今年的OCP Global Summit（开放计算项目全球峰会）正在硅谷的圣何塞举行，它是全球数据中心基础设施领域最重要的年度技术会议之一。
如果说Hot Chips更关注芯片与计算架构，NVIDIA GTC更关注AI计算平台，那么OCP Global Summit的独特之处，是讨论如何把芯片、服务器、机架、网络、供电、冷却和软件整合成可以大规模部署的基础设施。
过去三年，OCP的重心已经从开放服务器硬件，转向开放AI基础设施；从机架级标准化，进一步走向AI工厂的系统级协同设计。
OCP的基本理念是，数据中心硬件不应该完全依赖某一家厂商的封闭设计，而应通过开放规范、模块化接口和跨厂商协作，提高规模化部署效率。
OCP不仅制定规范，还推动参考设计、工程验证和实际产品落地；参与者包括Meta、谷歌、微软、AWS、英伟达、AMD、英特尔、三星、SK海力士、美光，以及台达、施耐德、维谛等基础设施供应商，还有大量初创企业。
因此，OCP不只是一个会议，也是观察超大规模云厂商如何重新分配数据中心产业链设计权的重要窗口。
2026年最值得关注的，是AI基础设施正在重新分工：CPU负责智能体执行，GPU与专用加速器分工，内存走向共享，网络、供电和散热成为整套系统的设计起点。
本届会期是10月12-15日，两轮主旨演讲集中在12、13日。以下以这两天为主，补充14日值得关注的技术场。
Day One：定义整机架与基础设施
1．AMD：苏妈教你分清Helios和Helion
AMD CEO苏姿丰的主旨演讲，重点是Helion智能体机架，不要与GPU机架Helios混淆。Helion支持纯CPU和CPU/GPU混合配置：前者最高容纳32,768个CPU核心，专门承担智能体执行，再连接独立的模型推理系统；后者面向企业，把执行、推理和通用计算放在一起。AMD计划贡献相关规范，合作伙伴配置预计11月开始提供。看点是“调用模型”和“执行任务”开始拥有不同的基础设施，而不是CPU取代GPU。
2．英伟达：开放机架接口，让更多厂商围绕Vera Rubin建设
英伟达超大规模计算与高性能计算副总裁、CUDA主要创建者伊恩·巴克（Ian Buck）的演讲重点，是通过MGX开放架构向OCP贡献Vera Rubin机架和计算托盘设计。MGX 1.2涵盖液冷盲插、可配置I/O、无风扇托盘和液冷大电流母排，支持最高约250kW机架；同时开放部分DSX AI工厂管理软件。这是把英伟达平台周边的建设接口标准化，可以降低供应链接入门槛，也可能进一步强化英伟达对整套系统架构的影响力。Rubin Ultra NVL576将采用CPO进行Scale-up。
(来源：英伟达)
3．Meta：选择全栈开放AI网络
奥马尔.巴尔多纳多（Omar Baldonado）是Meta数据中心与AI网络高级总监，超大规模AI集群网络架构的主要负责人之一，也是开放AI网络基础设施的重要推动者。他的演讲重点，包括IcePack液冷网络机架、102.4Tb/s的IceCube交换平台，以及Flattened Planar Fabric多平面网络。IceCube支持博通或英伟达交换芯片；FPF则把GPU连接分散到多个独立网络平面。Meta同时公布MetaRoCE，并推动开放交换机平台架构OSPA。交换芯片、拓扑、传输协议、操作系统和液冷一起设计。开放以太网正在从采购选项升级为完整系统路线。
4．SK海力士：MARS，内存定义AI
SK海力士高级副总裁、内存系统研究负责人金浩植（Hoshik Kim）介绍的MARS（内存中心型AI机架系统），把内存从单台CPU/GPU服务器中解耦，形成共享内存池，避免为了增加内存容量而被迫增购整台计算节点。在多轮智能体推理场景中，共享KV缓存相较重新计算，带来3-5倍首Token响应性能改进。HBF则是另一条技术路线，Kim给出的HBF Cube计划是2028年初送样。最有意义的变化，是内存厂商开始讨论如何组织整机架的计算与数据，而不只是每颗HBM的容量和速度。
（来源：SK海力士）
5．d-Matrix：“通往无限推理之路”
d-Matrix联合创始人兼CEO Sid Sheth的演讲《通往无限推理之路》，是初创公司中最值得看的一场。
d-Matrix发布Squadron多机架系统，最高连接16个机架、1,024颗Corsair XPU，采用风冷，已向优先客户交付。更重要的是展示Attention–FFN拆分：GPU与Corsair分工，后者承接FFN/专家计算，而不是要求客户完全替换GPU。专用架构开始证明自己能进入真实的异构推理流水线。
6．Credo：光如何干掉铜
总裁兼CEO比尔.布里南（Bill Brennan）要证明在稳定性、耗电、成本方面，光如何战胜铜。Credo与SENKO展示微发射器、盲插式光背板方案，同时覆盖1.6T有源光缆、光模块和有源电缆。它还展示了以FPGA实现的Weaver内存扇出转换方案；增加并行通道、控制单通道速率，是另一种提高总带宽和能效的办法。
（来源：Credo）
Day Two：定制推理、算电协同与光互连进入系统工程
7．微软：Maia 300，把“少搬数据”写进架构
微软负责芯片、云硬件和基础设施的副总载雷诺德.德萨（Reynold D’Sa），结合刚发布的Maia 300，提出了面向前沿时代扩展AI基础设施。Maia 300采用推理优先架构，8组HBM4、18TB/s峰值内存带宽、950W TDP；96加速器机架配置提供27.6TB HBM、约1.7PB/s聚合内存带宽。设计强调软件定义数据流、SRAM暂存区和计算／内存控制／I/O分离的Chiplet结构，计划2027年投入生产部署。微软把模型、生产负载、内核、内存与网络放进同一个优化循环。
8．谷歌、微软及电力厂商：共同设计从芯片到电网
谷歌副总裁、工程Fellow 帕萨.兰加纳坦（Partha Ranganathan），是超大规模数据中心系统架构领域的资深专家，也是《作为计算机的数据中心》一书的合著者，长期推动从芯片、服务器到数据中心的系统级协同设计。他这次的主旨，包括了12日《从芯片到电网》、13日ABB／Eaton的直流配电演讲。关键进展是开放数据规范v0.7及电网韧性规范，把供电、冷却、物理布局，以及电网扰动时的数据中心响应放进共同框架。电网规范提出保持连接、自动响应，并在不到两秒内恢复到接近满负载。
微软的Mt. Diablo电源侧柜则把电力转换与计算机架分离，覆盖约100kW至超过1MW的模块化扩展；OCP还推进固态变压器、储能安全和配电标准。
9．Lightmatter＋Dell：CPO还要解决服务器怎么装
两家公司的《面向AI系统的开放硅光：扩展MHS平台接口约定》，是初创企业与系统厂商合作中很有含金量的一场，讨论前面板光模块、近封装光学和共封装光学，分别对机械尺寸、供电、高速信号、散热、管理接口提出要求。14日Lightmatter与Flex进一步介绍测试载具、被动对准、连接器和光路验证。看点是CPO如何成为可集成、可测试、可维护的产品，而不仅是漂亮的光学指标。这些平台接口决定不同供应商能否真正互通。
14日补充：最值得关注的初创公司技术演示
这四家初创公司，它们属于早期的技术演示或原型，阶段与已交付整机系统不同。
14日技术议程还值得补看谷歌Virgo“园区即计算机”网络、Ayar Labs／纬颖的光学Scale-up架构，以及谷歌／英伟达的固态变压器集成。这三组最能把前两天的架构宣言落到互连与电力工程。
这届OCP提出了最值得沿着追下去的三个趋势，内存与计算解耦、GPU与专用架构分工、从芯片到电网的共同设计。它们比任何一项孤立的性能倍数，更可能改变下一轮AI基础设施的成本结构。
