過去二十多年，每一輪大的技術變革，最先被重塑的，通常都是底層基礎設施。網際網路改變了網路架構的組織方式，移動網際網路改變了數據中心的擴張邏輯，而AI這一輪的影響更深，也更徹底。它不只是帶來了新的應用，更是在從根本上改變基礎設施本身的能力要求和角色邊界。
新華三集團高級副總裁、技術委員會副主席 劉新民
錨定產業需求，做技術躍遷的「築基者」
當前，算力供給依然處在緊張的狀態。一方面，模型參數規模持續擴張，AI應用加速落地，社會整體接受度不斷提升，帶動算力需求快速上行；另一方面，核心部件供給仍然偏緊，疊加全球供應鏈的不確定性，高端算力資源仍處於競爭性分配階段。整體來看，這種供需錯配的狀態，在未來兩到三年內仍將持續。
與此同時，成本結構的含義也在發生變化。因此，儘管供給能力、應用規模與成本水平都在同步提升，但當前階段的主要矛盾，仍然是需求快速增長所帶來的供給壓力。不同類型客戶的應對策略也呈現出明顯分化。網際網路企業由於資源充足，仍在進行大規模模型訓練，整體呈現出「軍備競賽」特徵；而網際網路之外的中高端企業則更為謹慎，通常採取「先租後建」的路徑，通過租用算力完成業務驗證，在確認可行性之後再進入生產階段。相比之下，政府類客戶更聚焦於民生服務與治理效率提升，圍繞具體應用場景進行定向投入。
這一差異之下，也直接反映在新華三產品策略上。新華三圍繞不同客戶群體進行分層布局。面向高端算力需求，推出超節點產品；針對網際網路客戶，成立網際網路與定製化事業群，加速以創新和定製化AI基礎設施解決方案切入市場；而對於企業及行業客戶，則提供圍繞具體應用場景的解決方案。
在這些表層策略之下，一個更為關鍵的底層邏輯是：技術壁壘的構建，依賴於長期且穩定的算力需求。
從技術研發到產品落地，本身就是長周期的過程。例如，一代網路晶片或光晶片，從設計、驗證到調試，周期往往長達三到四年甚至更久。在這一過程中，必須有持續的市場需求作為支撐，否則即使技術研發成功，也可能面臨落地無場景的風險。
因此，新華三將自身定位為「技術躍遷的築基者」，這背後的邏輯則是基於產業長期需求判斷的投入邏輯——在關鍵技術方向上持續投入、持續積累，換取下一輪產業周期的確定性優勢。
深化算網融合，釋放高質量、穩定的服務能力
解決了「有沒有算力」，下一步則是「算力能否以可預期方式穩定輸出有效服務能力」。在這一邏輯之下，算力基礎設施
的評價標準也相應發生轉變，由單一性能指標，轉向對系統性能力的綜合衡量。
首先體現在網路傳輸的演進上。傳統數據中心時代，網路主要承擔數據傳輸功能，核心任務是保障頻寬、時延和鏈路可靠性，完成「從A到B」的數據搬運即可。到了AI時代，網路已經深度參與計算，成為影響整體效率和服務質量的重要因素。特別是在大模型訓練場景中，通信算子的執行效率與網路狀態緊密相關，網路的擁塞、抖動和負載分布都會直接影響訓練效率與任務表現。
與此同時，CPU、GPU和網路通道之間也進入協同感知階段，調度系統既要了解算力資源使用情況，也要實時掌握網路均衡狀態。更複雜的系統還需要具備毫秒級動態調度能力。可以說，算力與網路正在走向深度聯動。
在這一過程中，算力基礎設施的競爭重點發生了變化。過去更容易被看見的是單點性能，如今更關鍵的，是能否把算力、網路和調度組織成一個穩定運轉的系統，並持續輸出可用的服務能力。
這也意味著，對算力基礎設施衡量要看整體系統能否穩定協同運行。因此，衡量算力基礎設施價值的維度正在持續擴展。時延、吞吐、利用率、成本、可運維性、安全等指標，最終都匯聚到同一個目標上，即高質量、穩定的服務能力。對於大型算力中心而言，穩定始終是核心訴求。訓練和推理過程中，任何一次卡頓、抖動，都可能影響業務連續性。故障率客觀存在，容錯和備份機制也需要在複雜環境中持續完善。
在這一背景下，超節點正成為承載高質量算力服務能力的重要載體。以新華三H3C UniPoD系列超節點產品為例，作為面向高通信開銷AI場景打造的超節點產品，其通過櫃內卡間全互聯通信，為高密度、高效率算力組織提供了有力支撐。
AI in ALL：從基礎設施能力向體系化能力縱深拓展
「算力×聯接」的價值，最終要落到高質量、穩定的服務能力上。對新華三而言，這種能力建設不止於基礎設施本身，還在持續向產品、研發、服務和行業應用延伸，沉澱為面向AI時代的體系能力。這也是新華三推進「AI in ALL」的重要方向，即推動產品、解決方案，以及研發過程全面嵌入AI。
這一變化首先體現在內部能力建設上。新華三正推動運維能力進一步貼近真實場景，通過更靠近客戶需求和運維實踐的方式，增強問題識別、分析研判和閉環優化能力。目前，新華三已圍繞智能運維持續布局，在網路運維中強化全景可視、智能分析、風險預測和大模型、AI Agent結合的交互能力。
變化也體現在產品體系中。當前，AI與基礎設施的融合，既體現在支撐AI業務發展，也體現在產品智能能力的持續增強。目前，新華三AI防火牆已在策略學習、異常識別、智能檢測等方面引入AI能力；CloudOS則持續推進與AI融合，強化異構算力統一納管與智能調度能力，更好支撐模型開發部署和算力服務供給。
在運維場景中，AI能力的引入同樣需要循序漸進，優先聚焦狀態感知、問題識別、趨勢分析和輔助決策等環節，逐步提升系統智能化水平。隨著相關能力不斷成熟，AI也將進一步向設備側延伸，推動基礎設施從具備連接和算力能力，走向具備感知、分析與協同能力。
也正是在能力持續向上延伸的過程中，新華三對自身角色的定位更加明確。既要做好「築基者」，持續夯實底層能力，推動基礎設施在性能、服務和持續適配能力上不斷提升；也要做好「賦能者」，深入行業場景，聯合ISV、應用開發夥伴和模型優化夥伴，加快把技術能力轉化為客戶可感知的業務價值。
這正是「AI in ALL」走向落地的重要路徑，也是新華三面向AI時代持續深耕的重要著力點。
