过去二十多年，每一轮大的技术变革，最先被重塑的，通常都是底层基础设施。互联网改变了网络架构的组织方式，移动互联网改变了数据中心的扩张逻辑，而AI这一轮的影响更深，也更彻底。它不只是带来了新的应用，更是在从根本上改变基础设施本身的能力要求和角色边界。

新华三集团高级副总裁、技术委员会副主席 刘新民

锚定产业需求，做技术跃迁的“筑基者”

当前，算力供给依然处在紧张的状态。一方面，模型参数规模持续扩张，AI应用加速落地，社会整体接受度不断提升，带动算力需求快速上行；另一方面，核心部件供给仍然偏紧，叠加全球供应链的不确定性，高端算力资源仍处于竞争性分配阶段。整体来看，这种供需错配的状态，在未来两到三年内仍将持续。

与此同时，成本结构的含义也在发生变化。因此，尽管供给能力、应用规模与成本水平都在同步提升，但当前阶段的主要矛盾，仍然是需求快速增长所带来的供给压力。不同类型客户的应对策略也呈现出明显分化。互联网企业由于资源充足，仍在进行大规模模型训练，整体呈现出“军备竞赛”特征；而互联网之外的中高端企业则更为谨慎，通常采取“先租后建”的路径，通过租用算力完成业务验证，在确认可行性之后再进入生产阶段。相比之下，政府类客户更聚焦于民生服务与治理效率提升，围绕具体应用场景进行定向投入。

这一差异之下，也直接反映在新华三产品策略上。新华三围绕不同客户群体进行分层布局。面向高端算力需求，推出超节点产品；针对互联网客户，成立互联网与定制化事业群，加速以创新和定制化AI基础设施解决方案切入市场；而对于企业及行业客户，则提供围绕具体应用场景的解决方案。

在这些表层策略之下，一个更为关键的底层逻辑是：技术壁垒的构建，依赖于长期且稳定的算力需求。

从技术研发到产品落地，本身就是长周期的过程。例如，一代网络芯片或光芯片，从设计、验证到调试，周期往往长达三到四年甚至更久。在这一过程中，必须有持续的市场需求作为支撑，否则即使技术研发成功，也可能面临落地无场景的风险。

因此，新华三将自身定位为“技术跃迁的筑基者”，这背后的逻辑则是基于产业长期需求判断的投入逻辑——在关键技术方向上持续投入、持续积累，换取下一轮产业周期的确定性优势。

深化算网融合，释放高质量、稳定的服务能力

解决了“有没有算力”，下一步则是“算力能否以可预期方式稳定输出有效服务能力”。在这一逻辑之下，算力基础设施的评价标准也相应发生转变，由单一性能指标，转向对系统性能力的综合衡量。

首先体现在网络传输的演进上。传统数据中心时代，网络主要承担数据传输功能，核心任务是保障带宽、时延和链路可靠性，完成“从A到B”的数据搬运即可。到了AI时代，网络已经深度参与计算，成为影响整体效率和服务质量的重要因素。特别是在大模型训练场景中，通信算子的执行效率与网络状态紧密相关，网络的拥塞、抖动和负载分布都会直接影响训练效率与任务表现。

与此同时，CPU、GPU和网络通道之间也进入协同感知阶段，调度系统既要了解算力资源使用情况，也要实时掌握网络均衡状态。更复杂的系统还需要具备毫秒级动态调度能力。可以说，算力与网络正在走向深度联动。

在这一过程中，算力基础设施的竞争重点发生了变化。过去更容易被看见的是单点性能，如今更关键的，是能否把算力、网络和调度组织成一个稳定运转的系统，并持续输出可用的服务能力。

这也意味着，对算力基础设施衡量要看整体系统能否稳定协同运行。因此，衡量算力基础设施价值的维度正在持续扩展。时延、吞吐、利用率、成本、可运维性、安全等指标，最终都汇聚到同一个目标上，即高质量、稳定的服务能力。对于大型算力中心而言，稳定始终是核心诉求。训练和推理过程中，任何一次卡顿、抖动，都可能影响业务连续性。故障率客观存在，容错和备份机制也需要在复杂环境中持续完善。

在这一背景下，超节点正成为承载高质量算力服务能力的重要载体。以新华三H3C UniPoD系列超节点产品为例，作为面向高通信开销AI场景打造的超节点产品，其通过柜内卡间全互联通信，为高密度、高效率算力组织提供了有力支撑。

AI in ALL：

从基础设施能力向体系化能力纵深拓展

“算力×联接”的价值，最终要落到高质量、稳定的服务能力上。对新华三而言，这种能力建设不止于基础设施本身，还在持续向产品、研发、服务和行业应用延伸，沉淀为面向AI时代的体系能力。这也是新华三推进“AI in ALL”的重要方向，即推动产品、解决方案，以及研发过程全面嵌入AI。

这一变化首先体现在内部能力建设上。新华三正推动运维能力进一步贴近真实场景，通过更靠近客户需求和运维实践的方式，增强问题识别、分析研判和闭环优化能力。目前，新华三已围绕智能运维持续布局，在网络运维中强化全景可视、智能分析、风险预测和大模型、AI Agent结合的交互能力。

变化也体现在产品体系中。当前，AI与基础设施的融合，既体现在支撑AI业务发展，也体现在产品智能能力的持续增强。目前，新华三AI防火墙已在策略学习、异常识别、智能检测等方面引入AI能力；CloudOS则持续推进与AI融合，强化异构算力统一纳管与智能调度能力，更好支撑模型开发部署和算力服务供给。

在运维场景中，AI能力的引入同样需要循序渐进，优先聚焦状态感知、问题识别、趋势分析和辅助决策等环节，逐步提升系统智能化水平。随着相关能力不断成熟，AI也将进一步向设备侧延伸，推动基础设施从具备连接和算力能力，走向具备感知、分析与协同能力。

也正是在能力持续向上延伸的过程中，新华三对自身角色的定位更加明确。既要做好“筑基者”，持续夯实底层能力，推动基础设施在性能、服务和持续适配能力上不断提升；也要做好“赋能者”，深入行业场景，联合ISV、应用开发伙伴和模型优化伙伴，加快把技术能力转化为客户可感知的业务价值。

这正是“AI in ALL”走向落地的重要路径，也是新华三面向AI时代持续深耕的重要着力点。