近日，在北京举行的2026人工智能计算大会（AICC2026）上，浪潮信息首席AI战略官刘军提出，未来AI计算正形成能力型智算（Capability AI Compute）和容量型智算（Capacity AI Compute）两个新的发展维度，前者支撑智能上限的突破，后者推动智能充分供给。
会上，浪潮信息发布元脑AI超节点SD200 Ultra和元脑HC2000多元算力机组，其中，SD200 Ultra可承载2.8万亿参数模型，Token生成时延低至5.85毫秒，打造能力型智算标杆；HC2000则通过多元算力协同提升Token产能，同等投资下Token产能提升10倍，为智能应用规模化落地提供更高效的算力供给。
智能已成为生产要素
刘军表示，过去，智能一直是人类社会最重要、同时也是最稀缺的资源之一。如今，智能正在像计算、像电一样，成为一种可以大规模生产和供给的生产要素。人工智能的发展也由此出现了两个同样重要的方向：一个方向，是不断向上（Capability）——让AI越来越强，去解决过去解决不了的问题；另一个方向，是不断向广（Capacity）——让智能越来越便宜、越来越丰富，让更多人、更多企业、更多行业都能够获得。
其中，Capability AI Compute，是面向智能前沿的能力型智算，这意味着让AI帮助人类解决今天尚无答案的问题。比如从海量蛋白质中发现新的药物分子候选物，探索数学、物理领域尚未找到的求解路径，从而改变人类发现新知识、理解新规律和创造新技术的方式。
刘军指出，要支撑这样的前沿智能，有三个关键核心要素：第一，模型前沿。目前，前沿模型参数量、上下文长度不断增长，全球最大的开源模型参数规模已达到2.8万亿，未来还将向10万亿参数级演进，同时KV Cache等运行状态持续增长，计算系统需要具备更强的承载能力；第二，极低时延。Agent不是调用一次模型，而是持续进行感知、规划、推理、执行和反馈，一次任务可能包含数十次甚至数百次模型调用，延迟会不断累积，因此需要尽可能减少计算、数据访问和芯片间通信的等待；第三，长稳运行。未来Agent执行复杂任务可能持续数天甚至更久，大量模型调用、工具交互和多Agent协同持续发生，计算系统需要支撑长时间连续运行，保证复杂智能任务稳定完成。
这要求计算系统具有更多芯片、更大内存容量以及更低时延的通信，除此之外，如何让模型权重、KV Cache和运行状态在不同芯片与内存之间高效流动，减少数据搬移和通信等待。
Capacity AI Compute是面向智能普及的容量型智算，前沿智能能否进入日常工作，取决于人们能否负担得起并持续使用。如何让个人能够调用多个Agent，让中小企业能够获得过去难以长期配置的专业能力，让计算系统以可负担的成本提供充足的智能服务。是Capacity AI Compute要解决的问题。这要求计算系统需要按负载特点配置算力，让不同资源承担适合的任务，并协调各个推理环节，减少闲置、等待和重复计算，提升规模化供给的效率。
以系统创新支撑高效供给
面向日益丰富的前沿模型和复杂Agent需求，超节点的意义在于突破传统单机的计算边界，把更多芯片和内存纳入一个高效协同的计算域，为前沿智能提供更大的“有效计算空间”。
浪潮信息发布元脑SD200 Ultra超节点AI服务器，元脑SD200 Ultra基于本土AI芯片，单机承载运行2.8万亿参数的Kimi K3大模型，Token生成时延首次突破5.85毫秒，相当于单用户速度170 Tokens/s，达到业界平均水平的5倍。元脑SD200 Ultra以开放系统设计紧耦合128芯本土AI芯片，实现统一内存寻址超低延迟通信，支持10万亿参数规模前沿模型，打造面向Agent时代的能力型智算标杆。
刘军表示，元脑SD200 Ultra超节点AI服务器具备紧致扩展、统一寻址、对称直连、超级算子特点，能通过规模可扩展、物理紧耦合的系统架构，提高前沿模型承载能力，实现低开销通信和长程任务高可靠运行；跨主机域全局统一寻址，构建百纳秒级低时延的内存语义互连域；基于对称内存，首次在本土算力超节点上实现显存直连，Allreduce 通信时间降低 3.5 倍；同时，率先在本土算力超节点上实现通算融合超级算子，算子数量降低10倍，模型推理性能提升3倍以上。
面向持续、大规模推理需求，浪潮信息发布元脑HC2000多元算力机组。HC2000采用DirectCom 2.0极速架构，基于高密液冷AI整机柜、搭配MCIS推理软件栈，实现计算负载按需匹配、动态优化。围绕不同模型与业务的实际负载，选择相应的算力和存储配置，并通过软件栈组织协同，使得同等投资Token产能提升10倍。
刘军表示，未来，Token工厂不能只问拥有多少GPU、CPU、服务器、存储。还应该问：这些算力能够支撑多强的智能？能够以多低的成本生产多少智能？Agent时代计算产业的新使命将从提供算力走向生产智能。计算产业衡量自身价值的方式，也由此从“拥有多少算力”，进一步转向“能够支撑多强的智能，以及能够以多低的成本生产多少智能”。
（来源：电子信息产业网）
