过去几年，Scaling Law深刻塑造了AI行业的发展轨迹：不断堆算力、堆数据、堆参数规模，以换取智能的涌现。

随着Agent时代的降临，对算力的需求渐渐从预训练转向推理，海量的Token消耗从根本上重塑了整个产业的评价体系。在“Token经济学”的叙事下，重心开始向更低的延迟、更高的能源效率倾斜。

当单纯扩大规模带来的边际效益开始递减，行业亟需回答：怎么在限的能源、空间与信息边界内，产出更高密度的智能？

在5月8日举行的NAVIGATE 2026领航者峰会上，我们与新华三集团技术委员会副主席刘新民进行了一场对话，得到的答案是：AI基础设施正从单一的硬件竞争，进入系统重构与架构创新的“系统工程竞争”。

01 拒绝“参数崇拜”：从“设备思维”到“系统思维”

全行业都在疯狂卷参数、卷规模的背景下，刘新民提出了一个直击灵魂的悖论：“设备参数这么强，为什么还需要调优呢？”

一语点破了AI时代最大的产业变革。

在传统ICT的语境里，评价设备能力的逻辑很简单，比拼的是CPU性能、网络带宽、存储IOPS、单机吞吐等静态指标，似乎只要把最顶级的算力卡、最高速的无损网络和最大容量的存储连接在一起，就能发挥出最大效能。

但在大模型推理环节，Token的产出是一个依赖动态协同的过程，即使单体硬件性能指标再高，如果底层架构的数据流转没有打通，实际运行大模型时依然无法跑得“通透”。硬件的堆砌只提供了理论上的性能上限，深度的系统级工程能力，才真正决定了算力转化为生产力的效率。

为什么传统的“设备思维”注定走向终结？刘新民在NAVIGATE 2026领航者峰会技术创新峰会的演讲中提出了三个结构性“剪刀差”。

首先是数据的“剪刀差”。

目前互联网上的高质量文本数据已近枯竭，而大模型对高价值语料的渴求仍在爆炸式增长。在数据孤岛、合成数据质量差等约束下，核心矛盾不是数据不够用，而是缺乏可信好用的数据。

其次是算力的“剪刀差”。

当芯片制程无限接近物理学极限，摩尔定律的放缓已是不争的事实。更致命的是传统冯·诺依曼架构的瓶颈——在大模型的训练与推理中，95%以上的算时被消耗在数据搬运，而非真正的计算上。

最后是能源的“剪刀差”。

AI算力需求的翻倍仅需一年，传统电网基建的规划与扩容周期则要5到10年。能源的线性供给速度，可能永远都追不上功耗需求的指数曲线，单纯硬件扩容将不可避免的遇到一道道的“能源墙”。

三个无法逾越的“剪刀差”，揭示了：算力底座的进化，绝非某个单一要素的优化，必须是一次全局性的系统进化。

刘新民在对话中谈到了这样一段经历：“我们自己内部的一个解决方案，最初看上去，产品配置、参数指标、理论方案都很漂亮，但真正落到实战时，总感觉竞争力不够。后来团队花了半年时间，重新去抠每一个细节：设备如何组合、网络怎样优化、链路如何调度、资源如何分配，甚至细化到系统每一个层级的协同效率。最终发现，真正拉开差距的，并不是多堆几张卡，而是隐藏在系统背后的工程化能力。”

作为ICT行业的务实派，新华三身体力行地印证了：AI基础设施的竞争，已经从“设备思维”走向“系统思维”，谁能把复杂系统真正调到极致，谁才能把理论算力转化成实实在在的生产力。

02 打破物理极限：“算—存—云”三位一体的算力底座

回到当下最热门的课题：面对海量的Token消耗，怎么解决算力体系普遍存在的性能和效率瓶颈呢？

刘新民的回答是：“算力底座不是硬件的简单堆叠，而是系统重构和架构创新，从而构筑起支撑智能体高效运行的坚实基座。”相对应的，新华三正在打造“算—存—云”三位一体的算力底座。

深挖一层的话，可以归纳为四大核心能力。

第一个是硬件工程能力。

在不“堆硬件”的理念下，新华三在硬件设计上下了很大功夫：通过创新主板、小型化设计、冷板共用等创新，在标准1U空间内集成6颗高性能CPU，实现了“一柜顶五柜”的效果。为了确保超高密架构稳定运行，新华三还推出了业界首个量产的全液冷整机系统，实现了100%全液冷散热。

第二个是极致存储能力。

在推理阶段，Token的生产成本主要取决于数据流动效率。新华三的解法是面向AI场景进行全栈优化：比如通过AI算法实现智能缓存预取，提升了缓存命中率和读取性能；通过KV Cache加速技术，打破推理中的显存限制和数据瓶颈，使Token首次时延降低90%、重复IO请求节省80%。

第三个是云智融合能力。

通过“通智融合”与“一云多芯”架构，新华三实现了异构算力统一调度、资源池化与高效复用，可保障业务在10万节点规模下持续稳定运行。同时研发了智算加速引擎，将跨节点通信时延降低了50%，并利用算子融合与内存池化技术，打破了单卡显存瓶颈，将模型的推理效率提升了20%。

第四个是多元生态能力。

面对各类GPU各异、标准不一的行业现状，新华三以开放架构为核心，通过异构算力生态、算力互联生态与融合软件生态，构建了多元开放的算力体系，目的是实现多厂商GPU平滑接入与统一协同，进而推动算网深度融合，为百行百业的客户实现更灵活、高效的最优算力配置。

新华三的思路并不复杂，用一句话概括的话，即通过超高密架构和全液冷设计提升硬件性能；利用高性能存储和KV Cache加速突破数据瓶颈；依托“通智融合”调度与AI超融合优化资源分配；最终以多元算力开放生态，实现全域资源池化与聚合。

需要说明的是，新华三并未止步于“画蓝图”，正在用一个个量产的产品加速将理念落地：

比如兼容多CPU平台、适配100款以上AI加速卡的R5500 G7X模组机型，单卡功耗释放比上一代提升了42%；面向智算场景的X10000系列XCache推理加速系统，可实现KV多级缓存卸载，在同等算力下将用户并发数和Token产出效率提升10倍；UniPoD S80000系列超节点产品，1024卡超节点可通过Scale-Up扩展至16384卡，同时支持73728卡超大规模集群……

刘新民在对话中多次提到：新华三的愿景是通过系统级重构，实现“每一瓦电力到每一个Token产出”的最优效率。

03 跨周期的长期主义：构建拟态AI原生基础设施

一个无法回避的现实在于：大模型正在以周为计刷新、几乎每天都有新的事物出现，不确定成了AI时代的底色。

站在普通人的视角上，“不确定性”往往伴随着一种独特的魅力，可以天马行空地想象十年后的日常。对于一家创新驱动的技术企业而言，需要基于前瞻性的洞察提前布局，找到一条确定性的路径。

未来十年的AI基础设施将朝什么样的方向进化？目前还没有确切答案，但新华三找到了一个独特的视角。

刘新民在演讲中做了一个形象的类比：人类大脑仅需约20瓦的极低功耗（仅相当于几片面包的能量），就能驱动感知、决策、思考与行动一体的高级智能。这种低碳高能、全感官融合、自组织且具备免疫自愈能力的形态，正是未来AI基础设施的终极蓝图。

怎么理解“类人智能的拟态AI原生基础设施”呢？刘新民进一步拆解了六大具备生命特征的形态跨越。

一是计算之“心”：构建一种多范式混合的高效架构。未来的计算架构将是以冯·诺依曼架构为基础，通过光互联耦合存内计算、类脑计算等多种计算范式，达到算效和能效的最优化。

二是联接之“神经”：搭建全域高质、多维融合的网络。未来的联接将是“通感智算一体化”，依托空心光纤等技术打破物理传输极限，并通过空天地一体化和自组织联接实现集群协同。

三是是存储之“记忆”：塑造主动知识载体。利用类脑存算一体架构，减少数据搬运能耗；通过语义编码与知识固化，将数据转化为随时调用的知识；并将存储嵌入推理链路实现“以查代算”。

四是交互之“大脑”：构建与物理世界交互的中枢。过去的AI像是“缸中之脑”，未来的智能必须拥有“躯体”，理解重力，感知因果，让AI从云端走进现实，高效管理万亿级智能体运行。

五是安全的“免疫”：构建自治自愈的防御体系。未来的安全将告别事后审计，构建物理隔离的动态校验屏障、提前识别背离人类价值的恶性逻辑、逻辑可审计、因果可追溯等能力。

六是能源之“呼吸”：打造低碳循环的能源基石。未来的AI数据中心，将改变传统的供电散热逻辑，成为以Token为核心的能源底座，实现算、电、热的精准匹配，让PUE无限接近于1。

听起来有些不可思议，却是新华三下一个十年的战略锚点，目前已经前瞻布局通感算智融合的新型网络、存算一体新型计算范式、内生免疫安全等前沿技术方向，目标是构筑一个永续共生、内生进化的AI原生基础设施。

可以佐证的是，新华三在几年前就联合科研机构进行了长达2000公里的测试，验证了光技术在长距离传输时的时延和确定性，当初也曾不被理解，现在被证实是AI时代的刚需。

04 写在最后

当大模型的喧嚣与资本的狂热逐渐归于平静，产业终将回归商业效率与技术演进的客观本质。

就像Token经济学所昭示的：AI算力基础设施的使命，不再是无休止地堆砌物理参数，而是要在系统工程的极限逼近中，实现从每一瓦电力到每一个智能Token产出的最优解。

至少在AGI时代的破晓之际，新华三在内的企业已经在“无人区”里完成了对算、网、存全栈能力的底层重构，不断向生命系统的进化汲取智慧，默默为数智经济夯实了最坚固的底座。