问题——算力增长遭遇“互连与能耗”双重瓶颈 近年来，大模型训练与推理需求快速攀升，数据中心从单纯的计算资源池，转向面向推理请求的“规模化生产系统”。此过程中，算力提升不再仅取决于单芯片性能，更受制于集群互连的时延与带宽、机架级功耗与散热能力、以及推理场景对内存带宽的敏感度。传统以电互连为主的扩展方式与风冷散热方案，正面临密度上限、能效压力和部署成本上升等现实约束。 原因——从“堆算力”转向“重构系统” 大会信息显示，英伟达以“Vera Rubin”平台为核心，提出从芯片、互连、机架到散热的一体化路线：一是引入共封装光学等新型互连形态，减少长距离高速信号在板级与背板间的损耗与时延，提升纵向扩展能力；二是推进全液冷方案，通过更高效的热交换支撑更高功耗、更高密度的计算部署；三是强调推理场景的系统优化，提出集成大容量静态随机存储器的推理处理单元，以更高带宽、更低延迟的片上或近端存储结构，缓解推理过程对外部显存与互连的依赖。业内分析认为，这些方向共同指向一个目标：以系统工程手段降低“每一次推理”的综合成本，提升算力投入的单位产出。 影响——数据中心架构与产业链将同步调整 一上，互连和散热的升级将改变机房设计与运维方式。液冷带来更高的热密度容纳能力，同时对供配电、管路安全、材料可靠性、监测与维护提出更高要求。共封装光学推进后，光器件、封装工艺、测试验证与标准体系的重要性上升，供应链协同与良率控制将成为规模化落地关键。另一方面，面向推理的处理单元与系统优化将强化“软硬协同”的竞争维度：推理并发、延迟与能耗成为衡量平台能力的重要指标，企业级应用也将更重视算力成本、响应稳定性与部署效率。随着行业从训练驱动转向“训练+推理并重”，服务商与用户侧对可持续运营、合规安全与长期TCO（总拥有成本）的关注度将持续提升。 对策——以标准、生态与安全为抓手推进落地 从产业实践看，涉及的技术要实现规模部署，需要三方面发力：其一，完善液冷与光互连的工程规范与测试体系，推动互操作标准与可靠性认证，降低集成难度与维护成本；其二，强化从芯片、封装、光电器件到机架与数据中心基础设施的协同设计能力，避免“单点最优、系统失衡”；其三，面向企业与关键行业应用，提升数据安全、供应链安全与运营韧性，在算力扩张的同时守住安全底线。对各类算力需求方而言，应结合业务峰谷与推理负载特征，采用分层部署、弹性调度与能效管理等方式，推动算力资源从“可用”向“好用、耐用、经济”转变。 前景——算力范式或进入“系统级跃迁”阶段 多方信息显示，英伟达还披露了面向后续阶段的计算平台设想。业内判断，随着共封装光学、液冷与推理优化路径逐步成熟，未来算力竞争将更像“数据中心级产品”的竞争：谁能在互连、散热、能效、软件栈与运维体系上实现更高的一体化与更低的综合成本，谁就更可能在新一轮算力需求释放中占据优势。同时，围绕智能体应用与面向现实世界的物理智能等方向，推理需求或将持续扩张，推动算力基础设施向更高密度、更高能效、更强可扩展性演进。
算力产业正从“单点性能竞争”转向“系统能力竞争”；从铜互连到光互连、风冷到液冷、通用架构到业务优化架构的转变，反映了行业对效率边界和工程可行性的重新思考。谁能在标准、工程、生态和应用之间建立更紧密的协同关系，谁就更有可能在下一轮算力变革中占据先机。