在AICC 2026大會上，浪潮資訊正式釋出兩款算力產品：面向前沿模型訓練的元腦SD200 Ultra超節點AI伺服器，以及面向大規模推理的元腦HC2000多元算力機組。前者以128芯本土AI晶片緊耦合，實現單機執行總引數量2.8萬億的Kimi K3，Token生成時延首次突破5.85毫秒；後者在典型Agent任務場景中，同等SLO約束下相比單一算力構建的推理系統，實現同等投資10倍Token產能提升。

同場，IDC給出了一組需求側數字：2026年全球活躍Agent約7940萬個，到2030年將達22.16億個；同期Token消耗量從2026年的0.026Peta增長到2030年的152667Peta。Agent數量增長約28倍，Token消耗卻增長數百萬倍。這一剪刀差，構成了浪潮資訊此次產品佈局的背景。

浪潮資訊把算力需求拆成兩個方向。其一是“向上”的能力型智算：Agent時代一次使用者意圖背後可能是幾十次、幾百次甚至更多次推理，多個Agent連續協同數小時甚至數天，疊加前沿模型引數規模持續放大。以Kimi K3為例，其權重檔案約1.56TB，普通AI伺服器的GPU視訊記憶體連權重都裝不下，官方推薦至少64卡甚至更大規模才能執行。簡單堆疊伺服器已難以奏效，超節點的意義在於把更多晶片和記憶體納入統一高效協同的計算域。

SD200 Ultra基於3D HyperMesh架構，提供8TB頻寬和64TB記憶體，採用對稱直連與運算元最佳化減少資料搬移；原生記憶體語義通訊把跨晶片通訊時延降至0.69微秒。軟體側，浪潮資訊構建超級運算元庫，將KDA、Gated MLA、MoE中的基礎運算元融合為計算加通訊的大運算元，運算元數量降為原先的1/11，以減少Kernel Launch次數與HBM訪問開銷。該產品還支援10萬億引數規模的前沿模型，為模型規模與上下文長度擴充套件留出空間。

其二是“向廣”的容量型智算。推理並非單一計算模式，Prefill與Decode的計算特徵不同，Attention與MoE對計算和訪存的要求也不同，多模態、MTP等架構還會帶來更多負載型別。單純增加伺服器可能因資源浪費、失衡與任務排隊，導致部分算力閒置、另一部分持續緊張。HC2000的思路是按負載組織資源：基於DirectCom 2.0極速架構，以原生液冷高密整機櫃為載體，核心軟體棧MCIS持續測量不同算力資源的能力與負載，動態分配並即時調整配置。硬體上採用全液冷設計與高通流供電，單櫃供電能力達300千瓦以上，最大承載256張AI卡，算力密度實現4倍躍升。

值得注意的是，浪潮資訊首席AI戰略官劉軍把這一思路概括為“貫穿式創新”，涵蓋晶片、伺服器系統到模型的縱向貫穿，單機到系統的橫向貫穿，以及技術到生態的貫穿。他提到，Prefill可搭配供應與成本更優的LPDDR顆粒，Decode可選擇大容量HBM的AI晶片，FFN計算環節可選用3D DRAM堆疊晶片，從而放棄用同一種通用巨無霸晶片包打天下的策略。劉軍還表示，智慧的價值不僅取決於最高點有多高，更取決於有多少人能夠獲得它。

從產業視角看，這一佈局回應了今年兩個典型案例所暴露的困境。Kimi K3指向“向上”的部署門檻從單機走向叢集；DeepSeek在2026年上半年將V4-Pro的API價格下調75%並稱長期有效，8月又預告整體提價，理由直指“算力不足”，指向“向廣”的價效比算力容量瓶頸。浪潮資訊試圖用SD200 Ultra突破智慧上限、用HC2000推動規模化供給，並以系統協同連線兩者。對AI產業鏈而言，這意味著競爭焦點正從單點晶片效能，轉向晶片組合、軟體棧排程與系統級協同能力，國產算力如何在同一業務內實現多元晶片分工，將成為後續觀察重點。