概述:人形机器人集体卷向“大脑”,但训练AI的机房正遭遇网络瓶颈。中科曙光在CNCC 2026发布Fabricview平台,纳管百万量级网络设备,让算力真正转化为有效Token。
文章字数: 约1200字 预估阅读时间: 约3分钟
具身智能今年最热的词是“物理AI”:人形机器人卷完行走卷灵巧手,现在集体转向“大脑”。但机器人的大脑不是长在机身里,是在机房里练出来的——训练集群正从研发投入变成机器人公司的“生产设施”。

10月22日,CNCC 2026(中国计算机大会,办了23届首次落地成都)期间,中科曙光发布了智算网络管理平台Fabricview,可以集中纳管百万量级的网络设备、端口与光模块。把几万张GPU连成一个“超级大脑”的,正是机房里的智算网络——而这个事就和这张网的“管家”有关。
AI从“聊天”走向“干活”,Token成了新账
本先看中科曙光高级副总裁李斌在主论坛的判断:AI正在从内容生成走向任务执行,推理不再是偶发、短时的请求,而是长期运行、持续交互的生产型进程;算力系统要从单机峰值能力转向系统有效算力,围绕Token产出效率重构。
这个变化很具体。过去生成式AI是“一问一答”,比拼峰值性能;现在Agent要持续交互、调用工具、拆解任务、彼此协同,推理负载变成高并发、长文本、持续运行。IDC的数据给出了量级:全球活跃Agent将从2026年的7940万个增至2030年的22.16亿个,中国从495万增至2亿个,部署渗透率高于全球水平。
于是算力市场的账本变了:从“建多少资源”变成“产出多少有效Token”。就像工厂不比机器多,比良品率。
超节点+超集群:把算、存、网拧成一股绳
围绕这个账本,曙光给出的答案在大会现场摆了一整条产品线:scaleX40超节点、scaleFabric高速网络、ParaStor存储、超集群,外加AI推理优化服务。
拆开看几个硬指标:scaleX40通过一层组网实现全交换scale-up,形成内存语义的百纳秒级低延迟,再用无线缆正交结构和全电互连抬高系统可用性;scaleFabric原生无损RDMA网络负责把超节点连成千卡、万卡、十万卡的超集群;ParaStor则为训推全流程提供统一存储池。李斌把它概括为一句话:围绕“超节点+超集群”做芯、算、存、网、电、冷一体化系统工程创新,把设备性能真正转化为可用算力。
到推理环节,曙光工程师讲了怎么拆“四堵墙”——算力空转、通信等待、数据搬运、调度排队:PD分离架构在minimax2.5实测中,P、D性能分别提升237.5%和228.57%;ParaCache缓存方案让TTFT降低95%以上、Token吞吐提升15~25倍,64K上下文并发数提升16倍。
Fabricview:给整张网装上“大脑”
规模越大,网络的麻烦越具体:十万卡集群里,一个光模块热衰减、一次链路微突发,就能拖慢整批作业——而百万量级的连接点,靠人工挨个排查根本不现实。
需要说明的是,Fabricview不是一根线缆、一台交换机,而是让整张智算网络“看得清、管得住”的软件平台。它专为scaleFabric大规模集群网络定制研发,具备六项能力:自动化配置管理、主动性能压测筛查、业务拓扑感知调度、故障诊断自愈、全栈多维可观测、智能运维。说得直白点:不仅能看清这张网,还能主动“体检”,毫秒级发现异常并告诉你哪条链路影响了哪个计算任务,故障处置从人工驱动转向AI代理驱动。
底气来自实战:底座scaleFabric具备400G原生无损RDMA、单子网十万卡以上扩展、毫秒级链路故障切换能力;此前已在郑州国家超算互联网节点实际部署,支撑三套万卡级集群上线,整个网络部署仅用36小时,累计服务1万用户、10万余个计算作业。真金白银跑过十万卡之后,经验才沉淀成这套软件。
物理AI的算力需求——仿真、大模型训练、本体边缘推理——层层都要落到机房。机器人行业的竞争,正在从“谁的机器能跑”转向“谁的算力跑得满、跑得稳”。
从建算力到用好算力,硬件堆到位只是及格线,把百万个连接点织成的那张网管明白,才是拉开差距的地方。机器人变聪明的天花板,也许不在电机上,而在机房里那张看不见、但终于有人管好的智算网络上。
注:本文基于2026年10月24日以及之前的公开信源整理,涉及行业预测与盈利判断的内容均存在不确定性,不构成任何投资建议。
关注「智财社」看具身智能技术迭代与资本脉络