浪潮信息发布元脑 SD200 Ultra 与 HC2000 两款智算产品
浪潮信息把 AI 算力瓶颈拆成能力上限与规模供给两层，用两款新品分别应对，提供了看智算走向的框架。
浪潮信息在 AICC 2026 发布两款智算产品：超节点 AI 服务器元脑 SD200 Ultra 单机可运行 10 万亿参数模型，All to All 通信时延降至 0.69 微秒；多元算力机组元脑 HC2000 让不同类型芯片按推理阶段分工，官方称同等投资下 Token 产能提升 10 倍。
正文摘录
但算力「够不够用」这个问题，已经不再能单靠堆卡来解决，它开始分化出越来越多的层面。 前沿模型的参数规模、上下文长度、推理深度在同时变大，Agent 可能连续运行几个小时甚至几天。 另一个问题是 智能规模 ，这个问题更直击灵魂——你的算力能以多低的成本生产多少智能？ Token 需求在爆发，但推理负载是多元的，Prefill 和 Decode 的计算特征不同，堆同一种算力已经覆盖不了这些差异。 智能上限和智能规模，两个问题各自独立，又相互关联，只解决其中一个，无法突破全部的算力瓶颈。 刚刚的 AICC（人工智能计算大会）2026 上，IDC 发布了 《2026 年中国人工智能计算力发展评估报告》 ，把这两个方向拆开讲了一遍。 过去，人们使用大模型时，算力调用更像是「脉冲式」的，用户问一个问题，系统返回一个答案，只调用一次算力。 但在 Agent 接管任务之后，情况变了。一个人类意图可能触发几十次、几百次连续推理；多个 Agent 组成协作网络之后，系统连续运转的时长，还能进一步增加到几个小时甚至好几天。 原本一次次短暂发生的算力请求，开始变成持续不断的计算负载，并 进一步给基础设施带来新的压力 。 IDC 数据显示，从今年到 2030 年，全球 Token 消耗量的复合增长率将达到 4822.6%，Agent 吃掉的 Token 正在急剧膨胀。 IDC 报告显示，全球 AI 算力需求满足率从 2024 年的 79% 一路下滑，2027 年预计跌至 71%，即便此后上游半导体供应链压力有所缓解，到 2030 年也只能恢复到 77% 左右。 百分比的波动看起来不大，但需求基数在急速膨胀，到 2030 年，算力缺口的绝对值将达到 3809 亿美元，扩大到 2024 年的将近十倍。 过去，弥补这种缺口的方式主要是靠「大力出奇迹」，也就是通过集群规模的扩展，堆叠更多的算力。