locsic.com
观点
用长文记录技术变化的方向。
这里收纳较完整的判断、分析和复盘。它不是快速新闻流，而是把观察、论证、来源和观点沉淀为可回看的专业长文。
文章
26 篇文章没有匹配的文章
2026年10月
26 篇CMX 与分布式内存：上下文该放在哪一层
长上下文推理正把 KV Cache 管理从单机显存问题变成集群容量规划问题。本文以 NVIDIA CMX 共享闪存层与分布式 DRAM 缓存的对比为主线，提出三层判断。第一，恢复能否在剩余时限内快过重算。第二，新增命中能否覆盖搬运与排队成本。第三，省下的算力能否真正兑现，以及 2026 年的内存涨价如何改写这笔容量账。文中四组算例均可复算，引用信源 34 条。
DeepInfer 深度解析：DeepSeek 如何把模型、缓存与调度一起设计成 Token 工厂
从 DeepSeek 开源代码与官方技术报告出发，拆解 CED、CSA2、SWA 有界回放、Wide-EP、DSSpark 和异步调度，核查性能口径与推理经济性，并给出构建生产级服务的扩展接口、验证门槛及选型建议。
没有新芯片的 GTC：黄仁勋在柏林讲了什么
黄仁勋在柏林没有靠新芯片制造悬念，发布集中在工厂交付、智能体运行与企业数据训练。英伟达正在把客户采用 AI 的工程难题逐项做成产品：DSX POD 场地就绪时部署最快 14 天，OpenShell 管住智能体的权限与隔离，六个开放模型家族通向「主权智能」。客户获得速度与便利，也要重新计算对这套平台的依赖。
特斯拉 Roadster 如何飞起来？吸附、喷气与空中翻身的技术拆解
特斯拉把轮胎载荷、电能输出、车底抽吸与短时气体推力放进同一个车辆运动控制问题。本文按实物、专利、工程推演与待核四级证据，核对风扇吸附、冷气推进与主动尾翼的物理依据与工程代价，并给出从原型到产品的验证清单。
OCP 2026 Helion 与 Vera CPU 机架：Agent 执行与模型推理应分别规划容量
截至 2026 年 10 月 17 日
OCP 2026 AI 网络开放继续深入：从交换芯片适配扩展到端点协同与平台管理
开放网络过去的一项重要进展，是让同一套软件适配不同交换芯片。OCP 2026把这条路线推进了两步：主机端点开始更深地参与网络流量分配，交换机的平台管理也开始寻求共同接口。带宽提高仍然重要，但本届更值得追踪的问题是，硬件选择增加之后，哪些协同和管理工作也能随之复用。
OCP 2026 USFP 与 CPO 并行推进：光互连选型取决于链路瓶颈与维护边界
2026年OCP大会上的光互连进展，正在形成三条面向不同瓶颈的路线。可插拔USFP希望在有限的交换机面板空间中继续增加连接能力；交换机CPO把光电转换移近交换芯片，缩短高速电路径；计算光学I/O则把光连接带到计算封装附近，服务加速器之间及计算系统内部的互连。对于建设Token工厂的企业，选择应从受限的链路开始，再看哪种产品边界适合自己的部署和维护体系。
OCP 2026 液冷接口标准化：维护范围与恢复时间决定算力损失
同样更换一个计算托盘，为什么有的方案损失4 GPU小时，有的损失128 GPU小时，还有的达到2048 GPU小时？假设托盘含8张GPU，半小时完成隔离和恢复，损失就是4 GPU小时；停掉64张GPU的整柜两小时，是128 GPU小时；停掉512张GPU的冷却区四小时，则是2048 GPU小时。这些数量、拓扑和时长均为假设，用来比较维护边界，不是任何MGX产品承诺。
OCP 2026 AI 工厂供电标准化：供电设计必须衔接扰动响应与服务恢复
建设AI工厂，供电团队与计算团队必须先回答三个问题：设施能够容纳什么设备，电怎样送到机架，电网发生扰动后计算负载又该怎样恢复。它们分别决定建筑能否接住下一代系统、供电链能否承受更高密度，以及平台能否在异常中保持可预测的行为。
OCP 2026 Tahan 与 ESUN：以太网 Scale-up 产品先行，开放互通仍待验证
2026年OCP大会上，开放Scale-up有三项不同性质的进展：Tahan正在出货，服务Meta MTIA 300系统；下一代72加速器机架进入公开预览；ESUN在年内发布1.0基础规范之后，继续推进后续版本。它们让以太网进入加速器紧耦合互联的路线更加具体，但还没有合并为一套已经采用ESUN、可任意混搭加速器的产品。[1]
OCP 2026 KV 缓存池化进入验证：收益取决于复用与搬运成本
截至 2026 年 10 月 17 日
OCP 2026 Run:ai 全平台开源：AI 平台自研应聚焦交付与运营
截至 2026 年 10 月 17 日
OCP 2026 机架越来越开放：平台为何仍难替换
芯片供应与部署能力正在共同约束 AI 基建。NVIDIA 扩大机架、设施和运维软件的开放范围，AMD 用 Helion 组织 agent 的执行与推理资源，Intel 则强调既有风冷设施里的扩容机会。三种路线争夺的都是更快上线的能力；但图纸可得、部件可换与平台可迁移，仍是三回事。
OCP 2026 全景分析：AI 基础设施的系统边界与产业机会
OCP Global Summit 2026 全景分析：系统边界从芯片扩大到设施与电网，开放程度在机架、网络、供电、液冷、内存与安全各层分化。10 章拆解公开信号的成熟度边界，附录汇总重点对象与使用边界。
一座万卡 Token 工厂的完整测算：投资、经营与退出
以 1,250 台八卡 B300、建设一年和经营五年为条件，拆解长租、短租与多模型 Token 服务，连接现金成本、税、融资和退出。参照项目 IRR 约 7.3%，并复算采购价格与缓存计价怎样改变投资门槛。
Token 工厂投资：高租金，不等于好生意
高租金可以解释今天的紧缺，却不能保证设备交付后的回报。以万卡 B300 的参照项目为例，讨论采购时点、客户兑现、Token 计费与融资责任，说明怎样在不可逆投入之前验证一门生意。
Token 工厂的账本：需求暴涨的另一面
2026 年的算力市场同时在涨价和降价。本文把算力当作生产 token 的工厂查账：token 不是稳定的记账单位；价格分旧档通缩与前沿坚挺两层；存量大头是摊销，中国高端 GPU 走存量残值近原值、增量现货溢价的双轨；利润沉在芯片层与稀缺存量，中间层负毛利；定价权锚在模型厂；风险押在融资结构与 2027 年交付潮的利用率上。
网络成为背板：Arista 把以太网打进机架
10 月 7 日 Arista 发布 scale-up 架构 SU-144：单跳最多 144 个、跨机架 1024 个加速器，用以太网做背板、配套液冷机架参考设计。两层选择：协议上，ESUN 以 4 字节头和链路级可靠改造以太网，同内存语义的 UALink、NVLink 竞争；芯片上不自研，7060XE7 采用博通 Tomahawk 6。scale-up 的收入兑现，仍取决于开放阵营的实际部署。
怎样判断跨平台生态真的成熟了？
判断跨平台生态是否成熟，可检验的问法是：迁移第二个模型、升级一次框架、更换一代硬件时，能复用多少已有成果。本文把复用拆成四层：接口形状（API 对齐有据，能力有缺口）、实现代码（全部公开）、测试与验证方法（可继承，验的是组件非组合）、运行环境（HDK 未公开发行）。维护对象是多组组合；把各自验证结果整理成可交换的清单，是从发布走向积累的途径。
吞吐提高 20%，为什么成本反而可能上升？
比较性能的单位，不是设备每秒处理多少 Token，而是相同业务约束下每单位成本完成的有效工作。内核吞吐不等于服务容量：同一配置下 token 数 64→256，MegaMoE 吞吐 266→659 TFLOPS。本文构造的算例中，资源成本低 20%、原始吞吐高 20% 的方案，按有效产出算单位成本反而高约 5.6%，打平线约在达标占比 63.3%；一次性投入与周期性维护进入回收期计算。
为什么「能运行」仍可能是错误的？
迁移后的程序持续输出、延迟正常，不代表语义正确。本文讨论两类盲区：结构错误——张量形状相同、函数正常返回，仍可能配错每一对分量（RoPE 公开案例）；运行身份——你以为在跑的代码和实际在跑的可能不是同一份（编译缓存签名链）。验收先分清正常误差与语义错误：数值比较带容差，语义不变量精确检查；再做三层检查与五步路径，把「看起来正常」变成「验证过正确」。
FlashMLA 为什么快？
FlashMLA 官方公布的 410/360 TFLOPS，是各自声明负载条件下测得的稀疏注意力成绩。成绩背后是三类性质不同的安排：少算——稀疏选择减少每个查询要计算的注意力项；少搬——片上分块与累加，减少中间结果的显存往返；排紧——执行流水（64 头分组、1C2V、经 UB 中转的供给线）决定这些工作完成得多快。三类安排各有适用条件；换输入形状后，性能不能凭峰值利用率推断。
MoE 为什么容易卡在通信上？
衡量 MoE 通信，只看 GB/s 不够，四件事要分开测：带宽——官方五档从 EP8 到 EP128 单调下降；填充——本文构造算例中，对齐填充让处理槽位达到有效数据的三倍；负载——同步执行时，一个阶段的耗时取决于最晚完成的设备；重叠——收益取决于依赖结构与资源争用，要把设备执行流、通信流与主机侧发起等待放到同一条时间线上。四件事各自测清，同样的带宽才对应解释得通的端到端结果。
同样的 API，为什么还不能直接替换？
API 兼容减少的是调用层的改造量。接入成本由数据布局决定，性能收益由真实的矩阵形状决定，这三件事要分开评估。昇腾上的 UE8M0 缩放因子两两打包进 int16，数学等价的计算因此要换一种存放方式。同一组 N、K 下，M=128 和 M=4096 的吞吐分别是 549 和 861 TFLOPS。本文还构造了一个反例：内核耗时降低 30%，整段路径反而慢了 5%。评估应该比较能直接交给下游的结果。
DeepSeek 迁移昇腾，究竟在迁移什么？
把迁移理解为「加载权重、跑通生成」，解释不了这批开源为什么存在。一次推理先组批，再逐层计算：层内先由索引器挑出上下文位置、稀疏注意力按索引读取 KV，再经路由、dispatch、分组 GEMM 和 combine 完成专家计算；API 兼容之外，缩放因子排布、内核流水与同步仍要针对昇腾重新适配。本文先算清两本账（每 token 激活 37B，全服务常驻 671B），划出可复用与必须重做的边界。
万卡集群配多大的训练场？先算有效样本，再算服务器
从一周交付约 410 万条可训练轨迹倒推一万卡集群的沙盒规模：推理侧门槛约 74 token/s/卡，平均在途环境 7,100 到 1.3 万个，按 DSec 披露的单节点峰值折算约 7 到 13 台服务器，计入 80% 入批率约 16 台，若改用 500 秒节拍约 19 台，留出余量按 25 台上下规划。这些数字成立的前提是：推理吞吐、环境并发和训练节拍在同一组运行条件下同时满足。