国产“系统派”上位国际战场，算力投资进入下半场
《 环球时报 》揭示了一个关键转折：过去AI基础设施竞赛比的是规模，也就是谁的集群更大、芯片参数更高。但这条路正在撞墙。单芯片逼近物理极限，能耗与稳定性问题越来越突出。

真正的变化其实不在芯片本身，而是电力系统先顶不住了。到2026年6月，不少算力密集地区已经开始把“供电优先级”写进产业审批里，数据中心扩张不再是技术问题，而是电网调度问题。谁能拿到稳定绿电，谁才有资格谈算力扩张。
在中国这边，“东数西算”进入更深一层的执行期，重点已经不是建多少机房，而是怎么把跨区域调度压到最低延迟。算力不再是孤岛资源，而被当成类似水网、电网一样的基础设施来规划，这种思路在全球并不多见。
行业链条的变化也在同步发生。2026年算力产业链出现明显的分层扩散，光通信、液冷、服务器电源管理这些过去的配角环节，开始抢占利润核心区。芯片厂商不再单独定义行业价值，系统集成能力开始变成新入口。
在这种背景下，资本市场的判断方式也变了。过去看的是单卡性能和训练速度，现在更关注单位电力成本能跑多少模型任务。一套系统能不能兼容训练与推理，已经比峰值算力更重要，投资逻辑明显转向工程效率。
中科曙光的scaleX系列就在这种环境里被重新放大审视。它的关键不在某一代硬件参数，而是试图把FP64科学计算和INT8 AI训练压在同一体系里运行。这种“混合负载能力”在科研机构和企业端开始变得实际。
6月下旬资本市场对这一点的反馈已经很直接。曙光股价在短周期内连续走高，市场讨论焦点不再是芯片来源，而是系统整合能力的折现速度。市值突破1300亿之后，估值逻辑明显从设备公司转向基础设施公司。
放在国际对比中，美国仍然坚持超大规模GPU集群路线，靠单点性能和集中式训练能力维持优势。但问题在于电网压力已经外溢到政治层面，部分州对数据中心审批开始收紧，算力扩张被能源瓶颈直接卡住。
欧洲情况更复杂，高能源价格叠加碳排约束，使得算力扩张成本显著上升，一些云厂商开始把训练任务外包到能源更便宜的地区。这种结构性迁移，正在改变全球算力分布。
中国路线的不同之处在于，把算力当成“可调度资源”来做系统设计，而不是单点堆叠。这种模式依赖电力统筹能力，也依赖跨区域网络调度能力，本质上更接近工程体系竞争，而不是单一技术突破。
在产业层面，一个容易被忽视的变化是采购逻辑。过去企业采购算力设备是“买机器”，现在变成“买系统能力”，甚至开始按任务类型打包采购。这种变化直接改变厂商的商业模式。
同时，软件栈的重要性被抬到前所未有的高度。调度算法、资源分配机制、不同精度计算的协同效率，正在决定一套算力系统能不能长期运行，而不是只看短期训练速度。
更现实的压力来自成本结构。2026年全球算力基础设施的电力成本占比持续上升，在部分地区已经接近硬件折旧成本。这意味着未来竞争不再是“谁买得起GPU”，而是“谁用得起算力”。
系统派路线的本质，就是用工程方式压缩复杂度，把原本分裂的算力资源重新整合。这种路径前期投入更重，但一旦跑通，会形成明显的规模效率优势，这也是资本开始重新定价的核心原因。