卖设备、建方舱、租算力，立讯智算的算力棋局三步走

AI Infra正在进入重系统、重工程、重交付的阶段。

一台32卡服务器，零部件数量就有10万至11万颗；做到整机柜，数量超过100万颗。GPU要通过高速网络协同运行，供电、散热、互联和系统可靠性也必须同时过关。AI Infra走到今天，已经是一项系统工程。

过去，客户采购服务器，关注的是芯片、内存和算力指标。现在，一套AI系统要把多台服务器连成集群，还要解决机柜供电、液冷散热、网络互联、数据中心建设和后续运维。服务器不再是一台台独立交付的设备，整机柜和集群开始成为新的计算单元。基础设施的规模也在随之扩大。国际能源署预计，全球数据中心用电量将从2024年的415太瓦时增至2030年的约945太瓦时。算力需求增长，牵动的不只是芯片和服务器，还包括电力、制冷、网络以及机房建设。

在英特尔Connection大会上，作为战略合作伙伴和铂金赞助商，立讯智算亮相现场。继7月上海WAIC 2026推出NEXTiX LEGION标准化服务器后，这次它带来了方舱预制数据中心和算力租赁业务。两次亮相相隔两个月，立讯智算把业务从服务器，推进到了数据中心建设和算力服务。

01 英特尔加持，走向万卡集群

服务器的门槛因此不断抬高，小厂商很难再靠单一产品参与竞争。而立讯长期积累了声、光、电、热、磁五个方向的技术，形成了“五大技术底座”。从连接器、线缆，到供电、散热和高速互联，再到服务器整机，立讯将原本分散在不同部件中的能力整合进同一套系统，形成从零部件到整机的“垂直整合”。

展台上的几类设备，都属于同一个产品家族：NEXTiX LEGION。覆盖从标准GPU服务器、高密度液冷和风冷OAM服务器，到超节点、整机柜和多卡定制产品，面向企业级推理、大模型训练以及更大规模的推理集群。客户可以从单机开始，也可以直接部署整机柜和集群。

在立讯智算的展台上，我们看到了两台体积相差明显的8卡服务器：同样搭载8张OAM加速卡，液冷机型做到了2U，风冷机型则占用8U。

风冷机型体积更大，却对应着一类现实需求。立讯智算副总经理倪世军解释：“中国有大量已经建成的数据中心，单机柜供电能力有限，原有制冷系统也不是为高密度液冷设备准备的。”风冷机型考虑的正是这些存量机房。

高密超节点是AI Infra的趋势，也是立讯智算最重要的产品线。倪世军介绍，立讯智算去年推出了2U超节点机型，今年又推出1U机型，构建出面向大模型训练和推理的TITAN-iX液冷整机柜方案。方案采用第四、第五代英特尔至强可扩展处理器，单机柜支持128张GPU，并可扩展至千卡、万卡级集群。

为什么立讯智算在超节点整机柜中，选择英特尔CPU作为“机头”？倪世军给出的理由很直接：“英特尔CPU稳定性好，跟各家产品的兼容性更好。”英特尔与立讯的合作已有几十年，最初从零部件和周边服务开始，后来延伸到服务器及整机柜，倪世军说到：“CPU平台少一些适配和运行上的问题，研发团队就能把更多精力放在GPU算力、高速互联、供电和散热上。”

随模型而变，为场景而战。为了降低使用门槛，NEXTiX LEGION全家族都采用统一的系统架构和Family ID，在BIOS、BMC固件、热设计、运维管理、集群组网和质量标准上保持统一。采购不同机型，可以沿用熟悉的运维体系；集群扩容，也能减少重复适配的工作。

立讯智算的产品也不只面向单机。整机柜交付、正交组网和液冷高密度部署，支持算力从千卡扩展到万卡。服务器数量增加之后，设备之间能不能稳定协同，和单台机器的性能同样重要。这就是“军团化”：产品型号可以不同，使用的标准尽量保持一致。立讯智算交付的，是一套能够从单机走向集群的产品。

02 AI等得起一座数据中心吗？

“你什么时候可以供货？你什么时候可以建成数据中心？你什么时候有Token输出？”

三连追问，成为了当前算力市场的共同难题：AI需求增长太快，算力供给却跟不上了。IDC预测，2026年至2030年，全球Token消耗量的复合增长率将达到4822.6%。与之相对，全球AI算力需求满足率预计从2024年的79%降至2027年的71%，到2030年也只能恢复至77%左右。

黄仁勋也抱怨过建设速度。在与美国智库CSIS负责人约翰·哈姆雷的对话中，他表示，在美国，从破土动工到建成一台AI超级计算机，大概需要三年。

算力需求井喷式爆发，传统数据中心却还在“慢工出细活”。国内传统数据中心建设通常需要一年，海外可能需要两年。对于业务等着上线的客户，这样的等待并不轻松。设备采购花了钱，机房却迟迟不能交付，收入自然也要往后排。

AI算力需求暴增下，慢就是原罪。

面对这个问题，立讯智算给出的解法是方舱预制数据中心：把数据中心做成一件可以出厂的产品，像搭积木一样建算力。倪世军将其称为“拎包入住”的数据中心，交付内容“包括了基建、服务器、软件”。

各模块按标准集装箱比例预制，在工厂完成集成与测试，再运到现场拼装。客户按需求选择组合，供电、散热、网络和计算设备一并交付。这些“积木”各有分工，能源模块集成变配电与储能，液冷模块通过CDU、冷板和管路为芯片散热，算力模块容纳GPU机柜阵列，组网模块采用正交组网、内嵌算力池，租户模块则支持可插拔交付和一池多租。

省下来的，首先是各道工序相互等待的时间。设备提前在工厂配好、测好，现场便能减少逐项安装和协调的工作。倪世军说到：“预制式数据中心，就是希望将原本需要一两年的建设周期缩短到半年。”

做这件事，立讯有现成的基础。散热、互联和供电，都是它已有零部件积累的领域。立讯智算将这些能力与服务器结合，可以把更多配套工作纳入同一套方案。立讯散热、互联、供电的零部件都可以整合在预制方舱中。

原本分别交付的部件，现在要在工厂里配成一套系统：电源匹配机柜负载，冷板和管路连接计算设备，互联模块组织计算资源。厂商把这些工作做在出厂之前，客户就不必等设备全部到场，再逐项协调。

实际上，预制数据中心也是AI基础设施建设的大势所趋。据SemiAnalysis工业模型统计，全球已有超过61GW的数据中心容量采用某种形式的模块化或预制化策略，涉及超过1000个项目。预计到2028年底，模块化建设将占到全球投产数据中心总容量的30%以上。

前两天华为提出建设3D数据中心，将供冷、IT设备、供电和备电设施分层部署，同时采用工厂预制、现场装配的建设方式。整套方案将设周期压缩至9个月。

立讯智算的方舱预制数据中心，正是对下一轮算力建设的判断：客户既需要更多服务器，也需要更快建成的机房。把这两件事一起考虑，才能跟上AI业务扩张的速度。

03 何以解忧，唯有算力租赁

预制方舱可以缩短数据中心的建设周期，但还有一道更现实的门槛：耗钱。

谷歌母公司Alphabet的2025年资本开支达到914亿美元，绝大部分投向技术基础设施。专门经营AI云服务的CoreWeave，同年资本开支达到149亿美元，而全年收入约为51亿美元。

自建算力，设备、机房、运维样样要钱。AI业务能赚多少还没底，企业就得先为基础设施买单。对另一批客户来说，钱之外，还有经验的欠账。

互联网企业在AI应用上走得相对靠前，其他行业也希望尽快获得算力，却未必熟悉设备选型、集群部署和运行维护。从自己建数据中心、买服务器到用上模型，倪世军表示：“一个是时间很长，一个是成本很高”。

立讯智算为此提供了另一种选择：算力租赁。倪世军道出了立讯智算推出算力租赁服务的初衷：“我们希望算力能够普适化，让大家都能便捷地获得算力，降低算力的获取门槛。”

立讯智算的算力租赁，有三大优势。

第一，租法灵活，上线快。支持专属整租、弹性共享和混合调度，按卡时、整机或包年包月计费，随业务扩缩。客户无需先购置设备，立讯智算通过提前准备资源池，以周级上线为目标，缩短交付等待。

第二，资金与供应链托底。依托集团资金、规模集采和供应链金融，支撑设备采购及长期运营，再通过租金回流滚动投入，兼顾采购成本与交付保障。客户按约定支付服务费用，前期备货和资金占用由服务商承担。

第三，全程托管，运维有保障。7×24小时远程监控配合工程师驻场，覆盖上线、日常维护、故障处理和退租交割；可用性、响应时效及赔付机制写入SLA合同，让服务承诺有据可依。

何以解忧，唯有算力租赁，AI基础设施正在从“买设备”变成“买算力”。

04 是NEXT，是NEXTiX

当前，服务器的市场还在增长。TrendForce预测，2026年全球AI服务器出货量增速从28%上调至接近31%。采购需求既来自大型云厂商的整机柜部署，也包括自研加速器和国产AI方案的扩张。

谈起未来五到十年，倪世军用了“重构”这个词形容AI对产业和社会的影响。“立讯智算已经踏上浪潮，我们一定会坚定地、持续地走在最前边，把算力基础设施做好。”

未来，立讯智算会在三大方向持续投入：第一是超节点和AI算力集群。从超节点走向更大规模的系统，立讯智算希望做好的不只是服务器硬件，还有软硬件协同及交付后的服务。第二是方舱预制数据中心。立讯智算将业务从服务器延伸到数据中心基建，把基建、服务器和软件放在一起交付，让客户拿到一座能够“拎包入住”的数据中心。第三是算力服务。客户不必都从采购设备、建设机房开始。立讯智算能够提供更多即时可用、价格可负担的算力，让有需求的企业尽快用起来。

从零部件延伸至服务器整机，立讯已积累垂直整合、螺旋式发展的实践经验，依托大集团体系实现业务全速推进。AI要进入更多行业，总得有人把设备造好、把机房建好，让算力真正用起来。面向未来的AI Infra，是NEXT，也是NEXTiX。