3、发展趋势三：AI 加速卡基础设施向集群化和综合化演进从单卡算力到系统集群，三大扩展策略协同突破算力瓶颈。随着 AI 大模型参数规模扩展至数千亿甚至万亿级别，单一 AI 加速卡已难以满足超大规模计算需求，行业供应重点正从单点性能提升转向系统化集群解决方案。现代智算集群主要通过三项关键策略协同应对挑战：一是纵向扩展策略（Scale-Up），即通过改进 AI 加速卡芯片架构、采用更先进制程提升单卡峰值算力，或通过高速互联架构（如英伟达 NVLink、公司 GCU-LARE）实现芯片间超低延迟通信，提升节点内部数据流通效率。二是横向扩展策略（Scale-Out），即通过增加算力节点分散负载、提升处理能力，用于大规模数据集与复杂模型训练场景。但集群规模从千卡扩展至万卡、十万卡时，节点故障几率随之上升，数据中心需配备高效监控体系与先进故障恢复机制，基于智能显存分配、故障点恢复管理等技术确保节点故障时快速响应、最小化停机时间。三是跨区域扩展（Scale-Across），即通过高性能网络将地理上分散的多个数据中心连接为统一计算资源池，突破单数据中心物理限制，该策略依赖光通信技术与网络优化算法解决长距离传输的带宽与延迟问题。
