国产AI算力真正的瓶颈，究竟在芯片本身，还是在芯片之间？
过去几年，行业讨论国产GPU，焦点往往放在单卡性能、制程、显存、生态适配上。但在大模型训练和推理进入集群化、超节点化之后，一个更现实的问题开始浮出水面：即便单点芯片不断突破，如果片内、片间、节点间、集群间的互联体系仍然割裂，算力就很难被有效释放。
换句话说，国产算力的短板正在从“有没有强芯片”，转向“能不能把强芯片组织成强系统”。
7月17日至20日，2026世界人工智能大会暨人工智能全球治理高级别会议在上海世博、张江、西岸“三地四馆”同步举行。首次亮相WAIC的奇异摩尔，把重点放在了这个问题上。
大会期间，奇异摩尔举办“智联为擎 合一共进——AI网络前沿生态论坛”，上海人工智能实验室、香港科技大学（广州）、商汤科技、壁仞科技、九章云极、曦望科技、科华云、图灵量子、图灵芯擎等研究机构、企业和产业链伙伴参会。
论坛上，国产超节点生态共建倡议行动正式启动，《共封装光学（CPO）技术白皮书》同步发布。奇异摩尔还展示了国产化超节点互联全栈解决方案、与壁仞科技联合打造的国产GPU直通国产RDMA网卡通信技术IBGDA Demo，以及下一代光互联合作成果。
这不是一次单纯的展品发布。它指向的是国产AI基础设施里一个长期没有被充分说清楚的问题：如果没有统一、开放、可演进的互联底座，国产算力很可能会停留在“单点可用、系统难用”的阶段。
单点突破之后，系统瓶颈开始显形
国产算力眼下最典型的矛盾，并不是所有芯片都不够强，而是“单点强、系统弱”。
大模型对算力的需求，已经不再是把更多芯片简单堆起来就能解决。训练侧有Scaling Law，推理侧有test-time scaling，Agent应用又带来调用量爆发。三条曲线叠加后，计算系统面临的不只是峰值算力问题，还有通信效率、调度能力、软件栈协同、集群稳定性和总体拥有成本。
这也是为什么“超节点”成为近两年智算基础设施的关键词。它本质上是试图在更大尺度上，把多个计算单元组织成一个高效协同的系统，让算力尽可能少地损耗在等待、搬运和协议转换上。
但国产生态的问题也正在这里集中暴露：各家芯片性能不断突破，片内互联、片间互联、网间互联、集群互联却各成体系，缺少统一的全栈视角。结果是芯片数量增加后，系统级性能并不能线性释放，算力资源被碎片化。
奇异摩尔创始人兼董事长田陌晨在论坛上提到，网络互联是打破算力孤岛、让单个强点连成高效系统的关键脉络。没有哪一家企业能够独自走完从底层芯片到顶层应用的全链条；只有把生态做大，企业才能更强。
这句话背后其实是一个行业判断：国产AI算力竞争，正在从单一芯片竞争，进入系统工程竞争。
全栈互联方案的意义，不在“展示”，而在底座
在本届WAIC上，奇异摩尔首次展示了国产化超节点互联全栈解决方案，并以超节点机柜形式呈现。这套方案覆盖从Scale-Out网间互联、Scale-Up超节点XPU间互联到下一代光互联的多个层面。
它要解决的不是某一个端口、某一张卡、某一种协议的问题，而是国产AI算力基础设施如何从“单点芯片突破”走向“系统级协同优化”。
奇异摩尔联合创始人兼产品及解决方案副总裁祝俊东将其概括为一套“可演进、可协同、不绑定”的系统级基础设施。芯片厂商可以基于统一底座构建超节点系统，上层应用可以获得横向扩展能力，产业生态也有机会从各自为战转向合力突围。
这里的关键词是“不绑定”。
在AI基础设施中，绑定并不只是商业选择，也会变成技术路径依赖。国际市场上，英伟达之所以能形成强势地位，并不只是因为GPU性能领先，更因为GPU、网卡、通信库、开发框架和整机系统之间形成了深度耦合。客户买到的不是单一芯片，而是一整套可运行、可扩展、可持续优化的系统。
国产生态如果只是在某个单点替代，而互联层仍然依赖外部方案，
