冬季恋歌

机器人400米预赛状况百出：有的摔出火星子、有的赛后四分五裂_我的网站

一 |     7月的上海，2026世界人工智能大会（WAIC 2026）如期而至。    8月24日消息，据报道，近期，第二届世界人形机器人运动会于国家速滑馆“冰丝带”正式开幕，开幕式结束后，大型组400米预赛随即展开，八场分组比拼轮番上演，赛场上却接连上演机器人摔倒的意外场面。    弯道成为众多机器人难以逾越的关卡。在国产高性能通用GPU企业沐曦股份的展台，八组闪烁着蓝色灯带的黑色机柜组成的“算力墙”成为现场被围观最久的展品。首场较量中，两台机器人起步后加速向前，可临近最后弯道时，一台机器人失衡倒地，机身迸出火花，遗憾没能完成比赛。                   这是沐曦本届大会正式发布的新一代AI超节点产品曦景S600——面向大模型训练、推理及智算中心建设打造的系统级算力产品。

二 |          后续场次同样事故不断，有的机器人刚进入首个弯道就直接跌倒，由工作人员搬离赛场；还有一台机器人闯过两道弯道，即将进入第三个弯道时重重摔倒，甚至在跑道表面留下划痕。    赛场也不乏亮眼表现。

三 |          而沐曦在WAIC 2026上讲述的故事不止于此。在展台的另一侧，沐曦集结了十大顶流开源社区，专门设置了“开源工坊”展示全栈适配成果；而在“万象应用”展示区陈列着机器人、智能座舱、卫星实物，布局跨度从地面延伸向太空。经过工作人员抢修，天工队的机器人登场，跑出了39秒7的成绩，大幅改写上届赛事纪录，引得现场观众阵阵欢呼。     余下场次里，多数机器人顺利跑完全程，但也出现小插曲，天链队一台机器人似乎没能识别发令信号，始终停留在起点。第八场的机器人更具戏剧性，摔倒后自行站起重返赛道，成功冲线，却在结束后撞上场地设备，机身直接散架。                    

。         一家GPU公司为何要“四面出击”，答案或许指向同一个底层逻辑：通用性。         软硬件迭代周期的显著差异，决定了算力基础设施的核心竞争力，并不局限于某一场景下的峰值性能，而在于对快速演进的模型架构的持续适配能力。         “今天沐曦所具备的技术能力、技术积累完全可以覆盖云端所有的产品线。

四 | ”沐曦股份研发副总裁黄向军在WAIC期间接受《国际金融报》记者等媒体采访时作了一个通俗比喻，“就像药房开了之后，我根据产品定义往里边抓什么药。技术底座跟能力都已经在了，配方只是产品定义的问题”。                   超节点成为“必答题”                    华为Atlas 950 SuperPoD、中兴Matrix超节点、新华三UniPoD S80000超节点、阿里云发布灵骏真武M890超节点……在WAIC 2026上，多款国产超节点产品集中亮相说明，这已不是单个厂商的“独行”，而是国产算力对未来趋势的共识。         “超节点不是在任何场景下都起作用的。如果单个8卡机能够搞定计算任务，那么就不需要超节点。只有遇到比较大的模型尺寸时，才需要超节点。”对于超节点的适用边界，黄向军在受访时给出清晰的界定。         这也直接点明了驱动超节点诞生的逻辑，随着大模型参数规模从千亿走向万亿级别、MoE（混合专家）架构成为主流，传统GPU服务器在互联效率、算力密度、部署复杂度等方面面临多重挑战。         黄向军进一步从MoE架构的通信特点阐释称，无论训练还是推理，专家间All-to-All通信要求延迟越低越好，这意味着需要把更多GPU以更高带宽连成一个整体。而当原有的8卡机难以承载这一需求，把多台8卡机拼在一起后，机间互联又退化为新的堵点——客观上催生了对“一个紧密互联整体”的需求。

五 |          沐曦选择将64卡作为规模锚点，原因之一在于这是当前模型尺寸与趋势下需求旺盛的节点规格。

六 | 曦景S600正是基于这一判断应运而生——单机柜内64张GPU高速全互连，并支持灵活扩展至万卡乃至十万卡级别的集群，为大规模智算中心建设需求提供系统级支撑。         蔡淑敏/摄                    S600的“零线缆”突围                    当算力集群走向万卡甚至几万卡，故障率便成为了尤为重要的考虑因素，集群持续稳定工作的时间将直接决定整个系统的有效算力上限。         “过去一段时间里，就沐曦自身来讲，我们在单个GPU上或者8卡内，故障率已经控制到了非常低的状态。客观来讲，我们对于故障率的控制，跟英伟达应该是在一条水平线上。”黄向军表示。         然而，在构建大规模算力集群时，单卡可靠性并不等于集群可用性。         黄向军也提到，当把多台8卡机组成集群时，光模块、网卡、磁盘等部件问题频出，散热设计也是关键，高温运行条件下更容易出故障。因此，超节点的稳定性、可靠性已成为整个系统设计中非常重要的一环。         让曦景S600实现技术分野的关键，在于其连接方式的创新。据介绍，该产品采用OEX架构设计，通过正交连接器与两级交换拓扑，实现GPU之间低时延、高带宽通信，有效提升分布式训练效率，能够更好满足MoE稀疏模型、万亿参数大模型等复杂AI任务对集群通信能力的要求。         更具突破性的是其“零线缆”设计方案——“曦景S600创新采用“三0设计”，即计算节点0线缆、交换节点0线缆以及计算节点与交换节点之间0线缆。

七 | 这一系统设计大幅减少传统机柜复杂布线带来的信号损耗和故障风险，进一步提升系统可靠性和长期稳定运行能力。         同时，产品采用解耦模块化设计，计算、交换、电源及液冷等关键模块均支持快速部署和维护，电源与液冷管路支持盲插热插拔，即使单节点发生故障，也不会影响整个集群运行，显著降低数据中心运维成本。                   不做“某大厂的专属GPU”                    硬件能力的突破之外，沐曦在本届WAIC重点释放了另一个信号：开放。

八 |          “我们不会独立依附某一个大厂，不是某一个大厂下面标签很重的专属GPU供应商。”黄向军在采访中明确，沐曦的生态定位是通用专业基础设施提供商，产品能够适配不同客户，不会把产能押在单一大客户身上。         这一开放逻辑同样贯穿其超节点策略。沐曦选择与OEM合作伙伴联合打造整机产品，“我们觉得开放能促进更好的创新，避免单一供应商；各自在各自的生态位上去创新，组合在一起形成整个上下游中最有竞争力的产品。”黄向军认为，垂直整合在研发和效率层面具有优势，但从供应角度看未必是最优解。         在世博展台，为集中展示其计算生态开放路径和成果，沐曦专门设置了“开源工坊”展区，集结了九源联合体、龙蜥操作系统、木兰开源社区、模力方舟、vLLM、SGLang、Red Hat、CNCF、蜜瓜智能、PyTorch基金会等十大顶流开源社区，串联起一条覆盖操作系统、云原生、推理加速、模型服务、集群内核全层级软件栈的完整AI Infra开源协作链路，集中展示了沐曦股份在AI框架、算子库及多种开源模型方面的适配成果。         据官方数据，自2025年2月开源以来，目前MXMACA开源社区已经汇聚超过50万技术开发者用户。

九 |          而在科学计算领域，沐曦已经实现从“兼容开源”走向“贡献开源”。沐曦深度参与GROMACS社区，其自由能微扰GPU加速代码已合入开源主线，成为国内首家对该核心模块作出重要代码贡献的企业。产业应用层面，沐曦股份携手鸿之微、深度原理、唯信科技、大湾区国创中心等产学研伙伴，在新能源材料研发、工业冷却液分子筛选和AI短临气象预报等场景形成落地成果，以自主算力赋能创新提速。

十 |                    “死磕”GPU通用性                    实际上，沐曦股份的开放理念同样在其产业布局上得以体现。         除了入口处最醒目的曦景S600，同样吸引观众驻足的还有沐曦展区陈列的卫星实物，这是沐曦“1+6+X”产业生态中的一环，直观地展示了国产GPU向空天算力场景延伸的布局。而在“万象应用”展区，沐曦集中展示了其高性能GPU算力平台在金融、医疗、能源、教科研、交通、大文娱六大核心赛道的赋能落地成果。         行业内更关注沐曦在具身智能方向的落子——这是今年WAIC的另一大焦点，也是沐曦当前重点布局的一大方向。         此前，沐曦与“人形机器人第一股”优必选成立合资公司布局具身智能，被外界认为是向端侧延伸的重要信号。对于与优必选的合作，在此次WAIC上，沐曦股份高级副总裁孙国梁在受访时强调，沐曦秉持着一贯的通用开放态度，成立合资公司并不代表芯片独家供应给某一家企业，而是希望从成熟的具身智能企业获取数据、场景、使用习惯与客户需求的大量输入，加速SoC整体设计。合资之外，沐曦仍保持开源、开放、生态共赢，愿意联合各家机器人企业，在平台、数据、训练和世界模型等方面展开广泛合作。         而对于布局端侧AI算力产品这一选择，黄向军在受访时提到，沐曦已经具备了打造高性能云边端一体芯片的能力，“我需要的是合适的场景判断。合资公司的角色是定义产品规格，而沐曦在云端打造的整套软件生态链价值将会助力端侧产品加速走向成熟”。         事实上，端侧AI的载体形态远未收敛，行业内尚未形成统一的共识，而这种不确定性恰恰解释了沐曦为何始终坚持GPU通用性——端侧形态千变万化，底层不变的是Token驱动，差异在于算力规模。         “通用的含义是，一方面要能支撑今天已有的多种模型，另一方面是要能支持未来可能出现的新的模型。”黄向军指出，GPU指令集粒度足够细，才能通过编译器适配现有乃至未来出现的模型，英伟达三五年前的芯片至今仍能跑最新模型，正是通用性的体现。         而通用性的前提，是软硬件解耦——模型架构和算法迭代速度远超硬件，如果芯片专为某一场景或模型定向优化，一旦端侧形态发生变化，前期的巨大资产投入将很有可能化为泡沫。黄向军在采访中坦言：“软件创新节奏以周为单位，芯片从定义到量产两年能做完已经非常快。如果芯片没有通用性，将是一个灾难。”                              记者 蔡淑敏          文字编辑 马云飞。

Current article:http://q9j.dingruorenhongqiaminmeipeiliu.cyou/list_uxa/kld.html

Published on:13:20:31