā)測試；向上，它可以通過擴展，組成更大規(guī)模集群。

李斌算了一筆賬："傳統(tǒng)5臺8卡機器疊加各類成本的投入，與scaleX40基本相當，但scaleX40可以將訓練性能提升120%，推理性能最高提升至330%。"

從DeepSeek到OpenClaw，新的算力轉折點

"Token需要算力來做產(chǎn)出，但評價的維度和指標變得更多了。"李斌認為，"對于普通用戶，關注的是響應速度，問了一個問題，它能不能很快反饋回來；對于算力系統(tǒng)的運營者，要考慮能同時支撐多少用戶的并發(fā)訪問，同時滿足基本的使用體驗。"

智源研究院AI框架研發(fā)部門負責人敖玉龍也提出，"未來對算力供給方來說，關鍵指標是如何將算力轉換成有效的Token，而不是無效的Token。誰能把這個成本降下去，誰才是真正的贏家。"

scaleX40的設計圍繞這些新需求展開。144G大顯存支持長上下文窗口，多級KV Cache緩存機制滿足推理場景的大顯存需求，40卡高帶寬域的一級互聯(lián)將專家通信的out-to-out流量收攬在單個節(jié)點內。這些特性都是在控制成本的前提下，最大化單位算力的Token產(chǎn)出效率。

無線纜箱式設計也是scaleX40一個很大的差異化。傳統(tǒng)超節(jié)點的一個核心痛點在于部署復雜度。以英偉達NVL72為例，其采用銅纜連接方案，機柜之間需要大量的線纜互聯(lián)，不僅對機房環(huán)境要求苛刻，部署周期長，而且后期運維的故障率也居高不下。

scaleX40的解法和英偉達于今年GTC大會公布的最新解決方案相似，通過總線技術實現(xiàn)Scale-up擴展，計算節(jié)點與交換節(jié)點采用無線纜正交架構直接對插。

這一設計帶來了多重收益，首先，總線技術性能達到傳統(tǒng)NDR網(wǎng)絡的10倍以上，支持內存語義和顯存統(tǒng)一編址；其次，一層組網(wǎng)將P2P單向時延降至百納秒以內，相比二層組網(wǎng)時延降低30%以上，故障率降低30%-50%。

其次，scaleX40采用標準19英寸箱式設計，單機高度僅16U，可以直接放入主流機柜，兼容現(xiàn)有數(shù)據(jù)中心環(huán)境，無需額外改造。

"過去很多產(chǎn)品要么柜子比較大，要么非標準化，要么機房改造非常復雜。"李柳說道，"scaleX40可以放在標準機柜里面，接標準機房的供電和冷卻設備，部署和使用門檻大大降低。"

中國電信研究院智算網(wǎng)絡技術負責人王子瀟也表示："以超節(jié)點形態(tài)提供推理服務，性能比傳統(tǒng)單機8卡提升約2.6倍。超節(jié)點的‘開箱即用’能力顯著增強，Scale-out網(wǎng)絡的配置復雜度有數(shù)量級降低，對于整個行業(yè)規(guī)?；瘧梅浅Ｓ幸饬x。"

更深層來看，scaleX40的發(fā)布也折射出國產(chǎn)算力生態(tài)的成熟。從芯片到系統(tǒng)軟件，從存儲到網(wǎng)絡，從算子庫到通信庫，一條完整的產(chǎn)業(yè)鏈正在形成。正如李斌所言："我們在整個國內計算AI生態(tài)里，從芯片到系統(tǒng)軟件，到上層模型和應用，在做垂直的跨層協(xié)同，通過垂直方向的耦合和協(xié)同去發(fā)揮更好的效率。"

當超節(jié)點開始以更簡單的方式被部署和使用，當千行百業(yè)都能以合理的成本獲得高端算力能力，中國AI的規(guī)模化應用，或許才真正邁出了關鍵一步。（本文作者 | 張帥，編輯 | 楊林）