核心内容摘要
探索“哈昂哈昂”的奇妙世界：一场关于声音与情感的深度对话
2026年的北京冬日寒风凛冽但中关村的ODCC大会现场却热得发烫。
在大会上从阿里云的“磐久”新形态到腾讯的“全光底座”再到华为的“总线级级联”各大厂不再掩饰自己的野心。
这不仅是硬件的堆叠更是一场关于互联协议、散热极限、供电架构与系统调度的立体战争。
本文将为你全景式拆解在这场决定未来AI基础设施格局的大会上各家大厂到底都在倒腾啥
阿里云暴力美学与“内存墙”的终结者作为国内云厂商的技术风向标阿里云在此次大会上展示了其磐久AI Infra
0架构的核心组件——“玄武”超节点服务器AL-SuperNode。
128卡从“互联”到“融合”阿里云这次端出了自研的单柜128卡的解决方案。
去Host化设计传统服务器是“CPU控制GPU”但在“玄武”架构中CPU的存在感被极度削弱。
阿里云采用了类似NVIDIA Grace架构的思路利用自研的CIPU
0使其不仅作为网络的大脑更成为整个超节点的调度中枢直接管理GPU间的显存寻址。
Scale-Up域阿里云强调在128卡范围内实现了全带宽的Load/Store访问。
这意味着卡A访问卡B的显存延迟低至亚微秒级软件开发者完全不需要关心数据在哪张卡上。
CXL
1 的全面落地这是阿里云本次演讲最大的技术干货。
面对大模型训练中最大的瓶颈——显存容量不足Memory Wall阿里云激进地部署了CXL
1Compute Express Link技术。
远端内存池化阿里云展示了一个连接在超节点背后的“内存柜”通过CXL协议为这128颗GPU额外扩展了PB级别的共享内存池。
核心观点阿里云代表在圆桌上直言“指望HBM高带宽内存降价是不现实的扩容也受限于封装工艺。
CXL内存池化是打破‘内存墙’的唯一解法。
”
腾讯光进铜退押注“以太网Scale-Up”与阿里的“重构体系”不同腾讯的风格一向是务实且强调标准化。
在ODCC大会上腾讯网络与数据中心负责人带来的核心议题是当机柜越来越大铜缆还能撑多久
铜缆的葬礼在过去两年的超节点设计中如NVL72铜缆因为低延迟、低功耗成为机柜内互联的首选。
但腾讯指出随着单Lane速率提升至224Gbps甚至448Gbps铜缆的传输距离已经被压缩到不足
5米。
腾讯的方案全面推进NPONear Packaged Optics近封装光学。
腾讯展示了与立讯技术等合作伙伴联合研发的
2T NPO光引擎。
他们主张在机柜内部、甚至板卡之间就开始使用光互联彻底解决信号衰减问题。
“星脉”网络的进化以太网的逆袭在Scale-Up节点内扩展领域英伟达的NVLink是绝对霸主。
但腾讯显然不想被绑定。
腾讯在此次大会上高调发布了“腾讯超节点以太网规范
0”。
UECUltra Ethernet Consortium的实战化腾讯是UEC联盟的重要推手。
他们通过优化以太网的丢包处理和拥塞控制宣称在256卡的超节点规模下基于以太网的Scale-Up性能已经达到了专用私有协议的95%但得益于通用交换芯片的规模效应成本降低了40%。
华为定义“总线”构建非美系生态华为的演讲永远带着一种“体系化作战”的气场。
在本次大会上华为计算产品线并不是单独发布某一款服务器而是发布一套标准——《灵衢UnifiedBus超节点互联架构白皮书》。
“灵衢”总线不仅仅是互联华为的核心逻辑在于掌握了互联协议的话语权就掌握了异构计算生态的“准入权”与“定义权”。
统一内存语义华为展示了灵衢总线如何将NPU、CPU、SSD甚至网卡统一在一个地址空间下。
这与阿里的CXL路线异曲同工但华为做得更封闭、更紧耦合。
HCCS的超节点演进基于HCCSHuawei Cache Coherent System华为展示了Atlas 900 SuperCluster的最新形态。
重点在于解决“长尾延迟”。
华为指出在千卡级超节点中
1%的慢连接会拖垮整个集群。
灵衢协议引入了硬件级的重传和纠错机制大幅提升了大规模并行的线性度。
算力原生的液冷设计不同于其他厂商“先设计服务器再考虑液冷”华为强调了“原生液冷”。
他们发布的超节点机柜背板直接集成了流道实现了100%的全液冷散热**包括电源模块和光模块。
百度高密度集成统一内存架构百度的布局则体现了其“高密度集成、统一内存架构”的极致追求。
百度基础设施AI资深架构师武正辉在演讲中强调“端到端时延控制在微秒级避免GPU空闲。
” 这一目标直指MoEMixture of Experts等稀疏激活模型的训练痛点——频繁的All-to-All通信极易因延迟而造成GPU等待导致算力浪费。
百度推出了“天池”系列超节点产品规划了从256卡到512卡乃至千卡级的演进路线。
天池256超节点已实现卡间互联带宽较前代提升4倍主流大模型推理任务单卡tokens吞吐提升
5倍。
其核心是全互联架构与统一内存架构通过专用互联芯粒与高速协议实现跨加速卡的内存共享显著降低通信开销。
在全栈布局上百度从昆仑芯芯片、百舸AI计算平台到千帆大模型平台构建了完整的AI Infra体系。
其目标是通过系统级优化将算力投资高效转化为业务成果支撑文心大模型
5.
0
4万亿参数等超大规模模型的训练与推理。
百度的战略是通过全栈自研与高密度集成打造资源利用率最大化、成本最优的AI算力引擎。
总结2026算力进入“拼积木”时代通过各大厂的方案的分析可以清晰地看到不同的技术路线与生态博弈。
在互联协议上腾讯主推ETH-X阿里支持UALink并兼容多种协议华为坚持自研的灵衢UB协议而百度则依托其全栈能力构建专有的天池架构。
这反映了开放与自主之间的张力。
在规模目标上华为的8192卡目标最为激进百度规划了512卡及千卡级阿里聚焦于128卡的高效节点腾讯则从百卡级向更大规模演进。
不同的规模选择体现了各自对技术成熟度与市场需求的判断。
在开放策略上阿里和腾讯通过支持或主导开放标准推动跨厂商互操作华为则选择开放其UB协议规范吸引生态伙伴百度则强调核心部件的全面国产化保障供应链安全。
这些策略共同指向一个目标在激烈的竞争中既要掌握核心技术又要避免被孤立。
值得注意的是所有企业都面临着“软节奏”与“硬周期”错配的共同挑战。
AI模型的快速迭代要求互联技术必须具备高度的灵活性与可扩展性。
GPU侧的IP供应商这是解决这一问题的关键——通过将互联功能从主算力芯片解耦可以灵活配置支持多种协议从而加速技术迭代降低研发成本。