AI之下，國產AI服務器廠商的“遠圖”

2026年的WAIC，正在呈現一幅與兩年前不同的圖景。大模型仍是技術底座，展臺主角卻更多轉向智能體、具身智能和行業應用，AI產業的關鍵詞也由參數、訓練和算力儲備轉向部署、推理與生產效率。

在遠圖的展臺上，這種變化被放進了一個頗具反差的場景：一邊是超節點、機架式服務器和高速交換機，另一邊，機器人正在模擬服務器產線上的作業。看起來相距甚遠的兩組展品，恰好連成一個循環：服務器為模型生產Token，機器人開始參與生產服務器，AI基礎設施既支撐智能應用，也被智能應用重新改造。

這個循環背后，是服務器生意正在發生的變化。過去幾年，算力建設首先解決“有沒有”和“夠不夠”；當智算中心和大規模集群陸續落地，市場開始追問：昂貴的加速卡能否被充分利用？設備能否長期穩定運行？一筆基礎設施投入究竟能轉化出多少有效Token？AI基礎設施從采購邏輯進入運營邏輯，在這樣的行業背景下，半導體產業縱橫對話遠圖副總裁丁煜。試圖回答一個更具體的問題：當AI基礎設施從采購設備進入生產Token的階段，一家硬件廠商需要具備怎樣的能力？

01

Token效率成為AI基礎設施的新尺度

丁煜對WAIC 2026的第一判斷，是AI正在從展示能力轉向交付能力。“AI已經從聊天機器人，逐漸演進到生產力工具。”今年的WAIC 2026上，出現了更多在客戶現場運行的垂直智能體、具身智能和行業解決方案，廠商不再滿足于演示模型會回答問題，而是要說明它如何接入業務、如何持續運行，以及如何為企業創造可計算的收益。應用端的變化，很快傳導到基礎設施端。丁煜對此感受明顯：“過去，用戶更關注算力本身；現在，更關注一套基礎設施能夠形成多大的Token生產能力。”訓練時代習慣用峰值算力衡量規模，推理時代則更關心吞吐、時延、可用性以及每個Token的綜合成本。算力從一種被采購的資源，變成了一條需要核算投入產出比的生產線。

如果要為算力和生產力之間找到一個中間尺度，Token正在成為衡量智能產出的一種“一般等價物”。Token并不是最終的業務價值，卻是目前最容易被度量的中間結果：同一筆硬件投入，每秒能輸出多少Token、用戶要等待多久、單位Token成本多高，決定了一套基礎設施能否真正轉化為生產力。

這也把服務器競爭從單機推向了系統，超節點開始成為AI基礎設施領域最受關注的產品形態之一。據丁煜介紹，遠圖已開發高密度128卡超節點，單機柜可容納64個以上算力節點。對于持續運行“Token Factory”的大型客戶而言，超節點雖然單機價格更高，但通過高帶寬互聯和更緊密的系統協同，可以提高Token吞吐，使單位產出的成本更具優勢。不過，超節點并不會成為唯一答案。區域智算中心、傳統行業和中小型企業通常不需要一次性部署數百乃至數千張加速卡。它們更在意初始投入、機房條件、擴展方式、國產芯片適配和后期運維。在這些場景中，傳統機架式服務器仍然擁有更高的靈活性。

AI服務器市場由此形成了兩條并行的業務曲線：一條追求連續大負載下的Token吞吐和單位成本，指向超節點；另一條追求多場景部署、漸進擴容和異構兼容，指向機架式服務器。丁煜說到：“客戶的需求正在變得越來越多元化。”

更值得注意的是，兩條曲線的分野并不只在產品外形，而在于廠商能否理解負載。訓練、批量推理、實時推理以及行業小模型，對計算密度、網絡拓撲、存儲帶寬和可靠性的要求并不相同。

下一階段的競爭，不是誰能把更多卡裝進機柜，而是誰能為不同負載找到更合適的系統架構，并把峰值性能穩定地轉化為業務吞吐。也就是說，Token效率并不是一個孤立的性能指標，它最終考驗的是廠商能否把計算、網絡、存儲和管理組織成一套協同系統。由此，服務器競爭也自然從產品能力走向系統級交付。

02

系統級交付，重塑服務器產業邊界

遠圖同時具備在計算、網絡和存儲類產品的研發、生產制造能力。WAIC 2026上，遠圖展示的三類產品對應的正是不同層次的交付需求：第一類是面向超大規模訓練和推理的超節點產品；第二類是適合企業級、中等規模部署的機架式計算、存儲和網絡產品；第三類是與合作伙伴共同呈現的具身智能生產實踐。

前兩類產品對應AI基礎設施的不同規模。超節點面向長期運行大模型服務、追求Token吞吐和規模效率的客戶，遠圖提供 32 卡、64 卡至 128 卡的多層級超節點整機方案；企業級產品則以機架式的通算服務器、存儲服務器及智算服務器等為底座。相比超節點，這類產品更適合分階段建設，也更容易適應不同加速卡、機房條件和業務規模。具身智能領域，遠圖展示了具備“高級技工”能力的“超級工站”成為焦點，該系統深度融合了物理世界基礎模型與工作流 Agent 技術，通過靈巧機械手與自主決策能力，實現了跨工序的系統作業。三類展示分別指向大規模算力、企業級部署和真實生產場景，背后依靠的是同一套工程基礎。

在這套能力中，網絡的重要性正在快速上升。傳統數據中心里，交換機常被看作服務器之外的配套設備；在大規模訓練和推理中，它卻直接影響加速卡的有效利用率。GPU需要持續交換參數和中間結果，帶寬、時延、擁塞控制和拓撲設計中的任何短板，都可能讓昂貴的算力停下來等待。丁煜介紹，遠圖400G交換機已批量交付，800G產品也在2026年開始交付。遠圖的優勢，正是可以讓關鍵的交換機與服務器、網卡和集群拓撲進入同一套研發、驗證和交付體系。這就能夠減少跨廠商適配和故障定位帶來的效率損耗，讓服務器廠商有能力對集群的最終表現負責。

03

從頭部客戶驗證走向產業化復制

遠圖并非AI服務器領域的新兵，而是有近10年經驗的行業老將。自2017年起，遠圖啟動服務器業務，截至2025年度，遠圖的企業銷售額已經超過400億元，可提供覆蓋計算、存儲和網絡的全棧產品。

這種起點也決定了遠圖今天的商業形態。一端與頭部客戶聯合開發、按項目定制，另一端把經過驗證的服務器、交換機和管理工具做成標準產品，面向智算中心和傳統行業銷售。定制項目解決復雜場景，也提供工程反饋；標準產品則把經驗復制到更多客戶。丁煜表示，過去服務頭部企業時，客戶通常具備很強的存儲和平臺管理能力；但越來越多中小企業開始自建AI環境，它們需要供應商從底層設備一直交付到中間管理。對遠圖而言，這意味著存儲軟件、數據中心管理和AI平臺能力必須繼續產品化，也意味著交付團隊要把一次性的項目經驗變成可復制的實施方法。遠圖需要完成的關鍵轉換，正是從“為少數大客戶解決復雜問題”走向“讓更多中小型客戶買得起、用得上、運維得了”。

在這種背景下，遠圖提出了“算、網、存、管”的全棧產品體系。這不是追求產品線越長越好，而是圍繞Token效率重新劃定能力邊界。計算和網絡決定算力能否充分利用，存儲和管理決定集群能否長期穩定運行，制造與服務則決定方案能否按期落地。丁煜表示：“我們現在正在逐漸補充面向存儲場景的軟硬一體解決方案，以及面向管理的數據中心和AI平臺管理產品能力。”遠圖的路徑非常清晰：不是在短時間內復制一家覆蓋所有層級的傳統巨頭，而是先把大型客戶驗證過的硬件與工程能力產品化，再沿著行業客戶的需求向軟件和交付延伸。

04

結語

中國AI算力的故事，經歷了從“有沒有”到“夠不夠”的十年。當下半場進入“好不好”的產業拐點，比拼的就不再是單點算力，而是一套可長期穩定交付的工業化能力。遠圖正在做的，是把算網存管封裝成中國AI產業可大規模調用的基礎設施：讓算力用得起、用得穩、用得久。這套能力一旦立起來，受益的不只是遠圖自己，而是整個中國 AI 產業鏈向上攀爬的臺階。

十年磨一劍，一朝出鞘。丁煜說：“我們希望用一到兩年時間，讓遠圖成為行業里面大家認可、耳熟能詳的公司。”

【AI疊變】第十期：遠圖。自2017年起深耕數字基礎設施，總部位于上海，在廣東有國內規模領先的服務器制造基地。遠圖具有深厚的產業基礎，帶著被全球產業反復驗證過的工程體系，一支身經百戰的研發團隊、一張延展至全球的供應鏈網絡而來。從 AI 服務器、通用服務器、存儲服務器到交換機，遠圖圍繞數據中心場景，搭起“存-算-網-管”的全棧產品矩陣。遠圖致力于成為全球領先的數字基礎設施服務商與云計算解決方案提供商，助力AI在千行百業落地。