北京2026年9月22日 美通社 －－ 9月21日，在2026人工智能计算大会（AICC2026）上，浪潮信息发布元脑SD200 Ultra超节点AI服务器。元脑SD200 Ultra基于本土AI芯片，单机承载运行2.8万亿参数的Kimi K3大模型，Token生成时延首次突破5.85毫秒。元脑SD200 Ultra以开放系统设计紧耦合128芯本土AI芯片，实现统一内存寻址超低延迟通信，支持10万亿参数规模前沿模型，打造面向Agent时代的能力型智算标杆。
随着大模型与Agent的发展，AI正在从“回答问题”走向“解决问题”，智能也逐步成为可以规模化生产和供给的资源。浪潮信息认为，Agent时代的AI计算正在形成两个同样重要的发展方向：
- Capability AI Compute，即能力型智算，支撑突破智能上限，让AI帮助人类探索未知、解决过去解决不了的问题；
- Capacity AI Compute，即容量型智算，实现智能充分供给，让高水平智能越来越丰富、越来越经济、越来越易于获取。
前沿模型不断演进，对AI计算系统提出更高要求
AI正在不断突破人类认知和任务能力的边界，从更大规模模型到更复杂的Agent，前沿智能持续演进。但模型能力的突破，并不意味着这些能力就能直接被使用。只有计算系统能够跟上前沿智能的发展，让更大的模型承载得住、更低的时延支撑得起、更长的任务稳定运行，模型能力才能真正转化为可用的智能。
第一，要跟上模型前沿的发展速度。前沿模型正在多个维度持续扩展：参数规模从DeepSeek R1的6710亿增长到Kimi K3的2.8万亿，并进一步走向10万亿级；上下文从128K扩展到1M以上；Agent也从单体工作走向成百上千个Agent协同。模型权重、KV Cache和并发任务规模同步增长，对显存容量、高速互连和并行扩展效率提出了更高要求。这需要AI计算系统将足够多的计算、内存和通信资源高效组织起来，以支撑前沿模型真正运行。
第二，要满足越来越低的推理时延。复杂Agent任务往往包含大量“推理工具调用反馈重新规划”循环，每一轮时延都会累积到最终任务时间。更重要的是，前沿智能正在从离线分析走向实时决策：生产系统发生故障时，Agent需要在故障扩散过程中完成日志分析、根因定位和方案验证；实时科学观测中，智能系统也需要及时识别值得跟踪的目标。时延已经不只是体验指标，而可能直接影响任务能否及时完成。
第三，要支撑Agent任务长稳运行。复杂Agent任务需要连续运行数小时甚至数天，期间经历大量模型调用、工具调用和数据交互。任何一次计算、通信或软件故障，都可能中断整个任务，让此前的推理和执行失去价值。这要求计算系统在持续的模型调用与数据交互中保持稳定，支撑Agent连续推进任务。
5.85毫秒Token生成时延，支撑前沿模型突破智能上限
元脑SD200 Ultra基于本土AI芯片，单机承载运行2.8万亿参数的Kimi K3大模型，Token生成时延首次突破5.85毫秒，相当于单用户速度170 Tokenss，达到业界平均水平的5倍。这不仅突破了基于本土AI芯片超节点对超大规模前沿模型的单机承载能力，也加速释放前沿模型的应用价值。元脑SD200 Ultra这一性能突破，来自于对系统架构、通信机制、算子等全方位优化。
紧致扩展：面对模型参数和KV Cache持续增长，元脑SD200 Ultra采用3D Hyper Mesh架构，以开放系统设计紧耦合128芯本土AI芯片，提供8TB统一编址显存和64TB内存，支持10万亿参数规模的前沿模型单机运行。超节点采用原生内存语义通信，减少跨芯片访问中的中转和数据搬移，通信时延低至0.69微秒。短距铜缆互连设计则减少了光电转换环节，降低链路故障引发任务中断的风险，支撑长程Agent任务稳定运行。
统一寻址：元脑SD200 Ultra通过全局统一编址、虚拟影子设备映射、跨域地址翻译与路由，实现GPU跨主机域的统一寻址访问，构建百纳秒级低时延的内存语义互连域。全局统一寻址使远端资源访问从传统的“消息通信与数据搬移”转变为统一地址空间下的直接访问，降低通信开销，为超节点扩展提供基础。
对称直连：在统一寻址的基础上，元脑SD200 Ultra进一步通过对称内存技术，首次在基于本土AI芯片超节点上实现GPU显存直连，使GPU能够像访问本地显存一样直接访问远端GPU显存数据。该技术使得GPU可以直接发起通信，减少地址转换、避免缓冲区中转，缩短数据交换路径，AllReduce通信时间降低3.5倍，达到国际领先水平，有效支撑大模型低时延推理。
超级算子：要进一步释放超节点性能，还需要优化模型自身的计算过程。针对Kimi K3的推理特点，元脑SD200 Ultra通过使用Kimi K3构建超级算子智能体，率先在基于本土AI芯片超节点上，实现通算融合、Tile级流水的超级算子，将KDA、Gated MLA、MoE中的众多基础算子融合为计算与通信协同执行的大算子，算子数量降低10倍，大幅减少算子启动次数和HBM访问开销，隐藏通信延迟，提升GPU整体执行效率。通过“K3优化K3”，实现Kimi K3在元脑SD200 Ultra上的推理性能提升3倍以上。
同时，浪潮信息发布元脑HC2000多元算力机组。元脑HC2000是采用DirectCom 2.0极速架构，基于高密液冷AI整机柜、搭配MCIS推理软件栈，实现计算负载按需匹配、动态优化的多元算力AI服务器机组。同等投资Token产能提升10倍。
从“提供算力”走向“生产智能”，浪潮信息将围绕前沿模型和Agent的实际需求，持续推进贯穿式系统创新，让更强的智能能力以可负担的成本进入更多企业和行业应用。