数据中心机架正在成为AI计算的新标准

长期以来,计算性能提升主要由芯片层面的进步推动，更快的


晶体管


、更高的集成度、更聪明的架构持续推动性能的演进。但在


AI


时代，重要的将不再是单个芯片的性能，而是整套系统在真实约束条件下的协同工作效率。

这套系统不止于电路板或单台服务器，而是进一步延伸至数据


中心


机架——计算、内存、互连、供电和散热等在这里汇聚成一个统一的运行单元。可理解为：

芯片：独立的单个组件

系统：集成的计算系统（XPU、


CPU


、横向扩展网络）

机架：可部署、可运维、可规模化的基础设施单元

机架是性能真正得以施展的地方。效率在这里被决定，而价值也越来越多地在此被创造。所以说，“价值是在机架上被创造的，而不仅仅是在芯片上。”

真正重要的数据中心指标

在这个新的 AI 时代，传统的性能指标，例如每秒万亿次运算（TOPS）和每秒浮点运算（FLOPS），已经不足以单独说明问题。因为系统可能在纸面上展现出惊人的峰值性能，但在实际部署中却不如预期。

例如大模型推理并非一次性的基准测试，而是持续的、系统级的工作负载。Token 的生成速度取决于数据在计算、内存和互连之间的传输速度。现实世界中的 AI 工作负载并非孤立运行，这些工作负载受到功耗预算、散热限制、内存带宽和


通信


成本的影响。因此，业界正在转向更有意义的指标：

每瓦性能

每总拥有成本（TCO）的性能

或者，更具体地说：

每焦耳能量你能生成多少个有用的 Token？

每美元基础设施你能交付多少个 Token？

这些指标决定了一个 AI 系统是否能够算得快、算得值、算得起。

正如 Media


Te


k 副董事长暨执行长蔡力行博士在 ISSCC 2026 的主题演讲《拓展


人工智能


的新视野：


半导体


创新展望》中所强调的，AI 驱动的基础设施支出正在爆炸式增长。在此趋势下，效率成为了竞争力的关键。

能源墙是真实存在的

推动机架成为核心的另一个因素是能源与电力的约束。

AI 正迅速成为全球数据中心电能消耗的重要因素之一。据预测，单个大型 AI 数据中心的耗电量可能达到 1 吉瓦，接近于一座大型城市的平均电量消耗水平。

与此同时，全球能源生产的增长速度，远不及 AI 计算需求的扩张，这就造成了结构性“能源墙”。假设某数据中心运营商的电力预算固定为 50MW。在传统机架设计下，扩容很快触顶——除非扩建机房或申请更多电网容量，成本高且周期长。如果能在机架层级提升，同样的 50MW 功耗下，就可以交付更高的 AI 吞吐量：在不增加用电的情况下，提升可创收的计算产能。

在这个世界，效率不仅仅是技术优势，更是商业效益的倍增器。因此我们需要构建更高效的系统，让每一焦耳的能量都得到有效利用。要实现这个目标，只有通过整体协同设计才能做到。

机架是一套系统级架构

现代 AI 机架一个精心编排的系统，由以下部分组成：

这些要素都必须共同设计、共同优化，任何一个环节（带宽、时延、供电、散热）成为瓶颈，都会降低整个系统的性能。就像木桶效应，系统无法从性能更优的组件中获益，还会受到性能最弱的组件限制。

超越XPU：

从基础设施到商业化变现

正因如此，MediaTek 将方案明确定义为“超越 XPU”。XPU 仍是核心，但真正的创新在于如何将计算、内存、互连、封装和系统集成整合为统一架构，实现从芯片到机架的系统级协同。

MediaTek 通过系统技术协同优化（STCO）理念，将芯片、封装、内存、连接和软件作为同一系统进行设计，覆盖从定制


ASIC


、先进封装到高速互连（含光互连方向）集成的全栈能力。这使得 MediaTek 能够帮助客户将基础设施转化为战略优势，而不仅仅是成本中心。

归根结底，这种转变不仅仅关乎工程技术，更关乎经济效益。AI 不再是研究项目，而是一项需要规模化运营的业务，其成功的关键不是峰值性能，而是可持续、可用、可扩展的吞吐效率。

而机架，正是让抽象的算力转化为可部署的基础设施、让性能落地于实际应用、实现 AI 商业化的载体。

系统的崛起

如果说过去 50 年是由“芯片的崛起”定义，那么未来十年将由“系统的崛起”定义，或者更准确地说，由“机架的崛起”定义。

在 AI 时代，计算机不再仅仅是你拿在手里或放在桌子上的东西。它涵盖了从智能边缘设备到庞大数据中心里成排的机架。在这种新格局下，成功不再取决于单一组件的表现，而是取决于跨越芯片和封装到互连、


电源


和机架级集成的全栈协同优化能力。

这正是 MediaTek 的优势所在：凭借在全栈技术方面的深厚积累和不断增长的部署势头，将架构创新转化为可规模化、可落地生产的 AI 基础设施能力。

*数据来源于


联发科


技实验室