国产GPU加速突围，阡视科技发布AI超节点系统
AI算力竞争正在从单颗芯片的比拼，转向整套基础设施能力的较量。
在2026世界人工智能大会（WAIC 2026）上，阡视科技发布面向“Token工厂”的wylon超节点系统，试图解决国产AI基础设施在大模型训练和推理阶段面临的效率瓶颈。
此次推出的wylon Q72/288超节点架构，单机柜可搭载72颗国产GPU，四机柜组网后能够扩展至288卡规模，并配备大容量显存、高速互联以及百TB级专属缓存。从参数设计来看，这套系统并不是简单堆叠计算卡，而是围绕大模型时代的算力调度需求重新设计。
过去几年，AI产业链的关注点更多集中在GPU本身。英伟达凭借CUDA生态和高端GPU产品，占据了全球AI训练市场的核心位置。但随着大模型应用快速扩张，企业真正面对的问题已经从“有没有芯片”转变为“如何把芯片高效用起来”。
训练一个大型模型，需要的不只是计算能力，还包括芯片之间的数据传输效率、存储系统响应速度，以及软件栈对硬件的适配能力。任何一个环节出现短板，都会拖累整体效率。
这也是国产AI基础设施企业正在寻找突破口的地方。
阡视科技此次推出的wylon超节点系统，搭配HitenOS大模型操作系统，重点优化国产GPU平台上的算力利用率和任务吞吐能力。据介绍，该系统在相关场景下可实现10倍以上综合性能提升。
当然，国产GPU生态目前仍处于快速建设阶段。相比成熟的英伟达生态，国产芯片厂商在软件兼容、开发工具以及大规模集群调度方面仍需要时间积累。因此，单一芯片性能并不是唯一竞争点，能否形成从硬件、系统到应用的一体化方案，可能决定下一阶段市场格局。
从产业布局来看，阡视科技正在尝试搭建一个更开放的国产AI基础设施体系。
此次wylon超节点系统已经联动寒武纪、壁仞、沐曦、曦望、海光、摩尔线程等多家国产GPU企业。这种合作模式与海外AI基础设施生态的发展路径有一定相似之处——芯片公司提供底层计算能力，系统厂商负责整合优化，最终服务云计算企业、科研机构以及行业客户。
目前，基于wylon超节点架构搭建的Token工厂华东集群已经进入测试阶段。
“Token工厂”这一概念，本质上对应的是大模型推理时代的新需求。随着AI应用从聊天机器人走向企业自动化、智能体和行业模型，大量实时Token生成将成为新的算力消耗来源。相比训练阶段的集中式计算，推理业务更强调稳定性、成本控制和规模化部署。
这也解释了为什么越来越多企业开始重新设计AI基础设施。
未来几年，AI竞争可能不再只是模型参数规模的竞争，而是算力成本、能源效率、软件生态和产业落地能力的综合比拼。对于国产AI产业链而言，建立能够支撑大规模商业应用的基础设施，比单纯推出一款芯片更加关键。
阡视科技此次推出超节点系统，释放出的信号也很明确：国产AI硬件正在从“替代单点产品”走向“构建完整计算体系”的阶段。
这条路并不容易，但随着大模型应用进入更深层的产业场景，基础设施竞争才刚刚开始。
