从万卡到十万卡：国产算力正站在“系统级放量”的转折点上

过去一周，算力领域最火热的话题，不是某一款芯片的跑分，也不是某一家模型公司的参数竞赛，而是一个更宏观、更结构性的信号：国产算力正在从“单点突破”走向“系统级放量”。

这个判断来自两条几乎同时出现的信息。一条是政策端，工信部印发《信息通信行业发展“十五五”规划》，明确提出有序部署万卡、十万卡及以上智算集群，加大力度适配国产算力芯片，并给出到2030年智能算力规模达到9800EFLOPS的目标。另一条是产业端，京东云在2026京东全球科技探索者大会上宣布，拟建设以摩尔线程全功能GPU为算力底座的十万卡智算集群，聚焦大模型训练、推理及具身智能等关键领域，并向全行业开放算力。摩尔线程方面明确表示，这标志着国产GPU首次进入头部AI云企业十万卡级核心智算集群。

政策规划与产业落地在同一个窗口期内形成共振，这是2026年算力领域最具标志性的事件组合。它意味着国产算力不再只是“政策鼓励方向”，而是开始进入头部云厂商的核心业务承载层；也不再只是“单卡替代”的故事，而是集群、网络、存储、调度、框架、模型、服务一体化的系统竞争。

一、政策定调：十万卡集群与国产芯片适配进入顶层设计

《信息通信行业发展“十五五”规划》的份量，在于它不再停留于“鼓励发展”，而是给出了明确的技术路径、规模目标和配套要求。规划提出构建“枢纽—区域—边缘”多层次算力设施体系，面向场景按需部署推理算力设施，并“加大力度适配国产算力芯片”。在算力传输通道方面，规划部署400G及以上高速传输技术，推动100G光网设备下沉。在绿色算力方面，要求到2030年新建大型超大型算力设施运行PUE降至1.2以下。

与此同时，中央网信办等七部门联合印发的《促进数字化绿色化协同转型发展实施方案（2026—2030年）》，将算力设施绿色化提升到与算力规模扩张同等重要的位置，明确提出强化算力设施绿色设计，支持液冷散热、余热回收、低功耗芯片等技术创新，探索800V高压直流供电架构，推动超百千瓦单机柜部署。

这两份文件叠加在一起，释放的政策意图非常明确：国产算力不再只是“备选方案”，而是要成为算力基础设施的主力供给。而且，政策关注的已经不只是“建多少算力”，还包括“算力怎么连、怎么用、怎么绿色地运行”。这意味着，未来几年算力建设的竞争，不会仅仅是GPU数量的竞争，而是电力、制冷、网络、调度、软件生态和运营效率的综合竞争。

从“万卡”到“十万卡”，也不是简单的数量叠加。万卡集群已经对网络拓扑、并行训练、容错机制、存储吞吐提出很高要求；十万卡集群则会把这些问题放大一个数量级。故障将成为常态，通信瓶颈更加突出，能耗和散热压力急剧上升，调度和运维复杂度成倍增加。政策把十万卡及以上集群写入规划，实际上是在倒逼整个产业链从“卖硬件”转向“交系统”。

二、产业落地：国产GPU拿到头部云厂商的“信任票”

政策方向确定了，但真正让行业为之振奋的，是京东云与摩尔线程的合作。

十万卡全功能GPU集群，以摩尔线程GPU为算力底座，服务大模型训练、推理及具身智能，并向全行业开放算力。京东集团技术委员会主席、京东云总裁曹鹏将其定位为“国内AI云领域自主可控的超大规模算力底座”。这句话的关键词有两个：一是“自主可控”，二是“超大规模”。前者指向供应链安全，后者指向工程能力。国产GPU能不能进入头部AI云企业的核心智算集群，过去一直是个问号。现在，这个问号正在被拉直。

更值得关注的是技术成熟度。趋境科技与摩尔线程的联合方案已投入生产环境，承接头部模型厂商官方业务的真实Token流量。在生产运行数据中，MTT S5000与国产PD异构方案协同运行，平均词元生成速度超过50 TPS，KV Cache命中率超过90%，系统稳定性达到99.9%。这意味着国产GPU不再是实验室里的“可用”，而是生产环境中的“好用”。对于云厂商和模型厂商而言，生产环境的数据比任何发布会上的峰值指标都更有说服力。

集群规模也在快速爬坡。基于MTT S5000的万卡集群已为超大参数大模型训练提供服务，面向词元工厂的推理服务正在陆续上线运营。从万卡到十万卡，国产算力的工程化能力正在经历真正的规模考验。十万卡集群不是把一万张卡乘以十那么简单，它涉及高速互联、无损网络、并行文件系统、检查点恢复、故障隔离、任务调度、能耗管理等一系列系统级问题。任何一个环节出现短板，都会让整集群的有效算力大打折扣。

因此，京东云这一步的意义，不只是“买了多少国产GPU”，而是国产GPU开始被纳入头部云厂商的核心算力规划。这相当于一张“信任票”：国产算力不再只是边缘业务、试点业务、备份业务，而是可以承载大模型训练、推理和具身智能等关键场景的主力底座之一。

三、需求侧：模型迭代与算力涨价构成双重拉力

国产算力加速放量的背后，是需求端的强力拉动。

9月初，OpenAI发布新一代旗舰模型GPT-6 Astra，上下文窗口达105万tokens，在Computer-Use自主操作、多步骤端到端任务上实现成熟落地。模型能力的代际跃升，直接带来算力消耗的结构性抬升。长程任务下单次调用涉及***tokens上下文与多轮工具调用，推理阶段的计算量、显存占用和通信开销都会显著增加。过去，很多应用只需要一次短问答；现在，智能体要连续规划、调用工具、读取长文档、执行多步骤操作，Token消耗和算力占用完全不是一个量级。

国内方面，DeepSeek V4.1 Flash模型正式发布，在性能、响应速度等核心指标上全面超越此前的V4 Pro，同时宣布Flash系列全线降价，输入缓存未命中价格下调60%。模型降本将进一步推动API调用量上行，推理算力需求同步扩大。降价会刺激更多开发者接入，更多应用接入又会带来更多Token调用，最终反馈到算力侧，就是持续增长的推理需求。

需求端的扩张已经反映在价格上。今年以来，腾讯云、阿里云、百度智能云等厂商密集上调算力产品价格，部分服务最高涨幅超过30%。英伟达系列GPU租赁价格同样多数上涨，B200租赁价格月涨11.65%，RTX5090月涨28.57%。截至今年3月，我国日均Token调用量已超过140万亿，相比2025年底的100万亿，3个月时间增长超40%。

供需缺口仍在扩大。沐曦股份创始人陈维良在2026中国联通合作伙伴大会上指出，大模型参数已迈向万亿甚至十万亿级，训练与推理的算力消耗呈指数级增长，算力供给出现持续缺口。这个判断解释了为什么算力价格在涨、租赁在涨、云厂商在扩、政策在推。需求不是短期脉冲，而是模型能力提升、推理成本下降、应用场景普及三者叠加带来的长期扩张。

四、为什么这一轮“国产替代”不一样

过去几年，国产算力的推进常被诟病“有政策、缺场景”。单卡性能在追赶，但软件生态弱、迁移成本高、客户不敢把核心业务放上去。很多项目停留在地方智算中心、实验室验证和小规模试点阶段，难以形成商业闭环。

但这一轮的变化在于，从政策目标到产业落地，从模型适配到生产验证，每一个环节都在同一时间窗口内取得了实质性进展。

“十五五”规划将十万卡集群和国产芯片适配写入顶层设计，京东云与摩尔线程的合作则证明国产GPU已具备承接头部云厂商核心业务的能力。趋境科技与摩尔线程的生产数据表明，国产算力的竞争力正从单卡性能延伸至系统级Token生产效率。与此同时，中国联通宣布“十五五”预计撬动千亿级投资，将建强京津冀、长三角、粤港澳大湾区算力，打造吉瓦级园区，“让更多国产大模型用上优质国产算力”。

这背后是一个更完整的联合体正在形成：运营商提供网络、园区、能源和资本，云厂商提供平台、调度和客户，GPU厂商提供算力底座，模型厂商提供场景和流量，系统集成商提供异构协同和工程优化。国产算力不再是一家公司单打独斗，而是产业链上下游共同推进的系统工程。

所谓“系统级放量”，至少包含四层含义。**，竞争核心从单卡性能转向集群效率，互联、存储、调度、容错、能效成为关键指标。第二，采购方从实验室和地方智算中心，扩展到头部云厂商、运营商和大型模型公司。第三，应用从试点Demo扩展到生产环境中的真实Token流量。第四，政策从单纯补贴转向规划、标准、绿色、传输通道和产业协同。这四层同时推进，才称得上“系统级放量”。

五、十万卡集群意味着什么

十万卡集群首先意味着能源和散热问题被推到前台。吉瓦级园区、超百千瓦单机柜、800V高压直流、液冷散热、余热回收，这些过去看起来像“配套技术”的环节，正在成为算力集群能否落地的决定性因素。PUE降至1.2以下不是锦上添花，而是硬约束。没有绿色算力，就没有可持续的算力规模。

其次意味着网络和存储必须同步升级。400G及以上高速传输、100G光网设备下沉，是为了让算力枢纽之间、集群内部和边缘节点之间形成高效通道。十万卡训练需要高带宽、低延迟、无损网络，需要高吞吐并行文件系统支撑检查点写入和读取。网络和存储如果跟不上，GPU再多也会被“喂不饱”。

再次意味着软件生态的重要性被进一步放大。CUDA生态积累深厚，国产GPU要在生产环境中大规模使用，必须解决算子覆盖、框架兼容、编译优化、开发者习惯等问题。兼容层可以降低迁移成本，但长期看，还需要形成自己的工具链、社区和标准。只有软件生态成熟，国产算力的系统级优势才能真正释放。

最后意味着商业模式要经受考验。十万卡集群投资巨大，电力、土地、设备、运维成本高昂，如何提高利用率、如何服务好模型厂商、如何形成可持续的算力租赁和Token工厂模式，都是必须回答的问题。算力不是建完就结束，运营效率才是长期竞争力。

六、挑战与风险仍在

国产算力站上转折点，并不意味着挑战消失。供应链方面，先进制程、HBM、先进封装、EDA工具等环节仍存在约束；生态方面，开发者习惯、算子覆盖、框架兼容仍需时间；能耗方面，绿色算力要求会提高建设成本和运营门槛；市场方面，要警惕重复建设和闲置风险，避免“为建而建”；商业方面，算力涨价与模型降本之间存在张力，云厂商和模型厂商的利润空间需要平衡。

此外，十万卡集群的实际交付进度、国产GPU在超大规模训练中的稳定性、异构方案的调度效率、模型迁移后的性能损耗，都需要真实生产数据来验证。政策与产业共振开了个好头，但真正的考验在交付和运营阶段。

七、接下来的关键观察窗口

未来一段时间，有几个指标值得重点关注。**，京东云十万卡集群的实际交付进度和上线节奏。第二，更多头部AI云厂商是否会跟进国产GPU的大规模部署。第三，国产大模型在国产算力上完成训练和推理的比例是否持续提升。第四，国产GPU软件生态的成熟度，包括算子库、框架适配、开发者反馈。第五，绿色算力指标能否在规模扩张的同时达标。第六，算力利用率和服务价格是否形成良性循环。

如果这些指标持续向好，那么国产算力的系统级放量就不只是政策语言，而会成为产业现实。过去一周，政策与产业在同一个窗口期内形成共振，国产算力正站在从万卡走向十万卡、从试点走向生产、从单点突破走向系统级放量的转折点上。十万卡不是终点，而是国产算力成为算力基础设施主力的起点。