全国产10万卡AI超集群投用，国产算力走到哪一步

发布时间：2026-09-25 04:01 更新时间：2026-09-25 04:01 阅读量：0

做站的朋友最近可能有个直观感受：过去一年谈AI，讨论的多是模型能力；进入2026年下半年，话题重心明显往底层挪了——算力够不够、芯片能不能自己供、推理成本压不压得下来。这一轮国产算力的进展，恰好集中在这几个问题上。

十万卡超集群投用，智算规模同比翻倍

据公开信息，中国首个全国产10万卡人工智能超集群已正式投用。这个量级的意义不在于单卡性能，而在于集群层面的工程能力：卡间互联、并行训练调度、故障自愈，都需要整套软件栈配合。同期华为昇腾384超节点的单节点算力达到300 PFLOPS，说明国产方案在系统级集成上已经能拿出可交付的产品。

规模数据同样能说明趋势。2026年3月底国内智算规模为1882 EFLOPS，约为上年同期的2.5倍；到6月底，这一数字进一步达到上年同期的2.8倍。有机构测算，「十五五」期间算力网建设新增直接投资约4万亿元。对普通站长来说，这些数字不直接改变业务，但会影响云服务和API的报价走向——算力供给宽松，推理单价才有下行空间。

芯片企业营收接近翻倍，生态仍是爬坡期

产业侧的变化更具体。海光信息、寒武纪、摩尔线程、沐曦股份、壁仞科技、天数智芯、燧原科技七家国产AI芯片公司，2026年上半年合计营收约214.6亿元，接近上年同期的两倍。摩尔线程、沐曦等智算芯片企业陆续登陆资本市场，融资渠道打开后，研发投入的持续性会好一些。

落地案例也在出现。智谱GLM-5.3-Flash的全部线上流量由10万张国产芯片承载，经优化后单Token成本已达到与主流英伟达GPU相当的水平。这个案例的价值在于，它证明国产卡不只是「能跑」，在成本维度上也开始具备可比性。

但短板要讲清楚。目前多数国产集群可以支撑推理场景，高强度大模型训练仍有限；配套软件生态、开发工具链的成熟度还在爬坡；制造、装备、材料等基础环节需要长期积累。中科院计算所张云泉的观点是，我国总算力居全球前列，但结构性矛盾突出，高端算力供给存在缺口。换句话说，通用算力不缺，缺的是能扛大训练任务的那部分。

政策端持续加码，站长可以关注什么

政策方向比较清晰。国务院《关于深入实施「人工智能+」行动的意见》提出支持人工智能芯片攻坚创新与使能软件生态培育，加快超大规模智算集群技术突破；工信部等部门在《信息通信行业发展「十五五」规划》中提出，到2030年智能算力规模较2025年增长超5倍，有序部署万卡、十万卡及以上智算集群，加大力度适配国产算力芯片。

对做站和做运维的人来说，有几个实际动作值得留意。一是地方算力券，贵州明确每年发放算力券总额不低于8000万元，广东也在完善算力券制度，中小团队租用算力前可以先查当地政策。二是部署环境，国产轻量模型对消费级显卡越来越友好，比如中国电信星辰Xing4.0-29B-A4B在4-bit量化后显存占用约15GB，RTX 3090/4090 这类卡就能本地跑起来，具体显存占用和依赖版本以官方仓库说明为准。

# 查看本机显卡与显存，判断能否本地跑轻量模型
nvidia-smi

查看CUDA版本，注意与推理框架要求对应
nvcc --version

需要提醒的是，模型权重、量化方式、推理框架版本三者要匹配，否则容易出现加载失败或显存溢出的情况。下载渠道建议优先选官方同步的HuggingFace、魔搭、Gitee、魔乐等社区，避免来路不明的权重文件。

整体看，国产算力正处在「基建先行、生态追赶」的阶段。集群规模和政策力度已经摆在那里，接下来看的是软件栈成熟速度和推理成本的下降曲线。对站长而言，短期最实在的变化可能是API调用价格的松动；中期则要留意本地化部署的可行性——当一台带消费级显卡的服务器就能跑起够用的模型，很多业务架构的选项会变得不一样。

继续阅读