上证报中国证券网讯（年悦 记者 张雪）在2026世界智能产业博览会期间，中科曙光副总裁、曙光信息产业（北京）有限公司总裁魏振国围绕AI算力从“算力工厂”向“Token工厂”转型、普惠算力体系建设、自主可控算力生态构建以及超算互联网赋能京津冀等热点话题分享了最新思考与实践成果。 魏振国在接受上海证券报记者专访时表示，Token效率的关键在于系统级协同，未来真正有竞争力的AI基础设施不只是“算得快”，更是“长期稳定、低成本、可持续”。 从“算力工厂”到“Token工厂” 在智博会上，中科曙光展示了全国产AI服务器、scaleX超节点、FlashNexus全闪存存储等新一代算力底座。 针对当前AI算力评价体系从“峰值算力”向“Token产出效率”转变的趋势，魏振国表示，Token效率的关键不在于单一芯片，而在于系统级协同。在高并发推理、多智能体协同场景下，瓶颈往往来自数据搬运、存储I/O、网络时延、散热能耗以及任务调度等多个环节。 魏振国表示，中科曙光此次展示的产品矩阵，从计算、存储、网络三个维度进行系统优化。 在计算层面，scaleX超节点通过高密度架构和高速互联，大幅缩短GPU之间的数据交换路径。在存储层面，FlashNexus全闪存存储针对AI场景深度优化，能够支撑大规模参数和向量数据的高速访问。在网络层面，scaleFabric有效降低集群通信时延。最终形成的是“算、存、网”协同的系统级能力，而不是单点性能的简单堆叠。 此外，公司还通过液冷技术和智能调度，降低PUE和整体能耗。“未来Token成本不仅取决于采购成本，更取决于长期运行成本。只有把每瓦性能、每Token成本真正降下来，AI才能从少数头部企业走向大规模产业应用。”魏振国说。 推进算力“普惠” 面对智能体、多模态大模型带来的Token需求指数级增长，中科曙光提出建设“普惠算力”体系，目标是让更多企业“用得起、用得上、用得好”AI算力。 魏振国认为，未来AI的发展将像今天的电力和互联网一样，Token成为一种新的基础生产力。如果Token成本过高、获取门槛过高，AI就很难真正进入制造、医疗、科研、教育等大量行业场景。 他从开放架构、存算协同、绿色算力三个方向阐述了曙光的实践路径。 在开放架构方面，在硬件、软件、模型适配层面坚持开放兼容，目前已适配400余个主流模型，尽量降低行业用户迁移和部署成本。在存算协同方面，通过全闪存、高速网络、分布式存储，确保数据供给能力跟上GPU计算能力，避免Token效率下降。在绿色算力方面，持续推进液冷、高密部署和智能调度，希望在同样电力条件下输出更多有效Token。 在生态建设上，当前公司越来越强调“系统创新”而不是“单点创新”的原因正在于，未来真正的竞争力不只是某一个部件性能领先，而是整个生态协同效率。 “我们希望未来能够通过超算互联网，把更多社会算力资源连接起来，让不同地区、不同架构、不同类型的算力实现统一调度和共享使用。”魏振国说。

上证报中国证券网讯（年悦 记者 张雪）在2026世界智能产业博览会期间，中科曙光副总裁、曙光信息产业（北京）有限公司总裁魏振国围绕AI算力从“算力工厂”向“Token工厂”转型、普惠算力体系建设、自主可控算力生态构建以及超算互联网赋能京津冀等热点话题分享了最新思考与实践成果。

魏振国在接受上海证券报记者专访时表示，Token效率的关键在于系统级协同，未来真正有竞争力的AI基础设施不只是“算得快”，更是“长期稳定、低成本、可持续”。

从“算力工厂”到“Token工厂”

在智博会上，中科曙光展示了全国产AI服务器、scaleX超节点、FlashNexus全闪存存储等新一代算力底座。

针对当前AI算力评价体系从“峰值算力”向“Token产出效率”转变的趋势，魏振国表示，Token效率的关键不在于单一芯片，而在于系统级协同。在高并发推理、多智能体协同场景下，瓶颈往往来自数据搬运、存储I/O、网络时延、散热能耗以及任务调度等多个环节。

魏振国表示，中科曙光此次展示的产品矩阵，从计算、存储、网络三个维度进行系统优化。

在计算层面，scaleX超节点通过高密度架构和高速互联，大幅缩短GPU之间的数据交换路径。在存储层面，FlashNexus全闪存存储针对AI场景深度优化，能够支撑大规模参数和向量数据的高速访问。在网络层面，scaleFabric有效降低集群通信时延。最终形成的是“算、存、网”协同的系统级能力，而不是单点性能的简单堆叠。

此外，公司还通过液冷技术和智能调度，降低PUE和整体能耗。“未来Token成本不仅取决于采购成本，更取决于长期运行成本。只有把每瓦性能、每Token成本真正降下来，AI才能从少数头部企业走向大规模产业应用。”魏振国说。

推进算力“普惠”

面对智能体、多模态大模型带来的Token需求指数级增长，中科曙光提出建设“普惠算力”体系，目标是让更多企业“用得起、用得上、用得好”AI算力。

魏振国认为，未来AI的发展将像今天的电力和互联网一样，Token成为一种新的基础生产力。如果Token成本过高、获取门槛过高，AI就很难真正进入制造、医疗、科研、教育等大量行业场景。

他从开放架构、存算协同、绿色算力三个方向阐述了曙光的实践路径。

在开放架构方面，在硬件、软件、模型适配层面坚持开放兼容，目前已适配400余个主流模型，尽量降低行业用户迁移和部署成本。在存算协同方面，通过全闪存、高速网络、分布式存储，确保数据供给能力跟上GPU计算能力，避免Token效率下降。在绿色算力方面，持续推进液冷、高密部署和智能调度，希望在同样电力条件下输出更多有效Token。

在生态建设上，当前公司越来越强调“系统创新”而不是“单点创新”的原因正在于，未来真正的竞争力不只是某一个部件性能领先，而是整个生态协同效率。

“我们希望未来能够通过超算互联网，把更多社会算力资源连接起来，让不同地区、不同架构、不同类型的算力实现统一调度和共享使用。”魏振国说。