在AICC 2026上，浪潮信息发布超节点AI服务器元脑SD200 Ultra和多元算力机组元脑HC2000，分别针对前沿模型承载与Token产能问题；IDC同场报告预计2030年算力缺口绝对值将达3809亿美元。
AI解读：浪潮信息这次发布的两款产品，针对的是两个不同的算力问题。SD200 Ultra处理“单机能不能装下、跑得快不快、长时间稳不稳”，HC2000处理“同样的投资能产出多少Token”。
Agent是需求变化的直接原因。一次人类指令可能触发几十到几百次连续推理，多个Agent协作时系统可以连续运行几小时甚至几天，原本脉冲式的算力调用变成了持续负载。IDC给出的数字是，到2030年全球每年AI推理任务增长4000万亿次，今年到2030年全球Token消耗量复合增长率达4822.6%。
供给端跟不上。IDC报告显示全球AI算力需求满足率从2024年的79%下滑，2027年预计跌至71%，2030年恢复到约77%；因为需求基数膨胀，2030年算力缺口绝对值将达3809亿美元，接近2024年的十倍。
对买算力的人来说，这次发布真正的新信息是“多元算力分工”和“单机大模型容量”。HC2000让Prefill、Decode、FFN分别用不同芯片，MCIS软件栈负责路由和PD配比调整，浪潮称在典型Agent任务场景中同等投资下Token产能提升10倍。SD200 Ultra单机芯片从64颗增至128颗，显存8TB、扩展存储64TB，可单机运行2.8万亿参数的Kimi K3，并支持单机部署10万亿参数模型。
这些数字来自浪潮信息和IDC在会上的发布，属于厂商与报告方口径，尚没有第三方实测或客户案例佐证。对普通读者来说不需要立即行动；真正要评估的是，如果你的推理负载以Agent长任务为主，多元算力调度和KV Cache分级存储是否真能落到你的成本账上，这需要拿自己的业务负载去验证。
2026年9月22日，浪潮信息在AICC（人工智能计算大会）2026上发布两款产品：超节点AI服务器「元脑SD200 Ultra」和多元算力机组「元脑HC2000」。浪潮信息首席AI战略官刘军将算力瓶颈拆成两个方向——Capability AI Compute（能力型智算）和Capacity AI Compute（容量型智算）。
同场，IDC发布《2026年中国人工智能计算力发展评估报告》。报告称，到2030年全球每年AI推理任务将增长4000万亿次；今年到2030年全球Token消耗量复合增长率将达4822.6%；全球AI算力需求满足率从2024年的79%下滑，2027年预计跌至71%，2030年恢复到约77%；2030年算力缺口绝对值将达3809亿美元，扩大到2024年的将近十倍。
SD200 Ultra：单机128颗芯片，目标装下10万亿参数模型
SD200 Ultra延续去年SD200的3D Hyper Mesh架构，整机内芯片数量从64颗增加到128颗，显存和扩展存储提升到8TB和64TB。浪潮信息称，目前全球最大的开源模型Kimi K3有2.8万亿个参数，SD200 Ultra可以单机装下并高效运行，并支持在单机上部署10万亿参数的模型。
通信方面，SD200 Ultra通过全局统一编址、虚拟影子设备注册和跨域地址翻译，让128颗芯片的显存形成统一地址空间；再通过对称内存技术实现GPU显存直连。浪潮信息给出的数据是，All to All通信时延缩短到0.69微秒，达到国际主流超节点产品相当的水平。
计算方面，SD200 Ultra构建「超级算子」技术，把Attention、FFN、MoE等基础算子融合成计算与通信一体的大算子，算子数量降到十分之一。浪潮信息称，运行Kimi K3的推理性能提升3倍以上，Token生成时延低至5.85毫秒。文章提到，这一优化过程使用了K3来分析和重构推理流程。
稳定性方面，SD200 Ultra采用铜互联方案，减少光电转换环节，以降低长时间运行中因电路故障导致任务中断的风险。
- 芯片：64颗增至128颗
- 显存：8TB
- 扩展存储：64TB
- All to All通信时延：0.69微秒
- Kimi K3推理性能提升：3倍以上
- Token生成时延：5.85毫秒
HC2000：按推理阶段分配不同芯片，称同等投资Token产能提升10倍
HC2000的硬件基础是高密液冷AI整机柜，采用全液冷设计加高通流供电。浪潮信息称，单柜供电能力超过300千瓦，最多承载256张AI加速卡，算力密度达到传统风冷机柜的4倍。通信架构升级到Directcom 2.0，计算与通信带宽1比1均衡配比，柜内聚合带宽达200Tbps，支持跨柜多平面无损扩展，All to All通信性能提升50%以上。
其核心思路是让不同类型的芯片按推理阶段分工：Prefill阶段选择大算力芯片配合成本更优的显存颗粒；Decode阶段选择大容量HBM芯片；FFN计算环节选择3D RAM堆叠芯片。整机柜支持成熟的工业标准架构模组，适配多种算力芯片。
协调这些芯片的是「MCIS多元算力协同推理软件栈」，覆盖从请求路由、PD分离推理到算力动态调整的全链路。MCIS在模型部署前通过性能仿真评估不同芯片组合和PD配比；上线后对计算、缓存、传输各环节做全链路监控；业务负载变化时重新评估PD配比和实例分配。
浪潮信息称，MCIS打通不同类型算力之间的点对点数据直传，避免CPU中转和重复拷贝，数据传输性能提升近5倍；根据KV Cache数据冷热程度构建分级存储，结合多级流水并行聚合，节点内磁盘I/O性能提升32倍。最终在典型的Agent任务场景中，HC2000搭配MCIS在同等投资下实现了10倍的Token产能提升。
- 单柜供电：超过300千瓦
- 单柜最多承载：256张AI加速卡
- 算力密度：传统风冷机柜的4倍
- 柜内聚合带宽：200Tbps
- 数据传输性能提升：近5倍
- 节点内磁盘I/O性能提升：32倍
- 同等投资Token产能提升：10倍（典型Agent任务场景）
刘军的类比：从「提供算力」到「生产智能」
刘军在AICC上的演讲中称，世界上第一台通用电子计算机ENIAC很重要，但真正改变几十亿人工作和生活的是个人电脑和智能手机；最先进的发电技术很重要，但真正改变工业社会的是稳定廉价的电力进入千家万户。他将AI的这一过程概括为：前沿智能的首次突破决定AI能做到什么，智能的普及程度决定它能改变什么。
文章称，Capability和Capacity互为因果：Capability突破出的新能力，经过算法优化和工程迭代，会以更低成本向下渗透，变成Capacity需要规模化供给的东西；Capacity把智能送到更多人手中后产生新应用和新需求，又反过来推动下一轮Capability。
文章提到，去年全球规模最大的开源模型是DeepSeek-R1，参数量6710亿；今年是Kimi K3，参数量2.8万亿。刘军称，「生产智能」的今天，用户买算力设施就应该像买电冰箱一样，插上电就能产Token。