【导语：过去两年，行业在算力军备竞赛中多靠买GPU、建集群提升算力。近日，智谱公开ZCube组网架构，不动硬件提升推理吞吐，同时OpenAI等发布MRC协议，行业正从“堆硬件”向“挖效率”转向，影响着产业链。】

ZCube组网架构：不动硬件提升集群效率

智谱首次公开在生产集群中验证过的ZCube组网架构，在GPU、服务器、应用代码都不变的情况下，集群推理吞吐直接提升了15%，TTFT（首Token响应时间）P99尾延迟下降了40.6%。这些数据是在真实生产流量中得出，而非实验室仿真推演。

对于服务上百万开发者的大模型API平台，这意味着同一套硬件基础设施每秒能多扛15%的并发请求，流量洪峰下排队等待时间大幅缩短，P99尾延迟的40%降幅也减少了终端用户的“卡顿感”。此外，ZCube架构所需的交换机和光模块数量比原有方案少了三分之一，实现了对存量算力资产的低成本效率重估。

ZCube与MRC：不同路径解决网络瓶颈

当集群里数千甚至数万张GPU同时处理推理请求时，GPU之间互联网络的效率上限决定了GPU能发挥的真实算力。ZCube从拓扑设计上重新规划“路网”，从根源上消除拥塞。

几乎同一时间，OpenAI联合五大巨头发布了MRC（多路径可靠连接）网络协议，这是面向超大规模AI集群的开放网络协议，已部署在OpenAI所有最大规模超算集群中。MRC在协议层优化“交通规则”，与ZCube在架构层重构“路网”，一软一硬，殊途同归，都指向网络是制约GPU集群整体效率的核心变量。

行业转向：从“堆硬件”到“挖效率”

不仅智谱和OpenAI，行业内从硬件侧、芯片创业公司到模型架构本身都在探索“不堆硬件、从基础设施和系统架构里挖效率”。如NVIDIA最新架构、Google第七代TPU、Groq的LPU、Cerebras的芯片、通义千问的Qwen3 - Next、DeepSeek的稀疏注意力技术等，都在现有算力存量和有限新增投入中寻找更大产出倍数。

这场转向对上游供应链产生实质影响，AI集群采购逻辑将发生结构性调整，对高端交换机需求从“更多层级”转向“更少层级、更大端口密度”，光模块加速向800G及以上速率集中。市场数据也验证了这一趋势，2025 - 2026年800G和1.6T光模块出货量将大幅增长。

ZCube的两层含义：技术与商业价值凸显

北京计算机学会AI专委会秘书长张有鱼表示，智谱的ZCube实践在技术层面，用真实生产数据验证了在千卡乃至万卡集群中，网络架构可成为独立的效率杠杆，且边际改造成本极低，比单纯采购芯片更具性价比。

在商业层面，对于手握大量GPU存量的平台型公司，谁能从既有资产中榨出更多Token产出，就能在API价格持续下探的市场里拉大成本优势，智谱的成果对应着可观的运营成本优化。

编辑观点：智谱ZCube组网架构及行业内的一系列探索，展现了从“堆硬件”到“挖效率”的积极转向，有望缓解算力紧张，重塑产业链，未来在技术和商业上的潜力值得期待。