2026年9月，国产算力领域动作密集：华为发布全球首个NPO超节点昇腾960，把超节点互联从电信号推进到光信号；小米发布首款自研AI加速芯片玄戒O100；京东宣布规划建设10万卡国产GPU集群。三条路径指向同一个目标——在算力供给格局重排的过程中，找到国产算力的位置。

华为昇腾960：超节点互联换道光信号

华为发布的昇腾960，最关键的创新不是单芯片性能，而是超节点互联方式。传统超节点依靠电信号进行芯片间通信，随着集群规模扩大，电互连的带宽和距离瓶颈会越来越明显。昇腾960把互联方式从电信号推进到光信号，单节点即可承载千亿参数大模型的训练与推理。

这个思路的意义在于，它绕开了单芯片制程受限带来的性能差距，转而从系统层面寻找解法。单个芯片跑不过，就用集群规模和互联效率来补。这条路能否走通，取决于光互连的稳定性、成本以及软件生态的适配程度，但方向上确实是一条可行的国产替代路径。

软通动力联合华为云发布的"软通天璇AgentOS"1.2商用版本，标志着企业级智能体操作系统从技术验证走向规模化商用，为AI时代的Token生产力单元落地提供了关键底座。这也说明华为的算力路线正在从底层芯片向软件平台和行业应用延伸。

小米玄戒O3与玄戒O100：端侧与加速芯片两条线

小米的路径更偏向端侧。小米18 Fold搭载自研玄戒O3 AI旗舰SoC，采用240亿晶体管、10核全大核CPU、16核GPU及强大的NPU，安兔兔跑分突破522万，成为首款突破500万的旗舰SoC。同时该机首发支持LPDDR6，与长鑫存储联手成为首款量产国产LPDDR6的产品。

端侧AI的思路是让模型在手机本地运行，减少对云端算力的依赖，同时也降低了推理成本和数据隐私风险。随着端侧芯片算力提升，越来越多的大模型能力会向终端迁移，这既是手机厂商的差异化卖点，也是算力格局从集中走向分布的一个信号。

在玄戒技术沟通会上，小米还发布了首款自研AI加速芯片玄戒O100，定位为端侧大模型的协处理器。这意味着小米正在把AI能力的布局从手机SoC扩展到更专门的加速芯片领域，虽然目前主要服务自身产品，但技术积累的价值会在后续产品中逐步体现。

京东10万卡集群：算力从云端"下沉"到产业

京东在2026全球科技探索者大会上宣布，将联合摩尔线程等合作伙伴规划建设10万卡国产GPU集群，同时发布实时可交互的世界模型JoyAI-EchoWM，以及覆盖多模态、世界模型和具身模型的JoyAI基础模型矩阵。

10万卡集群的规模，放在全球范围也是相当可观的。京东的特殊之处在于，它建设算力不是单纯为了对外卖云服务，而是要服务于自身的零售、物流和供应链场景。这种"产业公司自建集群"的模式，说明算力正在从科技巨头的专属游戏，变成各行各业的基础设施。

当云服务商开始自研芯片、产业公司开始自建集群、国家级超算节点开始发布应用成果，算力竞争的格局就变了。竞争焦点不再是"谁的单卡更强"，而是"谁能把算力、数据、模型、硬件与产业场景打通"。

三条路反映的共性：系统效率比单点性能更重要

昇腾走系统级互联，玄戒走端侧算力，京东走产业级集群，三条路看似不同，但反映的判断是一致的：在单点性能上存在差距的前提下，系统效率、场景适配和生态协同才是更现实的竞争维度。

这个判断正在被越来越多的厂商接受。头部云服务商集体加码自研与定制芯片，算力竞争进入"芯片定义时代"。高通公布HBC架构路线，计划把AI计算搬到内存旁以缓解带宽瓶颈；AMD驱动已加入GDDR7显存支持，为RDNA 5铺路。端侧与数据中心两条战线同步提速，AI算力的供给格局正在重排。

成本问题仍然是绕不开的坎

国产算力的提速，并不意味着成本问题已经解决。算力基础设施的投入极其庞大，京东10万卡集群、华为光互连超节点，背后都是巨额资本开支。黄仁勋近期表示，AI扩张的瓶颈已从芯片转向电力与供电排期，英伟达已签下约200亿美元的数据中心租赁协议。电力和散热正在成为比GPU本身更关键的限制因素。

对国产算力来说，除了芯片和互联技术，电力保障、液冷方案、数据中心建设同样是需要补齐的环节。IDC联合浪潮信息发布的《中国AI计算力发展评估报告》预测，中国2026年活跃智能体已达495万个，2030年预计达到1.97亿个，复合年均增长率151.2%；2030年中国AI算力市场规模将达1501亿美元，为2025年的4倍。这个增长速度对基础设施提出了极高要求。

结语

国产算力的三条路径，分别对应了系统级、端侧和产业级三个层面的突破。它们的共同逻辑是：在单点性能受限的情况下，通过架构创新、场景适配和生态协同来弥补差距。这条路走得通不通，还需要时间验证，但方向上已经越来越清晰——算力竞争的下半场，比的不是单卡跑分，而是整个系统的效率。