2026 OCP峰会观察：智能体时代如何破解算力能耗瓶颈

  智能体正从回答问题转向完成任务。一次调用背后是持续的上下文维护、反复的工具调用与多步编排，算力负载不再是短促的请求尖峰，而是长时段、高并发的连续占用。

  负载形态变了，能耗的账本也得重写：AI推理集群计算需求呈爆发式增长，算力密度与机架功耗同步攀升，数据中心能耗与碳排放持续走高，这已成为制约AI产业可持续发展的主要瓶颈。

  这一瓶颈正在推动AI基础设施开启系统性重构。在前不久举办的2026全球开放计算项目(OCP)全球峰会上，众多参展企业围绕能耗痛点发力，展示了各自的产品、技术与解决方案。

  芯片与架构层：从源头提升能效

  芯片厂商处在能效链条的源头。英伟达在本届峰会把Vera Rubin机架与计算托架设计通过第三代MGX架构贡献给OCP，更准确地说，是对智能体负载做了一次结构性拆分：Vera Rubin NVL72继续承担大规模训练与推理，而独立的Vera CPU机架专门承接工具调用、任务编排与沙箱代码执行。让价格高得多的加速器不再承担调度这类杂活，本身就是最直接的一次能效优化。

  硬件端迭代MGX 1.2开放参考架构，新增机架级盲插式液冷、可互操作机架互连、液冷5000 A母排以及原生19英寸设备支持，机架功率可达250 kW，同时把装配、测试与现场服务流程一起压缩。这些被压缩掉的工序与工期，本就是隐含碳的一部分。

  与此同时，AMD在峰会发布面向智能体数据中心的Helion开放机架参考设计，并计划将规范贡献给OCP。Helion基于OCP ORW规范构建，并逐层对齐DC-MHS、DC-SCM、HPRv2、OCP NIC 3.0与Caliptra。

  配置上分为两类：面向超大规模的纯CPU机架，最多搭载32768个Zen 6核心，专职跑智能体执行，模型推理请求外送到独立的GPU基础设施;面向企业的一体式机架则在EPYC 9006节点之外加入GPU推理节点，最多集成16颗Instinct MI350P，并内置Token Router，把智能体的模型调用动态路由到云端前沿模型或机架本地的开源模型，每一次转发决策，都对应一次实打实的能耗取舍。

  系统基础设施层：打通供电、散热、网络与调度

  芯片与架构奠定了底层算力基础，而整机柜、供电、网络等基础设施厂商则聚焦系统层面，打通供配电、散热、网络与流量调度的全链路能效。超聚变在峰会期间提出算电协同理念，把算力中心的评价指标从装了多少芯片换成每一度电能产出多少有效的Token与业务价值，并给出一条完整的换算链条：WATT→FLOPS→TOKEN→AGENT→VALUE。

  供电端，超聚变推出800V HVDC 高压直流系统，搭配SiC、GaN功率器件，采用芯片垂直供电方案，大幅缩短供电路径，降低配电铜损;800V HVDC技术面向兆瓦级机柜演进，单机柜可支撑300kW以上功率。散热端，采用金刚石铜复合冷板直液冷方案，单芯片液冷散热能力可达4000W以上。算电协同方面，超聚变构建从芯片级功率感知到电网级容量管理的技术能力，打造面向AI数据中心的能效体系。

  如果说超聚变解决的是机架内的供电，那么在更上游的电网侧，中压直供技术同样成为本届峰会的一大焦点。致瞻科技联合立讯技术参展，发布 NovaLink™ 35 kV / 10 MW 液冷固态变压器，直击大规模AI算力中心多级变压带来的损耗、占地痛点。该整机占地仅9.6平方米，功率密度突破1 MW/m²，**整机系统效率可达98.7%**，原生输出800V、1500V直流，可直接对接AI机柜，减少多级电能转换环节，产品符合OCP SST V0.3.0规范。其自研ZPAK™碳化硅功率模块集成高频变换、中压绝缘与液冷散热，模块化功率单元支持故障冗余，单单元故障下整机仍可稳定运行;其中核心100 kW功率单元还登陆英伟达MGX AI Factory生态展区，获得产业链的认可，为百兆瓦级AI数据中心提供电网到机柜的高效供电路径。

  在算力硬件之外，网络基础设施同样是降碳的关键一环。Meta作为OCP创始成员，在本届峰会推出首款液冷网络机柜IcePack与102.4 Tbps交换刀片IceCube。机柜遵循OCP ORV3-HPRv1标准，用液冷适配交换设备抬升起来的热密度，提升散热效率;IceCube提供128×800G无阻塞交换能力，带宽是上一代51.2T平台的两倍，提供博通Tomahawk6C、英伟达Spectrum-6两种芯片版本，均运行开源FBOSS网络操作系统。

  更值得算账的是架构。Meta同期推出的扁平化平面网络架构(FPF)，让每颗GPU通过8条独立100G链路，分别接入八台不同的交换机，用多平面取代传统的单平面上行，把网络从三层Clos压到两层。少一层交换机，意味着更少的网络跳数与更低的时延，也意味着少掉一批同样需要供电和散热的盒子。负载均衡的活交由网卡在硬件里完成，交换机与主机结合的控制平面还能把流量从故障平面上引开，避免长时间运行的任务因单点故障整体重启。软件侧，Meta开源MetaRoCE RDMA传输协议，面向AI集群提供无损以太网传输能力，已有多个云伙伴在数十到上千GPU规模的集群上开展测试，推动以太网在AI场景替代私有互联方案。

  写在最后

  当然，上述案例只是本届峰会低碳实践的一部分。但仅从已披露的代表性案例看，仍可观察到AI推理时代数据中心低碳发展的三大转向：一是能效逻辑转向：从传统稳态PUE优化，转向匹配智能体负载波动的动态适配，能效颗粒度从机房级下沉到任务级。二是降碳范围延伸：从运营端能耗管控，延伸至硬件制造、运输、回收全产业链，隐含碳纳入采购考核，成为新的竞争力维度。三是标准价值凸显：开放标准是大规模降碳的重要底座，围绕“每瓦Token价值”的低碳竞争将持续深化。由此，数据中心低碳从单点技术优化走向全栈协同、全生命周期管理，低碳能力将成为AI产业成本竞争力的重要组成。