当“人工智能+”成为全社会的议题，行业用户纷纷拥抱AI智能体，整个AI产业正在迎来新一轮的迭代升级。

过去产业反复讨论“算力够不够”，而今天真正的挑战变成，如何把海量算力转化成稳定、可负担、可普惠的智能服务。

在AICC2026人工智能计算大会主论坛，浪潮信息首席AI战略官刘军进行了主题分享，他跳出单纯硬件参数的叙事，从产业宏观趋势切入，提出能力型智算（Capability AI Compute）与容量型智算（Capacity AI Compute）的框架，回答智能体爆发阶段，AI基础设施究竟该往何处演进，并现场发布两款面向智能体时代的AI计算新品，把产业思考落地为工程实践。

AI基建迎接智能供给时代

从国家层面《关于深入实施“人工智能+”行动的意见》，到北京落地智能体引领发展专项政策，人工智能步入规模化落地周期,智能体（Agent）是这一轮变革的核心变量。

不同于传统大模型单次问答输出，智能体拥有目标规划、工具调用、多轮反馈、长周期持续运行的能力，可横跨科研、工业生产、办公业务流程深度参与社会生产。

随之而来的是AI基础设施的角色转变：此前行业焦点集中于建设更多集群、扩充卡数，解决“有没有算力”；但智能体大规模普及之后，行业必须直面两大现实拷问：我们能不能支撑AI去解决人类从未解答过的复杂问题？我们又能不能让中小企业、普通用户，用得起高水平的智能能力？

“智能正在像计算和电力一样，成为全新的生产要素。”刘军在演讲中这样判断。但智能要素化不等于简单堆砌服务器。只看芯片数量、算力峰值，已经无法衡量一套智算系统的真实价值。

新一代AI基础设施，需要同时承接两大使命：向上突破智能能力的天花板，向广完成智能普惠的大规模供给。

正是基于此，刘军正式提出能力型智算与容量型智算的划分，二者不是两条互不相关的技术路线，而是相互驱动、循环迭代的完整闭环。

能力型智算Capability：向上突破，撑起前沿智能的极限任务

能力型智算面向科学发现、复杂推理、超长程智能体协同这类前沿任务，目标是突破智能上限。生命科学的新药分子挖掘、基础科学的数学物理难题求解、AI Scientist自主完成从读论文、提出假设到设计实验全流程，都属于这类场景。

刘军分析，这类前沿任务对计算系统提出三重硬性约束。第一是承载能力，万亿甚至十万亿级大模型、超大上下文窗口、海量KV‑Cache缓存，需要系统容纳巨大的模型权重与运行状态；第二是运行效率，复杂智能体任务会进行几十上百轮“推理‑调用工具‑反馈修正”循环，芯片间数据交换时延会层层累积，直接决定任务成败；第三是长期稳定性，复杂智能体可能连续运行数小时乃至数天，任何节点、网络、软件故障，都会直接中断完整任务，可靠性已经上升为系统级命题，而非单台服务器问题。

这意味着仅仅依靠单颗芯片性能提升远远不够，必须依靠计算、高速互联、存储、全栈软件的贯穿式系统级创新。超节点架构，正是为能力型智算而生的关键技术路径，依靠高速低时延互联，把大量计算资源整合为统一协同的大型计算池，降低通信等待损耗，适配超大模型与复杂智能体运行需求，这也与北京人工智能政策中重点发展超节点、光互联技术的方向形成呼应。

AICC2026上，浪潮信息发布元脑SD200 Ultra超节点AI服务器，正是能力型智算理念的产品落地。现场披露实测数据显示，该超节点可以单机承载运行2.8万亿参数Kimi K3模型，Token生成时延低至5.85毫秒，支撑十万亿参数前沿模型单机部署，为长上下文、复杂多智能体协同、科学智能探索提供底座支撑。

容量型智算Capacity：向广普惠，让高水平智能变得充足、可负担

如果说能力型智算定义技术的上限，那么容量型智算，则回答另一个现实命题：我们能够拥有多少智能？

即便模型能力再惊艳，倘若调用成本居高不下，先进AI就只能是少数科研机构、头部企业的奢侈品，无法真正赋能千行百业。随着海量智能体并发运行，全社会Token需求将迎来指数级膨胀。

刘军强调，容量型智算追求的不是单纯堆叠更多硬件，而是提升单位计算资源的Token产出效率，把前沿的智能能力，变成普通人、中小企业都可负担的公共能力。

不同推理任务，对计算、存储、网络资源的需求差异巨大。单纯增加GPU数量，不能解决资源闲置、重复计算的浪费。容量型智算的核心思路，是按照任务特征调度组织多元算力资源，软硬件协同减少空闲与重复开销，把“算力规模竞赛”转向“智能生产效率竞赛”。

面向容量型智算大规模普惠供给的诉求，浪潮信息同步推出元脑HC2000多元算力机组，聚焦大规模AI基础设施场景，以高密液冷AI整机柜形态，优化海量智能体并发推理的资源利用效率，服务Token工厂、公共算力平台、行业大规模智能体部署，帮助产业降低整体智能服务成本，推动智能普惠落地。

双向循环：今天的能力，就是明天普及的基线

演讲中，刘军着重阐释了两大智算形态的辩证关系：Capability不断开拓能力边界，Capacity则把刚刚诞生、昂贵稀缺的前沿能力，工程化、低成本化，转化为全社会可以使用的普及基线。

一项新的智能能力诞生之初，往往成本高昂，只能在能力型智算集群上完成验证；随着系统架构优化、工程迭代，这项能力迁移到容量型智算底座，成本大幅下降，走进各行各业。反过来，海量普及应用又会催生全新数据与业务需求，倒逼新一轮前沿能力探索。由此形成完整循环：突破智能上限—降低使用成本—扩大智能应用—催生新需求—新一轮智能突破。

未来评判AI基础设施好坏，不再简单清点CPU、GPU数量，而是要看两大指标：能够支撑多强的智能能力，能够以何等成本、何等效率向外供给智能。评价标尺，已经从“拥有多少算力”切换为“可以生产供给多少智能”。

同时刘军指出，同时跑通能力型、容量型两套体系，绝非单一芯片、单一企业可以独立完成。国内AI产业本身具备技术路线多元、场景丰富、开源生态活跃的特点，但也带来跨路线适配、系统协同的现实难题。AI基础设施的竞争，已经从单点硬件性能比拼，演进到系统级创新与全产业生态协同的较量。

结语

当行业还在反复争论算力过剩或者算力紧缺之时，刘军给出的答案是：我们既需要向上攻坚，打造可以触碰科学未知的能力型智算底座；也需要向广辐射，建设高效廉价、让万千主体都能获益的容量型智算体系。

元脑SD200 Ultra与元脑HC2000两款新品，正是这套产业思考下的具象产物。未来AI产业的胜负手，不在于谁拿到更多硬件，而在于谁能真正完成从“算力”到“智能供给”这关键一跃。