当Token成为新生产力，华为何以重塑运营商竞争力？

　　6月27日消息，随着AI从模型进入应用的竞争阶段，产业关注点正悄然发生变化。如果说过去衡量AI能力的重要指标是模型参数和算力规模，那么当下业内更关注的则是Token生产效率。尤其对于运营商，Token经营正在成为继流量经营之后新的增长曲线。而随之而来的问题是，运营商何以获得新的增长曲线？

　　在近日举办的2026 MWC上海期间，华为从超节点架构，到开放的昇腾生态，再到存算协同与AIDC平台给出了答案。

　　算力底座：Token生产的核心引擎与运营商转型基石

　　众所周知，过去几年，大模型的快速发展让AI产业经历了一轮"堆算力"的比拼。然而，当行业进入智能体和企业AI等全面落地阶段之后，仅靠增加GPU数量已经越来越难解决问题。

　　究其原因，在AI落地之后，Token已经成为AI时代真正的"生产资料"。因为无论是大模型训练，还是推理服务，本质上都是在持续不断地产生Token。而运营商未来提供的AI服务中，无论是AI客服、AI家庭助手、企业数字员工，还是行业智能体，本质上都是围绕Token进行生产、调度、流转和消费。这意味着，真正决定竞争力的不再只是拥有多少算力，而是在相同资源投入下能够生产多少Token，以及能否稳定、持续地输出Token。

　　基于此，行业对于算力底座也自然提出了新的要求，即不仅要有更大的计算能力，还要具备更低时延、更高互联效率、更强系统的协同能力。在这一背景下，超节点（SuperPod）正在成为当前AI基础设施发展的重要方向。

　　需要说明的是，与传统集群相比，超节点并不是简单增加更多计算卡，而是通过高速互联，把大量AI处理器组织成一台"逻辑上的超级计算机"，让算力资源真正实现统一调度和计算。而华为基于灵衢互联打造的Atlas 950 SuperPod正是体现了这一思路。

　　具体表现在其以单柜64卡为基本单元，最大支持8192张昇腾NPU高速互联，通过超大带宽、超低时延以及统一内存编址，将原本分散的算力资源整合成为统一计算平台，更适合超大模型训练以及高并发推理场景。需要说明的是，这种变化带来的意义，并非只是训练速度的提升。对于运营商来说，更重要的是Token供给能力更加稳定。

　　例如当未来数亿用户同时调用AI助手、视频生成、智能客服等服务时，超节点能够有效减少跨节点通信瓶颈，提高整体Token吞吐能力，从"提升单卡性能"转向"提升系统整体产能"。

　　更值得关注的是，这一架构已经开始走向规模化应用。相关资料显示，基于灵衢1.0打造的Atlas 900智算超节点自2025年开始交付以来，已经规模部署超过550套，并应用于互联网大模型训练、金融实时风控、能源调度、港口智能化以及制造业质检等多个行业。

　　由此可见，AI时代的竞争正在从芯片逐渐演变为系统架构，而超节点正成为支撑Token规模化生产的重要基础设施。

　　昇腾生态开源开放：为开发者构建好用易用的AI开发底座

　　如果说上述超节点解决的是“算得动、算得快”，那么生态解决的就是“谁来用、怎么用、用得顺”的问题。事实是，如果没有生态，算力就容易停留在资源堆叠；有了生态，算力才能真正转化为产品能力和行业解决方案。对运营商来说，AI基础设施不只是采购设备，而是能否快速形成可运营、可复制、可持续迭代的开发与服务体系。

　　基于此，华为近年来持续推进昇腾生态建设，其核心思路正是降低开发门槛，提高模型迁移效率，让开发者能够更容易使用国产AI算力。

　　例如持续推进CANN异构计算架构开源开放，通过分层解耦，将算子库、图计算、编程语言、加速库等基础软件能力向开发者开放，同时深度支持PyTorch、vLLM、SGLang、xLLM、VeRL、Triton、TileLang等主流开源框架，并已适配超过65个主流大模型。而这种开放策略就是为了帮助开发者完成从"能用算力"到"用好算力"的转变。

　　具体到运营商，其未来不仅需要部署AI基础设施，更需要快速推出面向个人、家庭以及企业市场的包括个人AI助理、家庭智能体、企业智能客服、行业Agent等新型AI业务，这些均需要大量开发者持续参与创新。如果在此过程中，每一个模型迁移都需要大量重新开发；每一个应用部署都需要复杂适配，那么Token经营就很难真正形成规模。而开放生态则能够有效降低开发成本，提高应用上线速度，加速Token消费场景的不断丰富，让运营商能够更快完成从传统连接服务提供商向AI服务运营商的角色转变。

　　而从更高的产业发展规律看，开放生态不仅决定开发效率，也决定整个产业链的创新速度。所以对于运营商而言，一个成熟、开放、持续演进的AI开发底座，无疑是其未来Token经营的重要竞争优势。

　　技术与平台创新：降低单位Token成本，让每瓦产出更多Tokens

　　如前述，超节点解决的是算力组织效率，开放生态解决的是开发效率，那么真正决定运营商商业模式能否成立的则是Token生产成本。尤其是当智能应用进入大规模爆发阶段，算力消耗的经济学特性已经成为全行业关注焦点的当下，显得尤为重要。

　　需要说明的是，在商业逻辑中，任何商品的大规模普及都必须建立在成本持续降低的基础之上，Token也不例外。特别对于运营商，如果生产单位Token的资源消耗（包括电力、设备折旧、带宽成本等）过高，其将陷入算力成本高企、商业回报不足的结构性困境。

　　因此，如何在技术层面大幅提升大模型推理的吞吐效率，以及如何在平台与基础设施层面降低数据中心的能耗，成为决定Token经营能否实现规模化可持续发展的核心。而唯有实现“单位Token成本最低”与“每瓦电力Token产出最多”，运营商才能真正筑牢Token规模化持续运营的工程能力。正是围绕上述目标，华为提出了存算协同与AIDC算力服务平台等关键能力。

　　以存算协同为例，传统AI推理过程中，大量历史推理数据需要频繁在存储与计算之间搬运，数据传输往往成为影响推理效率的重要瓶颈。而华为通过新一代记忆存储和存算直通能力，让高频数据能够更快进入计算侧，实现数据"一跳直达HBM"，减少中间搬运链路，典型场景下时延降低约50%，同时通过对KV Cache等历史推理数据进行全生命周期管理，实现"以查代算"，减少重复计算，将更多算力释放给新的Token生成。

　　值得一提是，这一能力已经开始在运营商场景得到验证。相关资料显示，湖北移动联合华为已完成全国运营商首个AI推理加速方案验证，其基于OceanStor A800存储与Ascend A3超节点架构，在UCM推理记忆数据管理能力的支持下，实现Token吞吐率最高提升372%。这意味着，在相同算力投入下，可以支撑更多AI并发访问，同时有效降低单位Token的生产成本。

　　此外，随着智算中心规模不断扩大，能耗已经成为影响运营商AI业务发展的重要因素。对此，华为进一步推出了AIDC算力服务平台，将供配电、制冷、液冷等设施层能力，与IT层训练、推理任务调度及性能优化协同管理，实现能源与算力的动态匹配，推动AIDC从传统"被动供能"向"主动优化Token产出"演进。据称，该平台在典型场景下可使AIDC每瓦Token产出提升约20%，帮助运营商在相同能耗条件下承载更多AI业务。

　　写在最后：毋庸置疑，AI时代的运营商竞争，正在从网络能力竞争进一步延伸到Token生产能力竞争。而从超节点重构系统级算力，到昇腾生态降低开发门槛，再到存算协同和AIDC平台持续优化单位Token成本，华为试图构建的并非单一产品，而是一套覆盖算力架构、开放生态和运营平台的完整底座，真正构成了运营商进入Token经营时代的基础设施。