AI的“上甘岭”，是一场协同战争

“算力与数据的协同进化，才是完整的答案

距离WAIC 2026闭幕半个多月了，但它呈现出来的行业方向，依然值得深思。展馆里的喧嚣散去，但那些被反复提及的数字、台上脱口而出的判断，以及展台间人流涌动的方向，仍在持续发酵。

展会从来不只是热闹本身，它是一面放大镜，把产业里最真实的脉动集中呈现出来。哪些赛道在升温，哪些方向在被重新定义，哪些曾经被忽视的环节正在成为新的焦点，都在短短几天里被加速验证、推向台前。正因如此，WAIC的价值从来不只在展会本身，更在于它提供了一个观察产业走向的绝佳窗口。

今年，这个窗口透出的信号有些微妙。

展馆里最热闹的依然是芯片展台，算力叙事在过去18个月里如此强势，以至于你几乎会以为这就是AI的全部。但当你走出最喧嚣的区域，留意那些不那么显眼却同样拥挤的展台，留意台上嘉宾那些不经意的判断，会发现另一条线索正在浮现。

它没有那么张扬，却在更底层的地方悄然生长，指向一个被长期低估的真相。

本文试图捕捉的，正是这条线索。

算力的纵深发展

从“单兵作战”到“集团军协同”

先明确一点：算力的突破是AI一切进展的起点。没有算力，就没有数据产生，更谈不上数据治理，两者并非对立，而是硬币的两面。

本届WAIC上，国产算力交出了一份值得细读的答卷。真正的看点不在纸面算力数字，而在系统级协同能力，这恰恰是算力走向大规模生产应用的标志。

平头哥真武M890搭配磐久AL128超节点服务器拿下WAIC“镇馆之宝”，从数千件参展成果中遴选，评审方看重的不只是单点突破，更是系统级的产业落地价值。真武M890性能达上一代3倍，原生支持FP32至FP4全精度。

但真正让这套系统从“优秀芯片”升级为“基础设施”的，是磐久AL128赋予的系统能力：单柜集成128颗芯片，自研ALink互连架构实现Pb/s级带宽与百纳秒级延迟。

大模型训练的本质，是海量参数在芯片之间高频同步。千亿参数模型的单次训练迭代，需在数万颗芯片间交换GB级数据。当集群从千卡扩展到万卡，芯片间的互联带宽和延迟，往往比单芯片算力更早成为瓶颈，GPU在等待数据中“空转”，是万卡集群最常见的效率杀手。

真武M890通过ALink自研互连解决的，正是“数据在路上跑不动”的难题。目前磐久AL128已上线阿里云百炼，支持Qwen、DeepSeek、Kimi等主流模型，这套自研系统正承受真实生产环境的检验。

如果说平头哥代表了通用架构路线的纵深推进，那么中昊芯英则在TPU专用架构上交出了另一份答卷。新一代全自研TPU芯片“须臾®”实物首秀，本身就是一个信号，从“刹那®”到“须臾®”，两代产品迭代证明国产TPU已走出“能不能做出来”的阶段，进入“能不能持续迭代”的新周期。896TFLOPS混合精度算力，1792TOPS推理算力，性能是上一代3倍，功耗仅600W，相较性能持平的传统芯片降低50%。

同样值得关注的是集群能力：单个超节点最高2048片全光互联，可承载万亿参数大模型训练。全光互联四个字是关键，用光通信替代传统铜互连，解决的是超大规模集群中数据搬移的带宽和能耗瓶颈。

更重要的是，华东首个国产TPU千卡算力集群已在杭州落地，中国电信、中兴通讯与中昊芯英联合打造，中国电信体系内首个大规模国产TPU集群部署项目，已进入真实运营。

杭州市萧山区政府透露，全区已投运5440P智能算力，未来将建设国产万卡集群，二期搭载“须臾®”芯片。从芯片到千卡再到万卡规划，中昊芯英展示的是专用算力从硬件到系统再到规模化商用的完整路径。

神州数码的角色则覆盖算力、网络集成与算力调度。除了旗下神州鲲泰在国产化智算领域的深耕，此次WAIC，神州数码旗下木犀智能还展示了SP6交换机搭载3nm Spectrum-6芯片，整机无阻塞交换容量超100TB，配备64个1.6T端口，专为万卡级集群设计，解决数万张GPU间的数据交换效率。

此外，以AI Infra OS为核心，神州数码HICA平台可实现TPM提升50%、Token端到端成本降低20%；HISO调度平台则可使集群有效容量提升30%、GPU利用率翻倍，在不增加硬件采购的前提下释放算力潜力。

三家企业合力指向同一方向：算力竞争，不仅看“单芯片峰值”，更看“系统级数据吞吐效率”。

更强的算力引擎驱动更大规模的数据流动，而数据流动起来后，新命题自然浮现：AI创造的海量数据，该如何被妥善安放、高效调用、持续复用？

数据的“乘数效应”

存储成为战略资产

西部数据高级副总裁Tim Rausch的演讲提供了一个从“数据终点”往回看的独特视角。

他请AI生成一段咖啡师短片的演示，AI调用了三个存储层级：HBM/DRAM负责提示词分析和模型权重等；闪存保存部分工作数据批次，包括文本编码器和扩散模型权重、KV缓存溢出数据及VAE解码权重；HDD提供品牌规范和参考场景库。一个请求，三类介质协同。

生成结果3.97MB。但请求完成后，AI系统留存了506MB的MP4输出、约3MB的各类日志和元数据，总计509MB，是交付内容的130倍。

“如果妻子发来照片，Siri会自动播报‘你妻子发来一张狗狗在露台上睡觉的照片’。”Tim说，“这意味着苹果在用AI分析那张照片，我的数据经历了一个完整的循环。”他把咖啡师视频发给妻子、上传社交媒体，每多一次分享，就多一轮AI处理和多份副本。

IDC预测：2026年全球产生274ZB数据，2030年增至718ZB。AI不仅在消耗数据池，也在用自己的输出持续回灌，每次推理产生日志，每次生成留存元数据，每次交互被记录都可能被用于训练下一代模型。

这解释了为什么HDD和SSD需求同时在上升，不是存量竞争，而是AI创造的新增数据量太大了。Tim透露，约80%的AI内容存储在HDD上，20%在SSD上。更深层的启示在存储架构：AI需要四层存储，HBM/DRAM紧邻GPU供给数据；KV缓存作为“短期记忆”；SSD承载向量和RAG数据；HDD存储日志、训练数据和用户内容副本。

“没有企业会把整个AI系统跑在DRAM上，”Tim说，“数据会逐级下迁。”而2026年Q1 SSD成本上涨约80%，Gartner预计年底DRAM和SSD综合价格可能上涨130%，“把数据放错层级的代价越来越大。”

西部数据的技术路线包括40TB硬盘样品已向客户提供，2028年达60TB，目标2029年实现100TB。同时通过高带宽硬盘技术将吞吐量提升至2倍、未来达8倍，双枢轴技术使单盘IOPS翻倍。

算力是引擎，数据是燃料，而存储，是承载一切的底座。当AI生成的数据量是交付内容的130倍时，存储从后勤问题升级为战略问题。

治理的价值

数据从“原料”走向“资产”

如果说西部数据揭示的是“数据量有多大”，那么神州数码和北电数智展示的就是“数据怎么用”。

神州数码发布“神州问学：AI原生的流程操作系统”时，AIBG AI产研中心总经理侯浩戳中痛点：“多数企业拥有大模型和AI工具，但知识分散、流程割裂、输出难溯源、专家经验无法沉淀。”

神州数码AIBG AI产研中心总经理 侯浩

翻译一下：模型买回来了，算力搭起来了，但数据散落各处，AI不知如何调用，调用了也不知对错，对了也不知下次怎么复用。神州问学的解法是一套串联“知识、流程、角色、任务”的操作系统：底层纳管各类大模型，知识层完成数据图谱化构建，流程层实现业务协同，顶层面向行业提供定制应用。

以医药行业为例，头部药企将神州问学接入办公工具后，全程版本和修改痕迹由AI记录，可追溯可复用，对强合规行业是刚需。制造业产线良率分析中，神州问学帮助系统归集设备、质量、工艺数据，辅助工程师快速定位故障根因，把老师傅经验沉淀为组织知识。“企业AI上半场比拼模型与算力，”侯浩说，“下一阶段核心竞争力是搭建AI原生流程操作系统，实现组织级智能。”

如果说神州数码解决的是企业内部的“数据资产”问题，那么北电数智展示的则是数据服务如何走向普通人的另一面。

北电数智的展区是本届WAIC最有“人味”的地方。Agent MBTI测试排起长队，“你是什么Agent？”成了展区传播最快的话题。这种趣味互动背后，是北电数智的叙事转换：把AI从技术词汇翻译成人的生活。

“家医助手”展示了真实场景：AI介入前，社区医院大量重复性咨询占用医生精力。引入后，AI自动识别居民咨询、生成回复参考，1名在线人员支持5000至8000名居民的健康咨询，应答率99%以上，响应不超一小时。教育数字大脑让“因材施教”成为可操作的工具，班级认知热力图呈现各知识点掌握度，北京某中学已开展10场系统化教学，覆盖超100人次。AI工业中枢展区，观众用Pad启动订单，智能体自动承接规划、生产、采购、维护全流程，设备故障排障从小时级压缩到分钟级。

北电数智的核心理念很朴素：数据只有服务于人，才有意义。

算力与数据的协同进化

才是完整的答案

把这几家企业的展示拼在一起，完整的图景浮现了。

过去18个月，AI产业的主流叙事是“算力崇拜”，谁有更高算力的芯片、谁建了更大集群，谁就是赢家。真武M890、“须臾”、万卡交换机在这个框架下都有清晰坐标。

但WAIC 2026上，另一条叙事线正在浮现：算力突破与数据治理，并非谁替代谁，而是AI基础设施这枚硬币的两面。

没有算力突破，数据无从产生和加工，芯片的代际跃迁驱动更大规模的数据流动。平头哥的Pb/s级互联带宽解决“数据在路上跑不动”；中昊芯英的全光互联瞄准海量数据在集群内的高效搬移。

没有数据治理的同步进化，算力创造的海量数据就是“无处安放的资产”，Tim的130倍放大效应，只有在存储和数据管理能力同步跟上的前提下，才能从“负担”转化为“资源”。与此同时，神州数码解决数据如何结构化沉淀，北电数智展示数据如何真实服务民生。

阿里云在大会第二天发布Agent Native Cloud时，云原生应用平台负责人周琦说：“下一轮竞争，比的不是谁拥有更多Agent，而是谁能把Agent变成可控、可复用、可协作、会进化的组织资产。”

放在更大框架下同样成立：下一轮AI基础设施的竞争，比的是谁能构建算力与数据协同进化的完整系统。算力驱动数据产生，数据反哺算力训练，螺旋上升，才是AI持续进化的底层逻辑。

从这个意义上说，西部数据的硬盘、神州数码的操作系统、北电数智的场景应用，和平头哥的芯片、中昊芯英的集群同等重要。它们共同构成了AI基础设施的完整拼图。

WAIC 2026上最值得记住的，不是一个算力数字，而是一个完整的图景：你每和AI互动一次，它记住的远比你看到的多。AI的“数据记忆”正在以难以察觉的速度膨胀，而谁能构建从算力到存储到治理的闭环，谁就在定义AI基础设施的未来。

这个故事，才刚刚开始。

文：喆涵数据猿
责编：凝视深空数据猿