不靠英伟达网卡，国产 GPU 直通方案实测出炉：吞吐飙升、延迟砍半
2026 年 7 月 17–20 日，WAIC 2026（世界人工智能大会暨人工智能全球治理高级别会议）于上海世博、张江、西岸"三地四馆"同步启幕。本文带你看懂：作为 AI 网络全栈式互联提供商，奇异摩尔交出的"成绩单"为何让国产算力圈集体兴奋——尤其是那场让英伟达 ConnectX 系列感到压力的 IBGDA Demo。
一、奇异摩尔首次亮相 WAIC 2026
奇异摩尔作为行业领先的 AI 网络全栈式互联产品及解决方案提供商，
首次亮相 WAIC 2026，并在大会期间举办"
智联为擎 · 合一共进——AI 网络前沿生态论坛"。
参会阵容覆盖了国产算力从芯片到应用的几乎所有关键玩家：
- 学术机构：上海人工智能实验室、香港科技大学（广州）
- 国产 GPU 厂商：商汤科技、壁仞科技
- 国产 AI 芯片：九章云极、曦望科技、沐曦、天数智珠、燧原科技
- 基础设施：科华云、曙光信息
- 光 / 量子生态：图灵量子、图灵芯擎、奇点光子
奇异摩尔创始人兼董事长田陌晨在论坛致辞中给出了一个核心判断：
"网络互联是打破算力孤岛、让单个强点连成高效系统的关键脉络。没有一家企业能够独自走完从底层芯片到顶层应用的全链条。"
论坛现场致辞示意图，右侧大屏呈现"智联为擎 · 合一共进"主题。
围绕这一判断，奇异摩尔在本届 WAIC 一次性亮出五张牌：
- 国产超节点生态共建倡议行动正式启动
- 《共封装光学（CPO）技术白皮书》正式发布
- 国产化超节点互联全栈解决方案亮相
- 与壁仞科技联合打造的国产 GPU 直通国产 RDMA 网卡通信技术 IBGDA Demo 现场展示
- 下一代光互联合作成果亮相
二、国产算力的核心困境："单点强、系统弱"
为什么这场论坛如此重要？要回答这个问题，需要先看清国产算力当前的结构性失衡。
奇异摩尔的产品布局覆盖三个尺度：
当前国产算力面临的核心困境是"
单点强、系统弱"——片内、片间、网间、集群间各层互联各成体系，缺乏统一的全栈视角与系统级协同，导致系统级性能无法随芯片数量线性释放。
奇异摩尔联合创始人兼产品及解决方案副总裁祝俊东指出：
"本套全栈方案的核心价值在于为国产 AI 算力提供了一套可演进、可协同、不绑定的系统级基础设施。"
上图为国产化超节点机柜示意图。中间机柜高亮展示 IBGDA Demo 平台：8 张国产 GPU + Kiwi SNIC 800G 国产 RDMA 网卡，配合 OSU IO 芯粒与 CPO 光互联，构成可演进的全栈节点。
三、IBGDA DEMO：国产 GPU 与 RDMA 网卡的深度协同
3.1 技术背景：为什么 MoE 需要 IBGDA？
在
MoE（Mixture of Experts） 模型典型训练或推理中，
专家并行（Expert Parallelism）通信包含两个核心阶段：
- Dispatch（分发）：把 token 路由到对应专家
- Combine（聚合）：把专家输出汇总回原 token
这两个阶段涉及
海量小粒度数据交换——这是 AI 集群通信的"老大难"。
在传统跨节点通信中，GPU 必须经由 CPU 中转指令，产生
额外延迟与
CPU 开销。而
IBGDA（InfiniBand GPU Direct Async） 技术正是为解决这个问题而生：通过
绕过 CPU 处理环节，显著降低指令中转等待时间，在
All-to-All 通信场景中实现
吞吐提升与
延迟压降。
3.2 国际对标与国产缺口
奇异摩尔的 IBGDA Demo 正是为了填补这块空白。
3.3 奇异摩尔 IBGDA 方案规格
产品规格一览：
- ✅ 单通道 400G RDMA ASIC 引擎
- ✅ 基于 Kiwi SNIC 800G 平台架构设计
- ✅ 完成软硬件协同开发
- ✅ 兼容专为 MoE 模型优化的集合通信库（对标 DeepEP）
- ✅ 原生支持 IBGDA（GPU 直接发起通信）机制
上图为 Kiwi SNIC 800G 平台架构：左端为搭载类 NVSHMEM / DeepEP 通信库的国产 GPU，中间是单通道 400G RDMA ASIC 引擎（含 PCIe Gen5 主机接口、IBGDA 核心、可靠传输 / QP 调度、400G MAC + 112G SerDes），右端为开放以太网侧的国产 ToR / Spine 交换机。整套方案基于开放以太网生态构建，为国产算力集群提供兼具高性能与自主性的 Scale-Out 网络选择。
3.4 核心测试结果
该 IBGDA Demo 测试平台对标英伟达 IBGDA 测试数据，实测结果达到相应水平：
上图为 IBGDA vs 传统 IBRC 方案在 All-to-All 场景下的实测对比：左半部分为四组吞吐量对比（单次小消息带宽、原始小包吞吐、合并发送吞吐、All-to-All 带宽），蓝色为 IBGDA 直通方案，灰色为传统 IBRC 方案；下方为延迟对比（18 μs → 10 μs，缩短约 44%）；右半部分为核心指标提升小结。
💡 关键洞察：延迟压降 44%、吞吐量翻倍，最直接的收益是 MoE 训练 / 推理的"专家通信墙"被打破；同时 CPU 算力被释放回前台任务，整体集群吞吐与单节点算力利用率同时得到改善。
四、布局 OSU 超节点互联芯粒，锚定下一代光互联
4.1 《共封装光学（CPO）技术白皮书》正式发布
上图为《共封装光学（CPO）技术白皮书》发布示意：中央为本届正式发布的白皮书封面，两侧列出发起方与参与编写单位，右下角归纳白皮书的五大发布意义。
发起与参与单位：
- 发起方：香港科技大学（广州）
- 参与编写：奇异摩尔、曦望 Sunrise、壁仞科技、图灵量子、奇点光子
4.2 光互联演进路径：越近越强
白皮书清晰勾勒了光互联从"插拔"到"内生"的五阶段路径：
上图展示了光互联技术的五阶段演进：可插拔光模块 → NPO → CPO → OIO → 光内生（集成于计算芯片内部）。越靠近计算单元，互联距离越短，可省去 DSP，从而降低延迟、简化系统设计、降低功耗与成本。奇异摩尔重点布局 CPO 阶段，与生态伙伴共同推进下一阶段。
4.3 奇异摩尔的芯粒布局
奇异摩尔已前瞻性布局
OSU（Optical Scale-Up）IO 芯粒产品与未来 CPO 迭代方案的
融合路径。
上图为 OSU IO 芯粒 + CPO 融合架构：在先进封装基板上，xPU 芯粒（国产 GPU/NPU）、OSU IO 芯粒（电信号 → 光信号调制）、CPO 共封装光学模块（激光器 / 调制器 / 光波导 / 探测器）三者协同，通过光纤向外输出。与传统可插拔方案相比，延迟更低、功耗更低、带宽密度更高。
4.4 生态合作成果
- × 图灵量子：共研下一代基于 xPU-CPO 的关键技术
- × 奇点光子：共同探索基于芯粒间高速数据接口的 NPO / CPO 技术
五、聚力共赢："国产超节点生态共建倡议行动"正式启动
5.1 行业洞察：三条指数曲线同时驱动
大模型算力需求被
三条指数曲线同时驱动：
- 训练侧的 Scaling Law —— 模型规模与数据规模的同步扩张
- 推理侧的 Test-time Scaling —— 推理时计算量的指数增长
- Agent 应用带来的调用量爆发 —— Agent 范式推动推理调用频次陡升
因此，真正决定格局的越来越落在互联、整机、软件和系统协同上。
上海市算力网络协会秘书长杨炼指出：国产超节点在
体系架构定义、Scale-Up 互联协议、软硬协同优化、集群 RAS 能力等方面仍面临
碎片化挑战和"
卡脖子"风险。
5.2 倡议行动参与方
上图展示"国产超节点生态共建倡议行动"的生态版图：中央为核心目标——国产超节点生态共建，围绕一圈的是发起单位、见证方，以及中兴通讯、壁仞、沐曦、天数智珠、燧原、商汤、曙光、奇异摩尔等参与企业。
见证方：上海市经济和信息化委员会无线电管理处处长 杨沛江
发起单位：
- 上海市算力网络协会
- 上海人工智能实验室
- 中国信息通信研究院华东分院
参与企业：中兴通讯、壁仞科技、沐曦、天数智珠、燧原科技、商汤科技、曙光信息、奇异摩尔
六、总结：奇异摩尔交出的五份"成绩单"
最后，用一张表回顾奇异摩尔首次亮相 WAIC 的所有重要发布：
写在最后
没有一家企业能够独自走完从底层芯片到顶层应用的全链条。
这句话不仅是奇异摩尔对自身的清醒认知，也几乎是当前国产 AI 算力圈的一句共同写照。从
WAIC 2026 上交出的这份"成绩单"可以看到：
国产 AI 网络不再只是"配角"，而是真正开始走向舞台中央。
- 当 IBGDA 把 CPU 从通信路径里摘出去，国产 GPU 集群的扩展效率第一次有了对标英伟达的可能；
- 当 CPO 把光引擎封装进芯片内部，下一代 Scale-Up 互联的物理基础被重新定义；
- 当 OSU IO 芯粒 把"光"送进计算芯粒内部，国产算力的天花板被再次抬高；
- 当生态共建倡议把八家企业拢到一张桌子上，"卡脖子"的现实问题终于有了系统性的应对路径。
WAIC 2026 的舞台属于整个国产算力圈，而奇异摩尔把它最硬核的一面，第一次完整地摆在了所有人面前。
🌐 原文参考：aisig.aqara.com - 不靠英伟达网卡，国产 GPU 直通方案实测出炉
本文图片由 AI 生成的 SVG 示意图组成（架构图、性能对比图、生态图等），用于替代原文不可访问的现场图片。