博客 详情

新华三联合生态伙伴优化AI系统效率，推动Token高性价比落地

2026云栖大会的算力馆2-E01展位上，新华三的展台颇为引人注目，现场陈列着一台高度超过两米的整机柜实物。

这台设备的实际重量超过3吨，运输过程中必须使用特制的防震木箱，一辆卡车仅能装载两三台，客户需驾车跟车全程监控防震措施。到达现场后，整机柜需从装卸点推移至机位，连接液冷管道，插入计算卡——其中任何一个环节的尺寸出现误差，都可能使数亿元的研发投入付诸东流。

这一深入产业一线的细节，揭示了AI基础设施竞争正在经历的深刻转变：在AI算力时代，竞争的基本单元已从“单一产品”升级为产业链的“体系”较量。

新华三的一份行业测试报告同样揭示了一个现实问题：在万卡集群中，数据IO瓶颈导致GPU空闲等待的时间比例可能超过40%。资本支出快速增长，但算力利用率却持续低迷。这背后是AI基础设施长期存在的“系统性瓶颈”：算力墙、存储墙、功耗墙。

当前，Token的性价比已不再由单张计算卡决定，而是依赖于算力、网络、存储、云平台、安全、运维六个维度的深度协同。这正是新华三能够发挥价值的地方。在本届云栖大会上，新华三展示的系列软硬件产品以及“打造Token极致性价比”主题论坛，本质上是对如何提升“系统效率”这一命题的回应。

新华三破解系统效率的“三个瓶颈”

当前，AI产业正从比拼模型参数和硬件数量的粗放发展阶段，加速迈向规模化商用落地的关键时期。

随着规模扩大，单纯堆叠硬件的边际效益持续下降，训练和推理成本高昂、集群协同效率不足，已成为全行业面临的共同挑战。新华三的策略是同时切入计算、网络、存储三条线，逐一突破系统效率的三大瓶颈。

破解算力瓶颈：从堆叠GPU到编织系统

本届云栖大会上，新华三展示的核心算力产品是UniPoD S80000超节点。

该产品针对万亿参数模型的训练和推理需求，以超高密度、极致互联、全栈优化、多元开放为核心特性，支持从32卡到1024卡的灵活部署，并可进一步弹性扩展至16384卡规模，同时兼容国内主流品牌的CPU、GPU、NPU、DPU等异构算力，从而打破资源壁垒，实现“一云纳百算”。

在新华三特定模型负载的测试环境下，通过软硬件协同深度优化，UniPoD S80000可实现训练性能提升70%、推理性能提升3倍，将硬件规模转化为实际的Token产出效能。这些参数背后体现了新华三集团的工程能力，超节点并非简单的算力堆叠，而是高速互联、供电散热与软件栈优化协同构成的系统工程。

在算力矩阵方面，新华三还集中展示了多款面向不同AI负载的服务器新品。

其中，H3C UniServer R5500 G7 X面向超大规模AI训练，专为千亿、万亿参数大模型的研发与微调设计，采用模块化解耦设计，兼容OCP OAI 2.0开放硬件标准；H3C UniServer R53X0 G7 Ultra定位为训推一体异构算力引擎，兼顾小规模训练与高并发推理，适用于智算中心、边缘AI、企业级AI平台等多种场景。

破解互联瓶颈：搭建智算网络产品矩阵

在大规模智算集群场景中，网络已成为决定算力规模能否持续扩展、效能能否充分释放的核心变量。

新华三拥有覆盖Scale-Up、Scale-Out及Scale-Across三大场景的完整智算网络产品矩阵。

其中，S9828-128EO单芯片102.4T NPO硅光智算交换机采用光电合封技术，在测试环境下，端到端时延降低15%，配合光链路智能诊断和关键组件可替换设计，有效减轻高密度集群的运维压力。

此外，针对集群横向扩展，S9828-64FP高密1.6T智算交换机搭载224G SerDes超高速通道，通过VPD垂直供电、风液协同散热等优化，在高密部署场景测试下能耗降低20%以上。

针对同城多数据中心协同的难题，S12500R-64EP 800G智算DCI交换机依托SRv6协议与自研拥塞控制算法，该方案可实现跨100公里级的无损传输与梯度同步，打破地理边界带来的算力孤岛。

破解数据供给瓶颈：让计算不再等待数据

计算并不总是在“运算”，经常是在“等待数据”。新华三UniStor X20000系列旗舰产品X20836 AI原生存储，凭借全速引擎、多协议互通、XCache推理加速三大核心能力，试图打通从数据准备、模型训练到Token生成的存储链路。

具体来看，X20836单节点能提供200GB/s带宽、300万IOPS。在全速引擎测试条件下，可降低30%的GPU等待时长；该平台同时支持块、文件、对象、HDFS四种协议互通，大幅缩短模型训练前期的数据准备周期；32+2高比例纠删码技术，将存储可用容量提升至94%。

在推理场景中，XCache推理加速引擎实现KV Cache多级缓存卸载，测试环境下首Token时延降低90%，同等算力条件下用户并发数提升10倍。此外，UniStor X20000系列此前已登顶MLPerf Storage v2.0 RoCE AI存储解决方案榜首，是全链路Token生产的坚实数据底座。

在Token经济的账本中，任何环节的效率损耗都会放大整体成本。事实上，新华三在算力、网络、存储三个环节的全面AI迭代，其底层逻辑并非要成为“全能选手”，而是减少自身参与的每个环节的效能损耗。

新华三的“联创”朋友圈

系统效率的提升，无法依靠一家企业独立完成。新华三在本次大会上的生态叙事，一个关键词便是“联创”——联合开发、联合创造。

在这场主题为“打造Token极致性价比”的论坛开场环节，新华三集团高级副总裁、网络产品线总裁乔剡指出，智算产业面临的瓶颈无法仅依靠单一硬件迭代破解，唯有通过系统级创新、全栈技术协同与产业链联动，削减全链路资源损耗，方能夯实AI产业长期发展根基。

与互联网头部客户的“联创”

在与互联网头部客户的合作中，新华三的JDM联合研发模式已深度嵌入其核心技术路线图。

过去新华三的角色是“交盒子”——客户提出需求，厂商交付产品；现在在整机柜层面，新华三与客户共同验证，同时打造完整工程体系。

新华三集团高级副总裁、互联网与定制化事业群总裁徐润安表示，整机柜交付背后，原来ICT厂家交的都是“盒子”，做好自己的事就行；现在交付的是端到端的整套系统。

这种整体交付的背后，也是对场地能力的严苛考验。“厂房不能设地下车库，整机柜承重3吨，也无法放在二楼。”徐润安介绍，新华三为此专门选址新建了AI超级工厂，采用钢结构空厂房，面积约有三个足球场大小，充分满足客户对生产制造环节的要求。

另外，厂验也从过去检查供电和环境，变成全套流程演练，比如整机柜能否从装卸点推移到机位，液冷管能否连接，滑轨和轨道如何准备等等。新华三集团以客户需求为第一原则，全力配合推进产品效能的提升。

值得注意的是，在夯实基础业务与产品之外，新华三也在“向上游多做一步”。与替代上游不同，新华三的策略是与电源、散热、液冷等上游供应商“联创”——将客户需求前置传导到零部件设计阶段，共同定义技术路线。

结语

今年上半年，紫光股份完成对新华三部分股权的收购，持股比例增至87.98%，HPE从股东名单中退出，新华三正式成为一家内资控股企业。这一变化带来的不只是利润归属的影响，也让新华三更能聚焦于AI基础设施主航道。积极增进与生态伙伴的合作，把系统中的不确定性、低效、高耗能环节，转化为可交付、可量产、高复用的确定性。

在Token成为AI时代基本计量单位的今天，谁能帮助客户将每一块钱的算力投资转化为更多的Token产出，谁就能在下一阶段的竞争中占据有利位置。从某种程度上说，这既是新华三当前重点发力的方向，也是它与生态伙伴协同攻坚的共同目标。