【天顺财经】6 月 27 日消息，随着 AI 从模型进入应用的竞争阶段，产业关注点正悄然发生变化。如果说过去衡量 AI 能力的重要指标是模型参数和算力规模，那么当下业内更关注的则是 Token 生产效率。尤其对于运营商，Token 经营正在成为继流量经营之后新的增长曲线。而随之而来的问题是，运营商何以获得新的增长曲线？
在近日举办的 2026 MWC 上海期间，华为从超节点架构，到开放的昇腾生态，再到存算协同与 AIDC 平台给出了答案。
算力底座：Token 生产的核心引擎与运营商转型基石
众所周知，过去几年，大模型的快速发展让 AI 产业经历了一轮"堆算力"的比拼。然而，当行业进入智能体和企业 AI 等全面落地阶段之后，仅靠增加 GPU 数量已经越来越难解决问题。
究其原因，在 AI 落地之后，Token 已经成为 AI 时代真正的"生产资料"。因为无论是大模型训练，还是推理服务，本质上都是在持续不断地产生 Token。而运营商未来提供的 AI 服务中，无论是 AI 客服、AI 家庭助手、企业数字员工，还是行业智能体，本质上都是围绕 Token 进行生产、调度、流转和消费。这意味着，真正决定竞争力的不再只是拥有多少算力，而是在相同资源投入下能够生产多少 Token，以及能否稳定、持续地输出 Token。
基于此，行业对于算力底座也自然提出了新的要求，即不仅要有更大的计算能力，还要具备更低时延、更高互联效率、更强系统的协同能力。在这一背景下，超节点 （SuperPod） 正在成为当前 AI 基础设施发展的重要方向。
需要说明的是，与传统集群相比，超节点并不是简单增加更多计算卡，而是通过高速互联，把大量 AI 处理器组织成一台"逻辑上的超级计算机"，让算力资源真正实现统一调度和计算。而华为基于灵衢互联打造的 Atlas 950 SuperPod 正是体现了这一思路。
具体表现在其以单柜 64 卡为基本单元，最大支持 8192 张昇腾 NPU 高速互联，通过超大带宽、超低时延以及统一内存编址，将原本分散的算力资源整合成为统一计算平台，更适合超大模型训练以及高并发推理场景。需要说明的是，这种变化带来的意义，并非只是训练速度的提升。对于运营商来说，更重要的是 Token 供给能力更加稳定。
例如当未来数亿用户同时调用 AI 助手、视频生成、智能客服等服务时，超节点能够有效减少跨节点通信瓶颈，提高整体 Token 吞吐能力，从"提升单卡性能"转向"提升系统整体产能"。
更值得关注的是，这一架构已经开始走向规模化应用。相关资料显示，基于灵衢 1.0 打造的 Atlas 900 智算超节点自 2025 年开始交付以来，已经规模部署超过 550 套，并应用于互联网大模型训练、金融实时风控、能源调度、港口智能化以及制造业质检等多个行业。
由此可见，AI 时代的竞争正在从芯片逐渐演变为系统架构，而超节点正成为支撑 Token 规模化生产的重要基础设施。
昇腾生态开源开放：为开发者构建好用易用的 AI 开发底座
如果说上述超节点解决的是 「算得动、算得快」，那么生态解决的就是 「谁来用、怎么用、用得顺」 的问题。事实是，如果没有生态，算力就容易停留在资源堆叠；有了生态，算力才能真正转化为产品能力和行业解决方案。对运营商来说，AI 基础设施不只是采购设备，而是能否快速形成可运营、可复制、可持续迭代的开发与服务体系。
基于此，华为近年来持续推进昇腾生态建设，其核心思路正是降低开发门槛，提高模型迁移效率，让开发者能够更容易使用国产 AI 算力。
例如持续推进 CANN 异构计算架构开源开放，通过分层解耦，将算子库、图计算、编程语言、加速库等基础软件能力向开发者开放，同时深度支持 PyTorch、vLLM、SGLang、xLLM、VeRL、Triton、TileLang 等主流开源框架，并已适配超过 65 个主流大模型。而这种开放策略就是为了帮助开发者完成从"能用算力"到"用好算力"的转变。
具体到运营商，其未来不仅需要部署 AI 基础设施，更需要快速推出面向个人、家庭以及企业市场的包括个人 AI 助理、家庭智能体、企业智能客服、行业 Agent 等新型 AI 业务，这些均需要大量开发者持续参与创新。如果在此过程中，每一个模型迁移都需要大量重新开发；每一个应用部署都需要复杂适配，那么 Token 经营就很难真正形成规模。而开放生态则能够有效降低开发成本，提高应用上线速度，加速 Token 消费场景的不断丰富，让运营商能够更快完成从传统连接服务提供商向 AI 服务运营商的角色转变。
而从更高的产业发展规律看，开放生态不仅决定开发效率，也决定整个产业链的创新速度。所以对于运营商而言，一个成熟、开放、持续演进的 AI 开发底座，无疑是其未来 Token 经营的重要竞争优势。
技术与平台创新：降低单位 Token 成本，让每瓦产出更多 Tokens
如前述，超节点解决的是算力组织效率，开放生态解决的是开发效率，那么真正决定运营商商业模式能否成立的则是 Token 生产成本。尤其是当智能应用进入大规模爆发阶段，算力消耗的经济学特性已经成为全行业关注焦点的当下，显得尤为重要。
需要说明的是，在商业逻辑中，任何商品的大规模普及都必须建立在成本持续降低的基础之上，Token 也不例外。特别对于运营商，如果生产单位 Token 的资源消耗 （包括电力、设备折旧、带宽成本等） 过高，其将陷入算力成本高企、商业回报不足的结构性困境。
因此，如何在技术层面大幅提升大模型推理的吞吐效率，以及如何在平台与基础设施层面降低数据中心的能耗，成为决定 Token 经营能否实现规模化可持续发展的核心。而唯有实现 「单位 Token 成本最低」 与 「每瓦电力 Token 产出最多」，运营商才能真正筑牢 Token 规模化持续运营的工程能力。正是围绕上述目标，华为提出了存算协同与 AIDC 算力服务平台等关键能力。
以存算协同为例，传统 AI 推理过程中，大量历史推理数据需要频繁在存储与计算之间搬运，数据传输往往成为影响推理效率的重要瓶颈。而华为通过新一代记忆存储和存算直通能力，让高频数据能够更快进入计算侧，实现数据"一跳直达 HBM"，减少中间搬运链路，典型场景下时延降低约 50%，同时通过对 KV Cache 等历史推理数据进行全生命周期管理，实现"以查代算"，减少重复计算，将更多算力释放给新的 Token 生成。
值得一提是，这一能力已经开始在运营商场景得到验证。相关资料显示，湖北移动联合华为已完成全国运营商首个 AI 推理加速方案验证，其基于 OceanStor A800 存储与 Ascend A3 超节点架构，在 UCM 推理记忆数据管理能力的支持下，实现 Token 吞吐率最高提升 372%。这意味着，在相同算力投入下，可以支撑更多 AI 并发访问，同时有效降低单位 Token 的生产成本。
此外，随着智算中心规模不断扩大，能耗已经成为影响运营商 AI 业务发展的重要因素。对此，华为进一步推出了 AIDC 算力服务平台，将供配电、制冷、液冷等设施层能力，与 IT 层训练、推理任务调度及性能优化协同管理，实现能源与算力的动态匹配，推动 AIDC 从传统"被动供能"向"主动优化 Token 产出"演进。据称，该平台在典型场景下可使 AIDC 每瓦 Token 产出提升约 20%，帮助运营商在相同能耗条件下承载更多 AI 业务。
写在最后：毋庸置疑，AI 时代的运营商竞争，正在从网络能力竞争进一步延伸到 Token 生产能力竞争。而从超节点重构系统级算力，到昇腾生态降低开发门槛，再到存算协同和 AIDC 平台持续优化单位 Token 成本，华为试图构建的并非单一产品，而是一套覆盖算力架构、开放生态和运营平台的完整底座，真正构成了运营商进入 Token 经营时代的基础设施。
【天顺财经】6 月 27 日消息，随着 AI 从模型进入应用的竞争阶段，产业关注点正悄然发生变化。如果说过去衡量 AI 能力的重要指标是模型参数和算力规模，那么当下业内更关注的则是 Token 生产效率。尤其对于运营商，Token 经营正在成为继流量经营之后新的增长曲线。而随之而来的问题是，运营商何以获得新的增长曲线？
在近日举办的 2026 MWC 上海期间，华为从超节点架构，到开放的昇腾生态，再到存算协同与 AIDC 平台给出了答案。
算力底座：Token 生产的核心引擎与运营商转型基石
众所周知，过去几年，大模型的快速发展让 AI 产业经历了一轮"堆算力"的比拼。然而，当行业进入智能体和企业 AI 等全面落地阶段之后，仅靠增加 GPU 数量已经越来越难解决问题。
究其原因，在 AI 落地之后，Token 已经成为 AI 时代真正的"生产资料"。因为无论是大模型训练，还是推理服务，本质上都是在持续不断地产生 Token。而运营商未来提供的 AI 服务中，无论是 AI 客服、AI 家庭助手、企业数字员工，还是行业智能体，本质上都是围绕 Token 进行生产、调度、流转和消费。这意味着，真正决定竞争力的不再只是拥有多少算力，而是在相同资源投入下能够生产多少 Token，以及能否稳定、持续地输出 Token。
基于此，行业对于算力底座也自然提出了新的要求，即不仅要有更大的计算能力，还要具备更低时延、更高互联效率、更强系统的协同能力。在这一背景下，超节点 （SuperPod） 正在成为当前 AI 基础设施发展的重要方向。
需要说明的是，与传统集群相比，超节点并不是简单增加更多计算卡，而是通过高速互联，把大量 AI 处理器组织成一台"逻辑上的超级计算机"，让算力资源真正实现统一调度和计算。而华为基于灵衢互联打造的 Atlas 950 SuperPod 正是体现了这一思路。
具体表现在其以单柜 64 卡为基本单元，最大支持 8192 张昇腾 NPU 高速互联，通过超大带宽、超低时延以及统一内存编址，将原本分散的算力资源整合成为统一计算平台，更适合超大模型训练以及高并发推理场景。需要说明的是，这种变化带来的意义，并非只是训练速度的提升。对于运营商来说，更重要的是 Token 供给能力更加稳定。
例如当未来数亿用户同时调用 AI 助手、视频生成、智能客服等服务时，超节点能够有效减少跨节点通信瓶颈，提高整体 Token 吞吐能力，从"提升单卡性能"转向"提升系统整体产能"。
更值得关注的是，这一架构已经开始走向规模化应用。相关资料显示，基于灵衢 1.0 打造的 Atlas 900 智算超节点自 2025 年开始交付以来，已经规模部署超过 550 套，并应用于互联网大模型训练、金融实时风控、能源调度、港口智能化以及制造业质检等多个行业。
由此可见，AI 时代的竞争正在从芯片逐渐演变为系统架构，而超节点正成为支撑 Token 规模化生产的重要基础设施。
昇腾生态开源开放：为开发者构建好用易用的 AI 开发底座
如果说上述超节点解决的是 「算得动、算得快」，那么生态解决的就是 「谁来用、怎么用、用得顺」 的问题。事实是，如果没有生态，算力就容易停留在资源堆叠；有了生态，算力才能真正转化为产品能力和行业解决方案。对运营商来说，AI 基础设施不只是采购设备，而是能否快速形成可运营、可复制、可持续迭代的开发与服务体系。
基于此，华为近年来持续推进昇腾生态建设，其核心思路正是降低开发门槛，提高模型迁移效率，让开发者能够更容易使用国产 AI 算力。
例如持续推进 CANN 异构计算架构开源开放，通过分层解耦，将算子库、图计算、编程语言、加速库等基础软件能力向开发者开放，同时深度支持 PyTorch、vLLM、SGLang、xLLM、VeRL、Triton、TileLang 等主流开源框架，并已适配超过 65 个主流大模型。而这种开放策略就是为了帮助开发者完成从"能用算力"到"用好算力"的转变。
具体到运营商，其未来不仅需要部署 AI 基础设施，更需要快速推出面向个人、家庭以及企业市场的包括个人 AI 助理、家庭智能体、企业智能客服、行业 Agent 等新型 AI 业务，这些均需要大量开发者持续参与创新。如果在此过程中，每一个模型迁移都需要大量重新开发；每一个应用部署都需要复杂适配，那么 Token 经营就很难真正形成规模。而开放生态则能够有效降低开发成本，提高应用上线速度，加速 Token 消费场景的不断丰富，让运营商能够更快完成从传统连接服务提供商向 AI 服务运营商的角色转变。
而从更高的产业发展规律看，开放生态不仅决定开发效率，也决定整个产业链的创新速度。所以对于运营商而言，一个成熟、开放、持续演进的 AI 开发底座，无疑是其未来 Token 经营的重要竞争优势。
技术与平台创新：降低单位 Token 成本，让每瓦产出更多 Tokens
如前述，超节点解决的是算力组织效率，开放生态解决的是开发效率，那么真正决定运营商商业模式能否成立的则是 Token 生产成本。尤其是当智能应用进入大规模爆发阶段，算力消耗的经济学特性已经成为全行业关注焦点的当下，显得尤为重要。
需要说明的是，在商业逻辑中，任何商品的大规模普及都必须建立在成本持续降低的基础之上，Token 也不例外。特别对于运营商，如果生产单位 Token 的资源消耗 （包括电力、设备折旧、带宽成本等） 过高，其将陷入算力成本高企、商业回报不足的结构性困境。
因此，如何在技术层面大幅提升大模型推理的吞吐效率，以及如何在平台与基础设施层面降低数据中心的能耗，成为决定 Token 经营能否实现规模化可持续发展的核心。而唯有实现 「单位 Token 成本最低」 与 「每瓦电力 Token 产出最多」，运营商才能真正筑牢 Token 规模化持续运营的工程能力。正是围绕上述目标，华为提出了存算协同与 AIDC 算力服务平台等关键能力。
以存算协同为例，传统 AI 推理过程中，大量历史推理数据需要频繁在存储与计算之间搬运，数据传输往往成为影响推理效率的重要瓶颈。而华为通过新一代记忆存储和存算直通能力，让高频数据能够更快进入计算侧，实现数据"一跳直达 HBM"，减少中间搬运链路，典型场景下时延降低约 50%，同时通过对 KV Cache 等历史推理数据进行全生命周期管理，实现"以查代算"，减少重复计算，将更多算力释放给新的 Token 生成。
值得一提是，这一能力已经开始在运营商场景得到验证。相关资料显示，湖北移动联合华为已完成全国运营商首个 AI 推理加速方案验证，其基于 OceanStor A800 存储与 Ascend A3 超节点架构，在 UCM 推理记忆数据管理能力的支持下，实现 Token 吞吐率最高提升 372%。这意味着，在相同算力投入下，可以支撑更多 AI 并发访问，同时有效降低单位 Token 的生产成本。
此外，随着智算中心规模不断扩大，能耗已经成为影响运营商 AI 业务发展的重要因素。对此，华为进一步推出了 AIDC 算力服务平台，将供配电、制冷、液冷等设施层能力，与 IT 层训练、推理任务调度及性能优化协同管理，实现能源与算力的动态匹配，推动 AIDC 从传统"被动供能"向"主动优化 Token 产出"演进。据称，该平台在典型场景下可使 AIDC 每瓦 Token 产出提升约 20%，帮助运营商在相同能耗条件下承载更多 AI 业务。
写在最后：毋庸置疑，AI 时代的运营商竞争，正在从网络能力竞争进一步延伸到 Token 生产能力竞争。而从超节点重构系统级算力，到昇腾生态降低开发门槛，再到存算协同和 AIDC 平台持续优化单位 Token 成本，华为试图构建的并非单一产品，而是一套覆盖算力架构、开放生态和运营平台的完整底座，真正构成了运营商进入 Token 经营时代的基础设施。
Related articles
【天顺财经】6 月 27 日消息，随着 AI 从模型进入应用的竞争阶段，产业关注点正悄然发生变化。如果说过去衡量 AI 能力的重要指标是模型参数和算力规模，那么当下业内更关注的则是 Token 生产效率。尤其对于运营商，Token 经营正在成为继流量经营之后新的增长曲线。而随之而来的问题是，运营商何以获得新的增长曲线？
在近日举办的 2026 MWC 上海期间，华为从超节点架构，到开放的昇腾生态，再到存算协同与 AIDC 平台给出了答案。
算力底座：Token 生产的核心引擎与运营商转型基石
众所周知，过去几年，大模型的快速发展让 AI 产业经历了一轮"堆算力"的比拼。然而，当行业进入智能体和企业 AI 等全面落地阶段之后，仅靠增加 GPU 数量已经越来越难解决问题。
究其原因，在 AI 落地之后，Token 已经成为 AI 时代真正的"生产资料"。因为无论是大模型训练，还是推理服务，本质上都是在持续不断地产生 Token。而运营商未来提供的 AI 服务中，无论是 AI 客服、AI 家庭助手、企业数字员工，还是行业智能体，本质上都是围绕 Token 进行生产、调度、流转和消费。这意味着，真正决定竞争力的不再只是拥有多少算力，而是在相同资源投入下能够生产多少 Token，以及能否稳定、持续地输出 Token。
基于此，行业对于算力底座也自然提出了新的要求，即不仅要有更大的计算能力，还要具备更低时延、更高互联效率、更强系统的协同能力。在这一背景下，超节点 （SuperPod） 正在成为当前 AI 基础设施发展的重要方向。
需要说明的是，与传统集群相比，超节点并不是简单增加更多计算卡，而是通过高速互联，把大量 AI 处理器组织成一台"逻辑上的超级计算机"，让算力资源真正实现统一调度和计算。而华为基于灵衢互联打造的 Atlas 950 SuperPod 正是体现了这一思路。
具体表现在其以单柜 64 卡为基本单元，最大支持 8192 张昇腾 NPU 高速互联，通过超大带宽、超低时延以及统一内存编址，将原本分散的算力资源整合成为统一计算平台，更适合超大模型训练以及高并发推理场景。需要说明的是，这种变化带来的意义，并非只是训练速度的提升。对于运营商来说，更重要的是 Token 供给能力更加稳定。
例如当未来数亿用户同时调用 AI 助手、视频生成、智能客服等服务时，超节点能够有效减少跨节点通信瓶颈，提高整体 Token 吞吐能力，从"提升单卡性能"转向"提升系统整体产能"。
更值得关注的是，这一架构已经开始走向规模化应用。相关资料显示，基于灵衢 1.0 打造的 Atlas 900 智算超节点自 2025 年开始交付以来，已经规模部署超过 550 套，并应用于互联网大模型训练、金融实时风控、能源调度、港口智能化以及制造业质检等多个行业。
由此可见，AI 时代的竞争正在从芯片逐渐演变为系统架构，而超节点正成为支撑 Token 规模化生产的重要基础设施。
昇腾生态开源开放：为开发者构建好用易用的 AI 开发底座
如果说上述超节点解决的是 「算得动、算得快」，那么生态解决的就是 「谁来用、怎么用、用得顺」 的问题。事实是，如果没有生态，算力就容易停留在资源堆叠；有了生态，算力才能真正转化为产品能力和行业解决方案。对运营商来说，AI 基础设施不只是采购设备，而是能否快速形成可运营、可复制、可持续迭代的开发与服务体系。
基于此，华为近年来持续推进昇腾生态建设，其核心思路正是降低开发门槛，提高模型迁移效率，让开发者能够更容易使用国产 AI 算力。
例如持续推进 CANN 异构计算架构开源开放，通过分层解耦，将算子库、图计算、编程语言、加速库等基础软件能力向开发者开放，同时深度支持 PyTorch、vLLM、SGLang、xLLM、VeRL、Triton、TileLang 等主流开源框架，并已适配超过 65 个主流大模型。而这种开放策略就是为了帮助开发者完成从"能用算力"到"用好算力"的转变。
具体到运营商，其未来不仅需要部署 AI 基础设施，更需要快速推出面向个人、家庭以及企业市场的包括个人 AI 助理、家庭智能体、企业智能客服、行业 Agent 等新型 AI 业务，这些均需要大量开发者持续参与创新。如果在此过程中，每一个模型迁移都需要大量重新开发；每一个应用部署都需要复杂适配，那么 Token 经营就很难真正形成规模。而开放生态则能够有效降低开发成本，提高应用上线速度，加速 Token 消费场景的不断丰富，让运营商能够更快完成从传统连接服务提供商向 AI 服务运营商的角色转变。
而从更高的产业发展规律看，开放生态不仅决定开发效率，也决定整个产业链的创新速度。所以对于运营商而言，一个成熟、开放、持续演进的 AI 开发底座，无疑是其未来 Token 经营的重要竞争优势。
技术与平台创新：降低单位 Token 成本，让每瓦产出更多 Tokens
如前述，超节点解决的是算力组织效率，开放生态解决的是开发效率，那么真正决定运营商商业模式能否成立的则是 Token 生产成本。尤其是当智能应用进入大规模爆发阶段，算力消耗的经济学特性已经成为全行业关注焦点的当下，显得尤为重要。
需要说明的是，在商业逻辑中，任何商品的大规模普及都必须建立在成本持续降低的基础之上，Token 也不例外。特别对于运营商，如果生产单位 Token 的资源消耗 （包括电力、设备折旧、带宽成本等） 过高，其将陷入算力成本高企、商业回报不足的结构性困境。
因此，如何在技术层面大幅提升大模型推理的吞吐效率，以及如何在平台与基础设施层面降低数据中心的能耗，成为决定 Token 经营能否实现规模化可持续发展的核心。而唯有实现 「单位 Token 成本最低」 与 「每瓦电力 Token 产出最多」，运营商才能真正筑牢 Token 规模化持续运营的工程能力。正是围绕上述目标，华为提出了存算协同与 AIDC 算力服务平台等关键能力。
以存算协同为例，传统 AI 推理过程中，大量历史推理数据需要频繁在存储与计算之间搬运，数据传输往往成为影响推理效率的重要瓶颈。而华为通过新一代记忆存储和存算直通能力，让高频数据能够更快进入计算侧，实现数据"一跳直达 HBM"，减少中间搬运链路，典型场景下时延降低约 50%，同时通过对 KV Cache 等历史推理数据进行全生命周期管理，实现"以查代算"，减少重复计算，将更多算力释放给新的 Token 生成。
值得一提是，这一能力已经开始在运营商场景得到验证。相关资料显示，湖北移动联合华为已完成全国运营商首个 AI 推理加速方案验证，其基于 OceanStor A800 存储与 Ascend A3 超节点架构，在 UCM 推理记忆数据管理能力的支持下，实现 Token 吞吐率最高提升 372%。这意味着，在相同算力投入下，可以支撑更多 AI 并发访问，同时有效降低单位 Token 的生产成本。
此外，随着智算中心规模不断扩大，能耗已经成为影响运营商 AI 业务发展的重要因素。对此，华为进一步推出了 AIDC 算力服务平台，将供配电、制冷、液冷等设施层能力，与 IT 层训练、推理任务调度及性能优化协同管理，实现能源与算力的动态匹配，推动 AIDC 从传统"被动供能"向"主动优化 Token 产出"演进。据称，该平台在典型场景下可使 AIDC 每瓦 Token 产出提升约 20%，帮助运营商在相同能耗条件下承载更多 AI 业务。
写在最后：毋庸置疑，AI 时代的运营商竞争，正在从网络能力竞争进一步延伸到 Token 生产能力竞争。而从超节点重构系统级算力，到昇腾生态降低开发门槛，再到存算协同和 AIDC 平台持续优化单位 Token 成本，华为试图构建的并非单一产品，而是一套覆盖算力架构、开放生态和运营平台的完整底座，真正构成了运营商进入 Token 经营时代的基础设施。
【天顺财经】6 月 27 日消息，随着 AI 从模型进入应用的竞争阶段，产业关注点正悄然发生变化。如果说过去衡量 AI 能力的重要指标是模型参数和算力规模，那么当下业内更关注的则是 Token 生产效率。尤其对于运营商，Token 经营正在成为继流量经营之后新的增长曲线。而随之而来的问题是，运营商何以获得新的增长曲线？
在近日举办的 2026 MWC 上海期间，华为从超节点架构，到开放的昇腾生态，再到存算协同与 AIDC 平台给出了答案。
算力底座：Token 生产的核心引擎与运营商转型基石
众所周知，过去几年，大模型的快速发展让 AI 产业经历了一轮"堆算力"的比拼。然而，当行业进入智能体和企业 AI 等全面落地阶段之后，仅靠增加 GPU 数量已经越来越难解决问题。
究其原因，在 AI 落地之后，Token 已经成为 AI 时代真正的"生产资料"。因为无论是大模型训练，还是推理服务，本质上都是在持续不断地产生 Token。而运营商未来提供的 AI 服务中，无论是 AI 客服、AI 家庭助手、企业数字员工，还是行业智能体，本质上都是围绕 Token 进行生产、调度、流转和消费。这意味着，真正决定竞争力的不再只是拥有多少算力，而是在相同资源投入下能够生产多少 Token，以及能否稳定、持续地输出 Token。
基于此，行业对于算力底座也自然提出了新的要求，即不仅要有更大的计算能力，还要具备更低时延、更高互联效率、更强系统的协同能力。在这一背景下，超节点 （SuperPod） 正在成为当前 AI 基础设施发展的重要方向。
需要说明的是，与传统集群相比，超节点并不是简单增加更多计算卡，而是通过高速互联，把大量 AI 处理器组织成一台"逻辑上的超级计算机"，让算力资源真正实现统一调度和计算。而华为基于灵衢互联打造的 Atlas 950 SuperPod 正是体现了这一思路。
具体表现在其以单柜 64 卡为基本单元，最大支持 8192 张昇腾 NPU 高速互联，通过超大带宽、超低时延以及统一内存编址，将原本分散的算力资源整合成为统一计算平台，更适合超大模型训练以及高并发推理场景。需要说明的是，这种变化带来的意义，并非只是训练速度的提升。对于运营商来说，更重要的是 Token 供给能力更加稳定。
例如当未来数亿用户同时调用 AI 助手、视频生成、智能客服等服务时，超节点能够有效减少跨节点通信瓶颈，提高整体 Token 吞吐能力，从"提升单卡性能"转向"提升系统整体产能"。
更值得关注的是，这一架构已经开始走向规模化应用。相关资料显示，基于灵衢 1.0 打造的 Atlas 900 智算超节点自 2025 年开始交付以来，已经规模部署超过 550 套，并应用于互联网大模型训练、金融实时风控、能源调度、港口智能化以及制造业质检等多个行业。
由此可见，AI 时代的竞争正在从芯片逐渐演变为系统架构，而超节点正成为支撑 Token 规模化生产的重要基础设施。
昇腾生态开源开放：为开发者构建好用易用的 AI 开发底座
如果说上述超节点解决的是 「算得动、算得快」，那么生态解决的就是 「谁来用、怎么用、用得顺」 的问题。事实是，如果没有生态，算力就容易停留在资源堆叠；有了生态，算力才能真正转化为产品能力和行业解决方案。对运营商来说，AI 基础设施不只是采购设备，而是能否快速形成可运营、可复制、可持续迭代的开发与服务体系。
基于此，华为近年来持续推进昇腾生态建设，其核心思路正是降低开发门槛，提高模型迁移效率，让开发者能够更容易使用国产 AI 算力。
例如持续推进 CANN 异构计算架构开源开放，通过分层解耦，将算子库、图计算、编程语言、加速库等基础软件能力向开发者开放，同时深度支持 PyTorch、vLLM、SGLang、xLLM、VeRL、Triton、TileLang 等主流开源框架，并已适配超过 65 个主流大模型。而这种开放策略就是为了帮助开发者完成从"能用算力"到"用好算力"的转变。
具体到运营商，其未来不仅需要部署 AI 基础设施，更需要快速推出面向个人、家庭以及企业市场的包括个人 AI 助理、家庭智能体、企业智能客服、行业 Agent 等新型 AI 业务，这些均需要大量开发者持续参与创新。如果在此过程中，每一个模型迁移都需要大量重新开发；每一个应用部署都需要复杂适配，那么 Token 经营就很难真正形成规模。而开放生态则能够有效降低开发成本，提高应用上线速度，加速 Token 消费场景的不断丰富，让运营商能够更快完成从传统连接服务提供商向 AI 服务运营商的角色转变。
而从更高的产业发展规律看，开放生态不仅决定开发效率，也决定整个产业链的创新速度。所以对于运营商而言，一个成熟、开放、持续演进的 AI 开发底座，无疑是其未来 Token 经营的重要竞争优势。
技术与平台创新：降低单位 Token 成本，让每瓦产出更多 Tokens
如前述，超节点解决的是算力组织效率，开放生态解决的是开发效率，那么真正决定运营商商业模式能否成立的则是 Token 生产成本。尤其是当智能应用进入大规模爆发阶段，算力消耗的经济学特性已经成为全行业关注焦点的当下，显得尤为重要。
需要说明的是，在商业逻辑中，任何商品的大规模普及都必须建立在成本持续降低的基础之上，Token 也不例外。特别对于运营商，如果生产单位 Token 的资源消耗 （包括电力、设备折旧、带宽成本等） 过高，其将陷入算力成本高企、商业回报不足的结构性困境。
因此，如何在技术层面大幅提升大模型推理的吞吐效率，以及如何在平台与基础设施层面降低数据中心的能耗，成为决定 Token 经营能否实现规模化可持续发展的核心。而唯有实现 「单位 Token 成本最低」 与 「每瓦电力 Token 产出最多」，运营商才能真正筑牢 Token 规模化持续运营的工程能力。正是围绕上述目标，华为提出了存算协同与 AIDC 算力服务平台等关键能力。
以存算协同为例，传统 AI 推理过程中，大量历史推理数据需要频繁在存储与计算之间搬运，数据传输往往成为影响推理效率的重要瓶颈。而华为通过新一代记忆存储和存算直通能力，让高频数据能够更快进入计算侧，实现数据"一跳直达 HBM"，减少中间搬运链路，典型场景下时延降低约 50%，同时通过对 KV Cache 等历史推理数据进行全生命周期管理，实现"以查代算"，减少重复计算，将更多算力释放给新的 Token 生成。
值得一提是，这一能力已经开始在运营商场景得到验证。相关资料显示，湖北移动联合华为已完成全国运营商首个 AI 推理加速方案验证，其基于 OceanStor A800 存储与 Ascend A3 超节点架构，在 UCM 推理记忆数据管理能力的支持下，实现 Token 吞吐率最高提升 372%。这意味着，在相同算力投入下，可以支撑更多 AI 并发访问，同时有效降低单位 Token 的生产成本。
此外，随着智算中心规模不断扩大，能耗已经成为影响运营商 AI 业务发展的重要因素。对此，华为进一步推出了 AIDC 算力服务平台，将供配电、制冷、液冷等设施层能力，与 IT 层训练、推理任务调度及性能优化协同管理，实现能源与算力的动态匹配，推动 AIDC 从传统"被动供能"向"主动优化 Token 产出"演进。据称，该平台在典型场景下可使 AIDC 每瓦 Token 产出提升约 20%，帮助运营商在相同能耗条件下承载更多 AI 业务。
写在最后：毋庸置疑，AI 时代的运营商竞争，正在从网络能力竞争进一步延伸到 Token 生产能力竞争。而从超节点重构系统级算力，到昇腾生态降低开发门槛，再到存算协同和 AIDC 平台持续优化单位 Token 成本，华为试图构建的并非单一产品，而是一套覆盖算力架构、开放生态和运营平台的完整底座，真正构成了运营商进入 Token 经营时代的基础设施。
