韩国首尔 ASUS AI Tech 2026 现场：AI 服务器、存储与产业讨论

最近，我前往韩国首尔参加了 ASUS AI Tech 2026。华硕在这场活动中与供应商、合作伙伴和客户一起，展示新的 AI 服务器、机架和解决方案。我在现场主持了一场圆桌讨论，因此觉得值得写一篇文章，并制作一段短视频。

当然，华硕承担了我的差旅费用，所以必须说明这是一次赞助行程。

韩国首尔 ASUS AI Tech 2026

大厅中展示了各种 AI 服务器，包括搭载八颗 Rubin GPU 的 NVIDIA HGX Rubin NVL8 方案。华硕展出了多款产品，其中一款外观醒目的液冷版本，与 Ampere、Hopper 和 Blackwell 世代的设计相比变化很大。

这一代改变了基板上 GPU 的朝向，以实现更高效的液冷。NVIDIA 还集成了新一代 NVLink Switch，并配合高速横向扩展网络来构建更大的集群。该设计可以把八颗 GPU 放进 1U 空间，而对 HGX 基板进行风冷通常需要 6U 或更多空间，因此密度显著提高。

华硕将这部分与用于 CPU、SSD、DPU 等组件的另一段机箱组合起来，在比以往更紧凑的机架空间中容纳大量算力。这些节点既可采用混合散热，也可采用全液冷，因此能适应不同条件的数据中心。

虽然单颗 GPU 的功耗可能高于 Hopper 世代等旧款 GPU，但 Rubin GPU 性能更强，板载 NVL8 拓扑将更多计算资源和内存互联，减少了数据搬运。这不仅让单颗 GPU 更快，也让整个 NVL8 域显著提速并能容纳更多数据，从而使更多通信留在节点内部，无需经过横向扩展网络。

华硕还带来了旗下 NVIDIA GB200/GB300 NVL72 和 Vera Rubin NVL72 方案的托盘，这些方案被称为 ASUS AI Pod。在现场看到不同的液冷 ORv3 托盘，非常有意思。

全液冷设计提高了效率，而效率最终决定了数据中心能提供多少性能。这也是当天多位演讲嘉宾反复谈到的主题。

在更新的 Vera Rubin NVL72 设计中，还能看到这一代向将风扇移出机箱、对机架内所有组件采用液冷的方向转变。这有助于提高计算密度，并在给定的功耗条件下尽可能提升性能。

我们此前在《2026 华硕散热实验室探访：测试 AI 服务器》中展示过这些设备如何接受测试。想了解的话，可以在这里找到那期短视频：

接下来看看存储，以及我们的圆桌讨论。

我们还看到了采用硬盘和 NVMe 的存储服务器。存储正在成为 AI 集群的另一个重要领域，多位演讲嘉宾也强调了这一点。

过去，人们普遍认为硬盘会逐渐退出 AI 基础设施，因为高性能 NVMe 更适合 AI 服务器。如今，与硬盘相比，用 NVMe 存储海量数据的成本高了很多，因此在以每 PB 成本为重点的较慢存储层中，硬盘再次确立了重要地位。

除了硬盘服务器，华硕还展示了 ASUS VS320D-RS26N 等侧重 NVMe 存储的服务器，为服务器和 GPU 提供更高性能的数据存储。

另一款有意思的服务器是 ASUS XA P2N-E2。它采用 MGX 平台，支持两颗 NVIDIA Vera CPU。当 NVIDIA 谈到智能体 AI 中的 Vera 时，这就是此类平台形态的一个很好示例。它也被设计为更通用的计算平台。

这些系统可以搭配 NVIDIA RTX Pro 4500 Blackwell 或 RTX Pro 6000 Blackwell Server Edition 等 PCIe GPU。其设计注重高单线程性能和充足的内存带宽。这些新一代平台甚至支持 PCIe Gen6，以满足高速网络和存储需求。

当天不少嘉宾讨论的是数据中心趋势，以及如何在组织内部实施 AI。我主持的圆桌题为“在 AI 新时代取胜：把握创新、推动主权 AI、扩大商业价值”，Crusoe、Aleria、华硕和 IBM 均派代表登台。

我们围绕迅速成为行业主要趋势的主权 AI 和企业 AI 展开了热烈讨论。Aleria 首席执行官 Eric Leandri 展示了他们如何在被投企业中部署智能体 AI，以及采用规模如何增长。IBM 的 Craig McKenna 重点介绍了 IBM 如何帮助客户应对实际落地的挑战。华硕的 David Fu 谈到了客户如何高效部署更新、更高效的 AI 工厂。Crusoe 的 Andrew Wee 则说明，自有制造能力和对新型能源的利用，如何加快其不同合作模式中的 AI 部署，从提供底层资源到提供模型托管服务。

企业正在探索，如何把大厅中展示的这些机器转化为面向内部和外部客户的出色 AI 体验。

结语

这是一次很好的交流机会，让我能与从内存厂商到华硕的各方人员讨论他们正在做的工作。我一直很珍惜主持圆桌带来的机会，可以询问大家如何看待主权 AI 和企业 AI。这些想法可能不同于我们平时讨论的两个极端：一端是本地 AI，另一端是吉瓦级 AI 工厂。如果有机会参加这类活动，我非常推荐，因为无论台上还是走廊里的交流都很有价值。

来源：Servethehome