英特尔联合富士康推出机架级AI方案 36864核心算力行业变天了|富士康|机架|知名企业|算力|英特尔|高带宽内存|鸿海科技集团

逛2026年Computex展会的英特尔展台，我挤了半天才挤进人堆。大部分人都围着单颗AI加速卡的参数屏惊叹，我却被产品手册角落一行不起眼的数字勾住了目光。32U的标准机架空间，硬生生塞下了36864个核心，整机功耗还刚好卡在100千瓦。这可不是什么小打小闹的芯片迭代，说是算力行业的拐点信号都不为过。

很多人以为这就是英特尔自己攒的硬件堆料，其实是三家跨界搭伙做出来的量产货。英特尔出最新的至强处理器当算力底座，SambaNova出可重构的数据流加速单元，富士康负责从头到尾的系统集成和量产落地。三家各出长板拼出来的这套东西，从根上就和以前的方案不一样。

以前大家买AI算力方案，基本就是厂商卖完加速卡就走人，剩下组网调试适配，全得客户自己摸黑折腾。动辄好几个月的适配周期，不少本来赶进度的项目，硬生生被拖到错过了窗口期。这套联合方案从设计的时候就把计算网络内存三条链路全打通，客户拿到手不用再慢慢折腾跨硬件适配。

最能直观感受到变化的就是并发推理场景。大流量请求涌进来的时候，传统多卡堆出来的集群经常卡传输，调度还慢得离谱。这些糟心问题，在这套一体化架构里改善特别明显。

不少想搭AI算力集群的企业，都踩过扩容的坑。要么一开始就砸大价钱买满配设备，预算一下就砸进去大半，要么零散买卡扩容，回头发现不同批次硬件不兼容。不少中小AI公司的现金流，就是被前期这些硬件投入拖得喘不过气。

这套方案用的是模块化架构，企业可以跟着自己的业务规模慢慢增减计算模组。不用一开始就把所有预算砸进去，哪怕是几十人的中型AI团队，也能先上半幅机架跑核心业务。等用户量上来了，再慢慢补全剩下的模组就行，灵活度拉满。

它还同时兼容训练和推理两个场景。白天把大部分算力分给线上智能体的推理服务，夜间业务低峰的时候，直接切换去做大模型微调。单套设备的资源利用率，比传统分开部署的模式高出不少，这笔账怎么算都划算。

很多企业其实没算过明白账，算力硬件的采购成本，其实只占总投入的三成。剩下七成全是机房改造、运维调试、资源空转的隐性成本，这些钱花了还看不见，最坑人。富士康还做了高CPU密度的机架变体，专门适配轻量化AI负载，不需要满配三万多核心的企业，也能选到刚好够用的配置，不用为用不上的算力多花钱。

以前行业里的高密度算力机架，动不动就要150千瓦以上的供电。大部分存量数据中心的机柜供电上限也就100千瓦，想要部署就得花大价钱改配电改散热。光这笔基建投入，就能把项目落地拖慢半年多，不少企业扛不住直接就黄了。

这套方案把单液冷机架的功耗控制在100千瓦，还只占32U的标准机柜空间。不少已经做过基础液冷改造的IDC机房，不用大面积动基础设施就能直接上架。直接省掉了高额的前期改造成本，落地速度快了不是一点半点。

这玩意儿是工业级算力设备，个人开发者和小型本地工作室完全没必要凑这个热闹。它从定位上就不是给单台本地部署做的，面向的就是大规模业务场景。真正适合它的，是手里有大模型业务，打算自己建算力集群的中大型科技企业和云服务商。

这类客户的长期运营成本，会随着集群规模扩大慢慢摊薄。一体化方案的协同优势，只会越用越明显。不会像传统方案那样，规模上去了，各种隐性损耗也跟着涨。

过去五年AI算力圈都在说，单颗芯片算力十八个月翻一倍，厂商开发布会核心就是晒跑分秀参数。现在这个赛道的竞争规则已经悄悄变了，单芯片的性能增长，早就碰到了数据传输、调度协同的隐性天花板。传统多卡横向堆叠的方案，入门门槛低采购灵活，可集群规模到几千卡级别，卡间交换延迟和调度开销，能吃掉近三成的理论算力。

很多企业花大价钱堆出来的集群，实际利用率还不到六成，一半的钱都打了水漂。英特尔这套方案，相当于把三家巨头的长板拼到一起，从物理层面就把协同效率的瓶颈提前打通了。以后云服务商把这类资源放到公有云池子里，企业调用大规模算力的等待周期，会从按天算直接变成按分钟算。

不少人担心现有AI软件生态的迁移成本太高。其实做大规模集群的企业客户，早就有专门的算力适配团队。生态迁移的成本，远低于长期低效运营的损耗，怎么选都划算。

回头看过去十年的服务器产业，最早大家拼单CPU性能，后来慢慢转向整机柜定制、一体化交付。AI算力行业现在走的，就是当年服务器产业走过的路。那些还死磕单芯片跑分的厂商，可能还没反应过来，真正的赛场早就移到系统整合、落地适配这边了。

谁能把客户搭算力集群的隐性成本压到最低，谁就能在下一轮产业扩容里拿到更多市场份额。未来两三年，肯定会有更多这种跨界整合的算力方案冒出来。AI算力普惠从来不是靠单颗芯片降价就能实现的，得整个产业链从底层架构重新设计，把每个环节的冗余损耗都挤出去。