AI之下，国产AI服务器厂商的“远图”

2026年的WAIC，正在呈现一幅与两年前不同的图景。大模型仍是技术底座，展台主角却更多转向智能体、具身智能和行业应用，AI产业的关键词也由参数、训练和算力储备转向部署、推理与生产效率。

在远图的展台上，这种变化被放进了一个颇具反差的场景：一边是超节点、机架式服务器和高速交换机，另一边，机器人正在模拟服务器产线上的作业。看起来相距甚远的两组展品，恰好连成一个循环：服务器为模型生产Token，机器人开始参与生产服务器，AI基础设施既支撑智能应用，也被智能应用重新改造。

这个循环背后，是服务器生意正在发生的变化。过去几年，算力建设首先解决“有没有”和“够不够”；当智算中心和大规模集群陆续落地，市场开始追问：昂贵的加速卡能否被充分利用？设备能否长期稳定运行？一笔基础设施投入究竟能转化出多少有效Token？AI基础设施从采购逻辑进入运营逻辑，在这样的行业背景下，半导体产业纵横对话远图副总裁丁煜。试图回答一个更具体的问题：当AI基础设施从采购设备进入生产Token的阶段，一家硬件厂商需要具备怎样的能力？

01 Token效率成为AI基础设施的新尺度

丁煜对WAIC 2026的第一判断，是AI正在从展示能力转向交付能力。“AI已经从聊天机器人，逐渐演进到生产力工具。”今年的WAIC 2026上，出现了更多在客户现场运行的垂直智能体、具身智能和行业解决方案，厂商不再满足于演示模型会回答问题，而是要说明它如何接入业务、如何持续运行，以及如何为企业创造可计算的收益。应用端的变化，很快传导到基础设施端。丁煜对此感受明显：“过去，用户更关注算力本身；现在，更关注一套基础设施能够形成多大的Token生产能力。”训练时代习惯用峰值算力衡量规模，推理时代则更关心吞吐、时延、可用性以及每个Token的综合成本。算力从一种被采购的资源，变成了一条需要核算投入产出比的生产线。

如果要为算力和生产力之间找到一个中间尺度，Token正在成为衡量智能产出的一种“一般等价物”。Token并不是最终的业务价值，却是目前最容易被度量的中间结果：同一笔硬件投入，每秒能输出多少Token、用户要等待多久、单位Token成本多高，决定了一套基础设施能否真正转化为生产力。

这也把服务器竞争从单机推向了系统，超节点开始成为AI基础设施领域最受关注的产品形态之一。据丁煜介绍，远图已开发高密度128卡超节点，单机柜可容纳64个以上算力节点。对于持续运行“Token Factory”的大型客户而言，超节点虽然单机价格更高，但通过高带宽互联和更紧密的系统协同，可以提高Token吞吐，使单位产出的成本更具优势。不过，超节点并不会成为唯一答案。区域智算中心、传统行业和中小型企业通常不需要一次性部署数百乃至数千张加速卡。它们更在意初始投入、机房条件、扩展方式、国产芯片适配和后期运维。在这些场景中，传统机架式服务器仍然拥有更高的灵活性。

AI服务器市场由此形成了两条并行的业务曲线：一条追求连续大负载下的Token吞吐和单位成本，指向超节点；另一条追求多场景部署、渐进扩容和异构兼容，指向机架式服务器。丁煜说到：“客户的需求正在变得越来越多元化。”

更值得注意的是，两条曲线的分野并不只在产品外形，而在于厂商能否理解负载。训练、批量推理、实时推理以及行业小模型，对计算密度、网络拓扑、存储带宽和可靠性的要求并不相同。

下一阶段的竞争，不是谁能把更多卡装进机柜，而是谁能为不同负载找到更合适的系统架构，并把峰值性能稳定地转化为业务吞吐。也就是说，Token效率并不是一个孤立的性能指标，它最终考验的是厂商能否把计算、网络、存储和管理组织成一套协同系统。由此，服务器竞争也自然从产品能力走向系统级交付。

02 系统级交付，重塑服务器产业边界

远图同时具备在计算、网络和存储类产品的研发、生产制造能力。WAIC 2026上，远图展示的三类产品对应的正是不同层次的交付需求：第一类是面向超大规模训练和推理的超节点产品；第二类是适合企业级、中等规模部署的机架式计算、存储和网络产品；第三类是与合作伙伴共同呈现的具身智能生产实践。

前两类产品对应AI基础设施的不同规模。超节点面向长期运行大模型服务、追求Token吞吐和规模效率的客户，远图提供 32 卡、64 卡至 128 卡的多层级超节点整机方案；企业级产品则以机架式的通算服务器、存储服务器及智算服务器等为底座。相比超节点，这类产品更适合分阶段建设，也更容易适应不同加速卡、机房条件和业务规模。具身智能领域，远图展示了具备“高级技工”能力的“超级工站”成为焦点，该系统深度融合了物理世界基础模型与工作流 Agent 技术，通过灵巧机械手与自主决策能力，实现了跨工序的系统作业。三类展示分别指向大规模算力、企业级部署和真实生产场景，背后依靠的是同一套工程基础。

在这套能力中，网络的重要性正在快速上升。传统数据中心里，交换机常被看作服务器之外的配套设备；在大规模训练和推理中，它却直接影响加速卡的有效利用率。GPU需要持续交换参数和中间结果，带宽、时延、拥塞控制和拓扑设计中的任何短板，都可能让昂贵的算力停下来等待。丁煜介绍，远图400G交换机已批量交付，800G产品也在2026年开始交付。远图的优势，正是可以让关键的交换机与服务器、网卡和集群拓扑进入同一套研发、验证和交付体系。这就能够减少跨厂商适配和故障定位带来的效率损耗，让服务器厂商有能力对集群的最终表现负责。

03 从头部客户验证走向产业化复制

这种起点也决定了远图今天的商业形态。一端与头部客户联合开发、按项目定制，另一端把经过验证的服务器、交换机和管理工具做成标准产品，面向智算中心和传统行业销售。定制项目解决复杂场景，也提供工程反馈；标准产品则把经验复制到更多客户。丁煜表示，过去服务头部企业时，客户通常具备很强的存储和平台管理能力；但越来越多中小企业开始自建AI环境，它们需要供应商从底层设备一直交付到中间管理。对远图而言，这意味着存储软件、数据中心管理和AI平台能力必须继续产品化，也意味着交付团队要把一次性的项目经验变成可复制的实施方法。远图需要完成的关键转换，正是从“为少数大客户解决复杂问题”走向“让更多中小型客户买得起、用得上、运维得了”。

在这种背景下，远图提出了“算、网、存、管”的全栈产品体系。这不是追求产品线越长越好，而是围绕Token效率重新划定能力边界。计算和网络决定算力能否充分利用，存储和管理决定集群能否长期稳定运行，制造与服务则决定方案能否按期落地。丁煜表示：“我们现在正在逐渐补充面向存储场景的软硬一体解决方案，以及面向管理的数据中心和AI平台管理产品能力。”远图的路径非常清晰：不是在短时间内复制一家覆盖所有层级的传统巨头，而是先把大型客户验证过的硬件与工程能力产品化，再沿着行业客户的需求向软件和交付延伸。

04 结语

中国AI算力的故事，经历了从“有没有”到“够不够”的十年。当下半场进入“好不好”的产业拐点，比拼的就不再是单点算力，而是一套可长期稳定交付的工业化能力。远图正在做的，是把算网存管封装成中国AI产业可大规模调用的基础设施：让算力用得起、用得稳、用得久。这套能力一旦立起来，受益的不只是远图自己，而是整个中国 AI 产业链向上攀爬的台阶。

十年磨一剑，一朝出鞘。丁煜说：“我们希望用一到两年时间，让远图成为行业里面大家认可、耳熟能详的公司。”