12位AI芯片高管覆盤WAIC：雲端搶做超節點，端側還在等爆款

“都是超節點。”這是2026世界人工智能大會（WAIC）上算力公司給參會者最深的印象。算力公司集體展示超節點，代表的是推理時代AI算力的競爭焦點已從單顆芯片性能延伸至芯片、互聯、軟件和系統的整體協同。這也是雷峰網與12家AI芯片及基礎設施企業高管對話後，收穫的第一個共識。一致的判斷還包括AI主流工作負載正從訓練轉向推理，Agent是這種轉變的核心因素。此外，多家企業認為產品已經從技術演示進入商業驗證階段。01一直低調的芯片公司也亮相WAIC這些共識，也解釋了國產芯片企業為何集體選擇在今年亮相2026WAIC。“因為產品真的準備好了。”連續參展多屆的清微智能副總裁陳逸倫解釋，一方面推理為主的市場空間足以容納多家企業；另一方面國產算力的軟件生態和落地能力經過幾年的積累，已經到了可以面對市場檢驗的程度。他還注意到今年展商們重點比拼的也不再是算力參數，軟件生態、落地規模、客戶實測數據成為關鍵。“問落地、問成本、問供貨的明顯多過問峰值參數。”在現場的東方算芯市場部部長徐子鳴也有著最直接的感受，前不久他們剛發佈第一代產品。在參觀其他展位時，他還發現大家都在強調從芯片到整機的全鏈條國產化。接待不少到訪的政府領導時，愛芯元智邊緣&終端計算業務總經理劉瑞聚常遇到的提問也是“芯片是否為國產自研”。面對國產替代這一不可逆的趨勢，奇異摩爾網絡技術副總裁葉棟強調，正是推理時代讓國產芯片有了與海外巨頭同場競技的機會。對此，摩爾線程副總裁馬鑑總結：“國內AI產業正處於黃金機遇期，中國有很好的政策和應用的土壤，行業格局呈現‘百花齊放’的狀態。”專注存算一體技術的後摩智能便是其中一家。後摩智能戰略生態副總裁楊大衛告訴雷峰網，今年展會上存算一體、光子計算相關產品和方案的曝光量大幅提升，這意味著困擾AI算力產業多年的“存儲牆”瓶頸已成為全行業共識性難題。打破馮·諾依曼計算架構限制，正在成為行業核心創新方向之一。02信號：Agent、架構創新、系統與生態浪潮和挑戰接連湧來，擁有不同技術路線和經營目標的企業又最想對外釋放哪些信號？作為當前炙手可熱的AI應用形態，Agent正在打開更多想象空間。愛芯元智觀察到並不是所有中小企業都有能力自建雲算力等現象，希望讓每一個企業都能在本地部署自己的AI Agent；此芯科技提出“Agentic Compute（智能體計算）”，試圖構建覆蓋端、邊、雲的全域算力底座。當傳統芯片性能的提升路徑遇到瓶頸，架構創新成為突破口之一。東方算芯強調“換道突圍”，選擇“14nm≈4nm”的成熟工藝和“軟件定義+3D近存計算”的架構創新。後摩智能體會到大量AI原生應用即將爆發，採用存算一體作為破解“高性能、低功耗、低成本”三角矛盾的根本路徑。算力競爭也在同步升維，系統建設成為不少企業錨定的主戰場。摩爾線程強調“模型訓練”“詞元生產”“智能體生產”三大工廠，希望回應當下AI發展算力需求並進行針對性佈局；奇異摩爾把今年定義為“超節點元年”，表示互聯已經從配角變成AI基礎設施的核心命脈；崑崙芯進一步延伸，表示超節點更重要的價值在於讓每一張卡都發揮更高效率，使得客戶以更低成本、更快速度建設和運營大規模算力中心。更長遠的競爭力還有賴於構建生態。安謀科技從橫向擴展，藉由開源AIOS聯盟指明未來AI計算底座需由多方協作共建；清微智能有意將技術、產品、應用生態先後進行展位佈局，直言“生態”不是營銷概念，而是真實的技術部署；天數智芯從時間維度給出類似的判斷——行業短期看產能、中期看產品、長期看生態；奕行智能用開源定義算力，發佈業界首個RISC-V AI算力超節點，希望用開放指令集和統一軟件棧解決行業“一卡一軟件”的碎片化困局。這並非此次WAIC的全部答案。圍繞雲邊端場景的技術熱點、國產芯片格局及核心競爭力等行業議題，我們試圖繼續從參展WAIC的算力企業高管那裡，找到AI算力演進方向的更多線索。03雲端算力的下一代基本單位，為什麼是超節點？從概念的拋出到國內的全面鋪開和生態共建，AI時代的“超節點”（SuperNode）只花了兩年時間。2024年GTC大會上，英偉達首次將72顆GPU連接成一個高度耦合的計算單元，推出面向AI時代可量產的超節點GB200 NVL72。隨後，國內廠商逐步跟進。以2025年WAIC華為昇騰384超節點真機的線下首展為節點，國產算力逐步釋放走向系統層級的信號。一年後，華為在WAIC 2026上展示了1024卡昇騰950超節點。但這一次超節點不再只是少數廠商的專屬故事，而是成為一批國產芯片企業可以同臺展示的技術路徑。單芯片的商業地位讓位於系統的背後，到底預示AI算力產業的遊戲規則發生了哪些根本性地轉變？摩爾線程副總裁 馬鑑WAIC超節點的集中亮相與跨界合作，不僅是技術架構的升級，更是AI算力產業在系統級競爭下的必然選擇，標誌著國產算力正實現系統級的跨越。具體而言，主要體現在以下幾個核心演進方向：——競爭邏輯從“拼單卡”轉向“拼系統”。目前來看，衡量AI算力產業的真實水位，不僅包括模型參數，更是包括Token調用量。競爭核心不再是單一芯片的峰值算力，而是整個計算系統能否以更低的單位成本、更高效率穩定地生產智能。超節點通過高速互聯將數百至數千顆芯片整合為單一算力池，打破了傳統集群的內存牆和通信牆，標誌著國產算力從單點突破轉向系統架構創新。——研發模式從“單打獨鬥”走向“系統化聯合共建”。隨著大模型向萬億參數演進，算力集群已演變為涵蓋算、存、網、電、冷、管、軟等多維度的複雜系統工程。這使得單一廠商難以在每一個環節都做到極致。因此，產業研發模式正從過去的各自為戰，加速轉向跨企業的聯合開發。——價值評估從“硬件參數”轉向“Token經濟”。客戶購買的不再僅僅是單顆芯片，而是從芯片、服務器、互聯到集群運維的一整套解決方案。TCO（總擁有成本）、單位Token成本、集群訓練效率、推理併發能力等系統級指標成為新的定價錨點。AI基礎設施正在從科研工具變為全行業通用基建，產業重心也從訓練轉向推理，進入Token工廠時代。——交付能力從“可用”邁向“全棧閉環”。AI硬件競爭已跨越了單卡比拼的初級階段，進入了能否交付完整基礎設施的新階段。企業不僅要提供芯片，還要具備從芯片設計、先進封裝、整機部署、液冷散熱到軟件平臺調優的全鏈路閉環能力。誰能把芯片、互聯、軟件、能源和客戶需求組織成高效穩定的系統，誰就能在下一階段的算力重組中佔據制高點。從芯片到系統，雲端AI算力的競爭持續升維。但並非每一種系統形態都能命中市場需求。超節點被“重倉”，不只是體現了廠商對更大規模算力的追逐，更本質的原因還在於低延遲、實時交互等一系列推理需求，倒逼AI基礎設施的升級從傳統Scale-out模式轉向更緊密的Scale-up組織方式。沐曦股份聯合創始人、CTO兼首席硬件架構師 彭莉 超節點並非訓練的必要條件。訓練的計算和通信都屬於粗粒度模式，計算時間長，通信可以被隱藏在計算後面，幾乎感知不到通信帶來的影響。因此，使用Scale-out網絡已經足夠。超節點之所以在推理時代成為關鍵，根源在於應用側的驅動。爆發式增長的推理需求對低延遲高度敏感，而超節點的本質就是在芯片之間構建高速互聯通路，能夠直接降低通信延遲，從而提升推理效率。今年Agentic AI的興起更是進一步放大推理需求。新的智能化時代必然帶來一輪產業洗牌，新的產品形態會不斷湧現。這也是為什麼大量公司開始投入這一方向——關鍵在於誰能快速抓住產業機會。此外，超節點加速落地的另一重要原因在於協議正在逐漸收斂。原先大家基本都是直連，在一個節點內GPU和GPU之間形成全互聯，本質上是自己跟自己通信。因此可以說超節點有點像語言，過去大家各講各的方言，現在GPU廠商、交換機廠商都願意講普通話。當通用協議開始出現，整個產業的統一就變得順理成章。超節點的系統級建設必然伴隨複雜度的提升。當一套算力系統同時涉及芯片、互聯、軟件、存儲和工程部署等多個環節時，單一企業的能力邊界正在被重新定義，開放合作不失為一種產業選擇。奇異摩爾網絡技術副總裁 葉棟超節點從“各家秀肌肉”走向“合作共建”，我認為是 AI 算力產業從“單點競爭”邁向"生態協同"的重要標誌。這一變化首先反映了產業對“算力即系統”的深度共識——超節點的本質不是把更多芯片堆在一起，而是要實現計算、存儲、網絡的多維協同。單一企業很難在芯片、互聯、軟件棧等每個環節都做到極致，開放合作是必然選擇。其次，它也說明國產算力生態正在從“各自為戰”走向“互聯互通”，不同廠商的超節點開始尋求標準對接和資源共享，這對降低用戶遷移成本、加速應用落地至關重要。從產業演進方向看，我認為有三條主線：第一，超節點本身從訓練專用向“訓推一體”演進，推理負載佔比將持續提升；第二，超節點建設模式從封閉走向開放，行業標準正在形成，跨廠商的算力互聯將成為常態；第三，超節點的競爭焦點正從“規模有多大”轉向“效率有多高”——互聯帶寬利用率、通信延遲、PD分離效率等系統級指標，將決定超節點的真實商業價值。清微智能副總裁 陳逸倫關於合作建設超節點，我認為這反映了兩個重要趨勢。第一，超節點的構建是產業鏈上下游協同的結果，絕非芯片企業一己之力所能完成。芯片企業提供核心算力，專業服務器廠商負責整機設計與製造，交換機廠商提供網絡互聯方案——各方能力互補，只有通過緊密合作，才能更快地推出可規模化部署的超節點產品。第二，產業正從“各自為戰”走向“生態協同”。國產算力產業要真正具備競爭力，不能依賴單一企業，而是需要整個產業形成合力。各家企業開發的超節點也不應彼此割裂。未來要組建更大規模的算力集群，不同廠商的超節點之間必須實現互聯互通，這就要求行業共同建設開放的互聯互通協議，避免形成新的算力孤島。奕行智能高級副總裁 呂劍飛這反映了三個積極變化：第一，產業鏈分工正在成熟。中興OEX聯合多家芯片公司打造開放超節點，說明行業已經認識到超節點是一個需要全產業鏈協同的大工程。芯片公司聚焦算力，設備商聚焦整機和交換，各展所長、開放協作。第二，正交無背板正在成為電互連超節點的重要技術方向。本屆WAIC上，多家廠商都採用了正交架構，因為它在信號完整性、部署成本和運維便捷性方面有顯著優勢。奕行智能同樣採用正交無背板設計，差異在於我們的底層是RISC-V開放指令集——架構選擇趨同，指令集路線獨有。第三，超節點從“能做多大”轉向“能多快落地”。大家不再只是講參數，而是關注液冷方案、機房PUE優化、運維便捷性等實際部署問題。這說明行業在從“技術驗證”邁向“規模商用”。無論是單點建設還是生態共建，超節點要想真正實現規模化落地，關鍵需要釐清什麼決定系統能力的上限和商業化成本的下限。東方算芯市場部部長 徐子鳴去年還在講概念，今年大家都明確了超節點的核心是統一內存編址和低時延互聯，目標是讓大規模芯片像一臺計算機那樣協同工作。而當前超節點建設要突破的問題主要有三個：一是互聯帶寬和時延的物理瓶頸；二是大規模集群的調度效率和軟件棧成熟度；三是大規模系統的穩定性、故障隔離和運維工程化。補充一點，系統級性能不能只靠堆規模。單芯片本身的有效算力提上去，集群的整體效率才會更高，架構層面的突破和系統層面的優化是相輔相成的。後摩智能戰略生態副總裁 楊大衛超節點的迭代模式變化，本質是AI算力產業從單一芯片競爭，升級為全系統能力競爭。前兩年超節點是頭部企業的硬件展示窗口，核心是比拼芯片堆疊數量、峰值算力，屬於單純的“秀肌肉”。而今年行業普遍走向聯合共建、協同優化，核心原因是行業達成共識：超節點的核心競爭力從來不是“堆卡規模”，而是組網效率、通信優化、算力調度能力。與此同時，超節點的功能定位也在迭代。從過去的“訓練專用”，轉向“訓練+推理”雙適配、重點優化推理場景。針對推理業務高併發、低時延、碎片化的特點，超節點的架構設計、通信機制都在針對性升級，適配規模化推理落地需求。這裡有一個行業普遍忽略的核心邏輯：系統優化的天花板，由單芯片能效比決定。即便超節點組網、調度優化做到極致，如果單芯片的能效存在數量級差距，整體算力TCO（總擁有成本）依然無法優化。這也是今年大量新型架構芯片集中湧現的核心原因——產業已經認清，只有從底層架構提升單芯片能效，才能從根本上解決超節點規模化商用的成本難題。值得注意的是，當前已然成為共識的超節點建設並沒有標準答案：擴展規模從百卡到萬卡各有主張，組網架構也在芯片原生直連與交換網絡之間進行權衡，互聯技術還在電到光的演進中尋找最優解。有關國產超節點的技術路線選擇、產業進展以及背後的工程挑戰，歡迎添加作者微信 Evelynn7778 交流。04端側AI爆發前夜：五個核心突破方向雲端推理在用超節點應對挑戰，邊緣和端側AI又如何推動AI爆發？自2017年華為、蘋果先後在手機SoC集成AI加速硬件以來，端側AI首次具備專門的算力基礎。但彼時承載的更多還是視覺、語音等相對固定專用的小模型。隨著大語言模型、多模態模型不斷成熟，AI開始具備理解、規劃和執行復雜任務的能力，Agent等新應用形態進一步推動AI從“回答問題”走向“完成任務”，邊端側的商業化形態隨之擴展。雲邊端之間的計算分工也因此被重新定義，但這並不等同於三者此消彼長。清微智能副總裁 陳逸倫雲端推理和邊端推理不是“先有云再有邊”的順序關係，而是兩個平行發展的賽道。清微本身就是“邊雲協同”佈局。隨著AI智能體的發展，邊端推理的需求會越來越明確——智能體需要低延遲響應，必然要求部分推理在邊端完成，而不是全部上雲。這會拉動邊端芯片的需求增長。平行發展意味著優化目標的不同。越靠近雲端，越著重承擔規模化推理和統一調度；越靠近應用側，越強調低時延、本地部署、數據安全和低功耗等。基於後者不同的能力組合，哪些場景將率先走向規模化落地，各家企業給出的答案不盡相同。摩爾線程副總裁 馬鑑從雲端向邊端的跨越，本質是AI從雲端大腦向泛在工具的演進。具體到場景，我們認為AI辦公或者開發硬件、具身智能機器人、智慧家庭這幾類場景是可能率先爆發的。這也正是摩爾線程目前正在佈局的。後摩智能戰略生態副總裁 楊大衛今年WAIC現場，大量智能終端、對話機器人、具身智能設備的量產落地應用，已經實現了大模型端邊本地運行，邊端推理的產業浪潮已經開啟。天數智芯副總裁 宋煜目前邊端最成熟的剛需主要集中在工業質檢、智能安防、智能駕駛等低時延、本地化場景，具身智能則是增長潛力最明確的新方向之一。傳統視覺應用已經具備一定規模基礎，但VLM、VLA等新一代模型要進一步規模化落地，仍需沉澱行業know-how，並在軟硬件接口、模型部署、可靠性與安全等方面形成標準化方案，降低項目化適配成本。具身智能、AI PC、自動駕駛、安防等領域已成為多家企業眼中的重點落地方向。但距離真正的大規模普及，邊端推理還需要跨越怎樣的時間窗口？奇異摩爾網絡技術副總裁 葉棟我認為邊端推理在特定場景已經起量，比如智能駕駛、安防監控等實時性要求極高的領域，但真正意義上的大規模泛化普及，大概還需要2到3年的時間窗口。奕行智能高級副總裁 呂劍飛技術條件正在快速成熟，但“場景-成本”的正向循環還需要一點時間。我們判斷2027年將是邊端推理的起量元年。RISC-V在端側有天然優勢——低功耗、可定製、成本靈活——這與邊端場景的需求高度匹配。要走過爆發的前夜，端側AI還需要從哪些方向突圍？雷峰網和算力公司的高管們聊完之後，發現答案出奇地一致。一顆更適配端側的專用AI芯片。技術維度包括存算一體等計算架構、Chiplet等先進封裝、專門優化的軟件棧等。一個真正打開市場的殺手級應用（Kill App）。一個能跑在邊端的大模型。輕量化手段包括蒸餾、量化、剪枝等。一套打通雲邊端的協同體系。不只是算力的調度，更涉及軟件棧的統一、通信範式的更新。一道數據安全防線。端側意味著數據留在本地，但如何讓用戶真正信任這一點，還需要行業標準與合規體系來兜底。最底層的AI芯片仍是首要驅動。誰能真正滿足下一階段AI應用需求，可添加作者微信 Evelynn7778 一起追蹤。05集中亮相的國產芯片，眼中最強的四張底牌大模型訓練時代幾乎定義了過去幾年AI芯片的發展方向——更強的算力規模、更大的顯存容量和更快的集群效率。但據德勤數據統計，AI時代的重心正在發生偏移，到2026年推理預計將佔所有AI計算量的三分之二。當推理逐步成為算力消耗的主力，商業選擇也隨之出現分化：一部分仍在探索訓練算力的持續突破；另一部分關注Token成本，希望以最具性價比的模式支撐規模化調用；還有企業認為特定場景下用戶願意為更高質量服務支付溢價。於是，通用GPU不再是唯一的解，更多專用架構芯片接連現身；芯片之間也開始互通有無，思考如何發揮更強的性能。與此同時，AI計算從雲端到邊緣和端側，不是簡單複製或簡化雲端架構，而要在功耗、實時性、隱私和成本約束下實現AI的規模化落地。在此背景下，幾乎所有企業都認為國產AI芯片的發展階段已從“有沒有”逐步過渡至“好不好用”。那國產芯片的格局又將如何演進？愛芯元智邊緣&終端計算業務總經理 劉瑞聚關於未來格局，我認為會呈現“多路線並存、場景驅動”的態勢。雲端大算力領域會有幾家頭部企業形成主導，但不會是一家獨大；端側和邊緣側會更加百花齊放，因為場景極度碎片化——機器人、手機、汽車、工業、農業，每個場景對算力、功耗、成本的要求都不同，沒有一款通用芯片能通吃所有場景。架構創新會持續湧現，國產芯片正跳出單一製程追趕的傳統路徑。我們愛芯元智的定位非常清晰——聚焦端側和邊緣側的垂直場景，做高能效比的專用芯片和解決方案，這也是一條驗證過的可行之路。而我們近期成立的全資子公司“愛芯計算”也將從AI芯片供應商延伸至AI計算平臺，針對具身智能、智慧零售等場景提供邊端AI推理解決方案。東方算芯市場部部長 徐子鳴當前處於路線分化期，早期大家路徑相對趨同，現在各家的技術特色和定位越來越清晰，有做通用GPU的，有做專用芯片的，也有我們這樣走近存計算路線的，不再擠在同一條賽道上。未來格局大概率是多元並存。對中國市場來說，多路線並存既是必然，也是安全需要。後摩智能戰略生態副總裁 楊大衛展望未來，全球AI芯片市場會形成國際廠商與國產廠商雙雄並列的穩定格局。國內市場不會出現一家獨大的局面，最終會沉澱出3-5家擁有核心技術、成熟生態、規模化落地能力的頭部企業，憑藉差異化架構、場景化能力瓜分市場。天數智芯副總裁 宋煜今年的核心變化是AI的發展從技術演示走向真實生產場景，行業關注的重心也在發生變化：不只是模型能力本身，也不只是算力資源的供給，而是能否將模型能力穩定、高效、經濟地轉化為長期可用、可規模交付的智能服務。這不僅要求更高的算力，也要求正確性、穩定性、可恢復性、可觀測性等生產級能力。此外，AI算力解決方案的發展也相應進入了“好不好用、能不能規模用”的新階段。關於未來發展，我們認為核心在於“迴歸計算本質”，用高效率、可預期、可持續的“高質量算力”賦能智能社會。奕行智能高級副總裁 呂劍飛未來格局上，我們認為不同架構會在不同場景下各有優勢。GPU、NPU、RISC-V DSA並非互相替代，而是互補。RISC-V的核心特點是開源、可定製、不依賴指令集授權費——這讓它在需要高度自主可控、或需要針對特定工作負載深度定製的場景中，具有獨特價值。作為業界首個RISC-V架構超節點的提出者，我們很樂意看到多種技術路線共同繁榮，最終受益的是整個中國AI產業。誰能成為特定領域的頭號玩家，誰又是百花齊放中的種子選手，在技