单机跑Kimi K3仅5.85毫秒，浪潮信息破解Agent算力难题

2026年，Agent火爆空前。IDC在AICC 2026大会上发布数据：2026年全球活跃Agent约7940万个，2030年将达22.16亿个；Token消耗量从0.026Peta增长到152667Peta。Agent数量增长约28倍，Token消耗增长数百万倍。

需求侧增长如此之快，算力供给能接住吗？今年两个案例十分典型：Kimi K3总参数量2.8万亿，权重文件1.56TB，普通AI服务器显存连权重都装不下，官方推荐至少64卡甚至更大规模才能运行，指向“向上”的困境——能力上限越高，部署门槛越从单机走向集群。DeepSeek上半年将V4-Pro的API价格下调75%，8月又预告整体提价，理由直指“算力不足”，指向“向广”的困境——性价比算力需求被迅速放大，容量不够，低价供给难以持续。

在AICC 2026大会上，浪潮信息给出回答：向上，Capability AI Compute；向广，Capacity AI Compute。会上正式发布元脑SD200 Ultra超节点AI服务器和元脑HC2000多元算力机组，通过系统协同，从提供算力走向生产智能。

超节点突破智能上限。Agent时代，一次用户意图背后可能是几十次、几百次甚至更多次推理，是多个Agent连续几小时甚至几天的协同工作。前沿模型Scaling up加速，Kimi K3参数量达2.8万亿，未来可能扩展到十万亿参数量级。简单堆服务器行不通，超节点的意义在于突破传统单机计算边界。元脑SD200 Ultra以开放系统设计紧耦合128芯本土AI芯片，实现统一内存寻址超低延迟通信，并以对称直连、算子优化等创新技术减少数据搬移与等待。基于这套系统，SD200 Ultra可单机运行2.8万亿参数的Kimi K3，Token生成时延首次突破5.85毫秒，还支持10万亿参数规模的前沿模型。其采用3D HyperMesh架构，提供8TB带宽和64TB内存；原生内存语义通信把跨芯片通信时延降低到0.69微秒；超级算子库体系将算子数量降低为原先的1/11，减少Kernel Launch次数和HBM访问开销，隐藏通信延迟。

让智能供给“供得上、供得便宜”。随着Agent数量和使用深度增加，Token需求继续快速增长，提高单位计算资源Token产出成为规模化供给关键。推理不是单一计算模式，Prefill和Decode计算特征不同，Attention和MoE对计算与访存要求不同，简单堆服务器不能带来线性能力增长。浪潮信息的答案是元脑HC2000多元算力机组，面向持续、大规模推理需求，基于DirectCom 2.0极速架构，以原生液冷高密整机柜为载体，按负载组织计算资源，实现多元算力协同。核心软件栈MCIS持续测量不同算力资源的能力与负载，根据任务需求动态分配算力并实时调整。硬件层面，HC2000采用全液冷设计和高通流供电，单柜供电能力达300千瓦以上，最大承载256张AI卡，算力密度实现4倍跃升。在国产算力基础上，通过MCIS和某模型适配，在典型Agent任务场景中，同等SLO约束下，相比单一算力构建的推理系统，实现同等投资10倍Token产能提升。

从Capability到Capacity，为什么需要系统协同？SD200 Ultra和HC2000，一个向上，一个向广，底层是同一个判断：当智能开始被“生产”，算力产业竞争不再是单点竞争，而是系统竞争。浪潮信息首席AI战略官刘军将这种思路概括为“贯穿式创新”：一是从芯片、服务器系统到模型的贯穿；二是从单机到系统的贯穿，根据不同计算负载特征匹配最适合的计算资源，如Prefill用大算力芯片搭配LPDDR颗粒，Decode选择大容量HBM芯片，FFN环节选择3D DRAM堆叠芯片，构建多元芯片、多元算力系统；三是从技术到生态的贯穿，产业协作从零和博弈转向开放共赢。

从更长周期看，Capability和Capacity并非两条平行线，而是一个循环。Capability负责创造新的可能，Capacity负责让新的可能被更多人获得。更大规模的智能普及，又会带来新的应用、新的数据、新的需求，推动下一轮Capability突破。系统协同，正是让这个循环持续运转的底层机制。

进入Agent时代，Token工厂不能只问拥有多少GPU、CPU，还应问：这些算力能够支撑多强的智能？能够以多低的成本生产多少智能？浪潮信息用SD200 Ultra向上突破智能上限，用HC2000向广推动智能规模化供给，连接两者的是系统级协同创新与开放生态。今天的Capability，正是明天Capacity需要规模化供给的能力。Agent时代，计算产业的使命因此变得比以往任何时候都更宽广。