超节点成算力军备赛焦点，国内厂商各展所长，竞争激烈！

超节点热潮来袭一位算力资深人士向数智前线透露中国大型互联网企业会在下半年大量部署超节点方案。新华三人士也补充道虽然超节点整机价格通常高于同等卡数的普通服务器但它算力密度更高、空间占地更小企业在有限空间承载更多算力的需求下超节点是个 大杀器。即便此前未采用超节点的 DeepSeek最近也明确要用正在议价这一情况具有风向标意义。2026 世界人工智能大会上的超节点展示这一热潮在 2026 世界人工智能大会上表现突出。华为展出了由 20 个机柜组成的 1024 卡超节点真机中科曙光展示了沸腾着冷却液的 640 卡超节点百度天池、阿里云灵骏真武 M890、浪潮信息元脑以及沐曦曦景 S600都被放在各自展台的突出位置。超节点定义与发展趋势超节点通过高速互联技术把大量 GPU 或加速卡从 多台服务器 深度整合成逻辑上像一台 超级计算机 的系统解决了传统集群跨机器通信的带宽和延迟瓶颈大幅提升 GPU 或加速卡的利用率带来单位 Token 成本的下降。华为资深人士表示超节点已成为目前 AI Infra 建设的一个主流趋势。一年前超节点还是少数厂商展示系统能力的旗舰产品一年后它正在成为主流算力企业必须参与的军备赛。百度昆仑芯人士称国产超节点从去年推出目前已发展到可批量落地阶段到今年底每家算力企业基本上都具备交付能力。谁在造超节点超节点并非新概念。2024 年英伟达发布 GB200 NVL72推动该架构进入业界视野但最初需求不旺。2025 年随着大模型参数暴涨超节点成为热点。国内厂商早在 2024 年前后开始技术预研最早一批在 2025 年上市华为、百度智能云、浪潮信息、新华三、中兴等都开始发布相关产品超节点赛道涌入多个玩家。目前超节点赛道似乎形成了三条不同路线一派不断扩大单个超节点的规模一派更强调部署效率和经济性还有一派试图用新的芯片和互联架构重新定义超节点。走向 大节点 的厂商华为、中科曙光和百度走向 大节点。华为已展示由 20 个机柜组成的 1024 卡的昇腾 950 超节点真机并将在今年第四季度批量交付 8192 卡超节点理论上这是该超节点满配技术上限。其去年推出的 384 卡超节点已在多个行业商用落地 750 多套证明了超节点的商业规模部署能力。中科曙光选择了浸没式液冷支撑更高密度部署单机柜 640 张加速卡一台冷却设备带两个机柜。由其超节点构建的十万卡算力集群曙光 8000登峰已落地国家超算互联网郑州核心节点目前已跑满了 90%需求来自模型训练和 AI for Science。百度智能云天池超节点从 256 卡向 512 卡演进后者将在年底推出强调全栈自研已交付多个万卡集群支撑了多个重要场景的训练和推理。强调部署效率和经济性的厂商阿里云推出的灵骏真武 M890以 64 卡为一个 Scale - up 单元再通过 Scale - out 网络扩展至更大集群还将这种算力形态放到公共云上客户可按需调用。浪潮信息去年推出 64 卡超节点今年再推 32 卡产品32 卡可支撑万亿大模型推理。沐曦以单柜 64 卡为基础强调 CUDA 生态兼容和向万卡集群的横向扩展。走第三条路径的厂商清微智能采用可重构数据流架构每颗芯片同时承担计算和数据转发芯片之间可直连无交换机已推出 4096 卡、峰值算力为 500PFLOPS 的超节点产品已在多地多个行业落地。7 月产品刚刚上市的东方算芯也采用同样路线。此外摩尔线程计划年底伴随新一代 GPU 推出相关产品寒武纪虽目前没有超节点但业界判断下一代芯片将推出超节点至此国内主要算力芯片、服务器企业几乎都已进入这一赛道。超节点今年爆发的原因业内认为超节点在今年爆发有三大原因。第一模型训练和推理需求足够大。训练端模型参数量飙升如 7 月 Kimi 发布参数达 2.8 万亿的大模型 K3且模型参数还将持续增长。业界通常认为不同参数规模的模型训练需要相应数量的卡解决方案最好是把多个芯片连成一体化运作。推理端AI Coding 场景中操作调用次数大幅增加意味着更多并发、更长上下文这正是超节点大内存池的核心卖点。从训推需求比例来看目前线上推理和训练比已接近 51 - 101。第二账算得过来。超节点价格比同样卡数服务器总价贵但客户算的是总体效能账超节点更集约。如通过超节点推理性能提升 10 倍但耗电可能只提升 2 倍算下来还有收益。超节点通过高速互联把损耗降到最低让更多算力发挥效能如做 PD 分离推理系统比普通同卡数机器提升 30% 到 50% 的性能。第三批量交付节点到了。超节点是工程化产物目前已发展到可批量落地阶段无论性能如何大家都可以把整机交付出来。超节点更适合训练还是推理的分歧对于超节点更适合训练还是推理各家说法不同。华为人士认为训练、推理都有价值万亿参数大模型训练需要巨大内存池Agent 推理需要海量上下文并发超节点要具备大内存卡。摩尔线程认为超节点要面向 1 万亿到 5 万亿参数大模型训练以及高速推理的 tokens 工厂场景。沐曦人士认为超节点在推理的 Decode 阶段价值更为突出。清微智能陈逸伦分析目前超节点在训练侧跑微调较多拿它做推理性能更好。超节点技术路线的分歧与共识爆火之下超节点技术路线有诸多分歧目前尚无标准答案取决于企业的技术商业判断。第一个分歧是规模之争行业分成“小节点派”和“大节点派”。“小节点派”认为 64 卡或 64 - 128 卡就够了考虑到通信延迟和稳定性并非 scale up 越大越好。“大节点派”认为进入 Agent 时代后万亿参数、百万 Token 上下文和海量并发推理下需要更大规模超节点。第二个分歧是 CUDA 兼容之争阿里平头哥、沐曦、海光等走 CUDA 兼容路线代码迁移成本低华为昇腾、昆仑芯等走自研生态路线虽迁移成本高但可控性和长期演进空间更大。此外连接中铜缆与光纤液冷中的风冷和液冷尤其是浸没式液冷这些新旧技术转换中因技术瓶颈、故障率与运维成本产生的矛盾和挑战让业界有不同的技术商业选择。一个共识是软硬架构协同。超节点演进与模型技术路线密切相关国内模型架构 Attention 正在分化为不同路线这将影响超节点的硬件适配方向。浪潮信息董事长彭震介绍目前基础设施有软硬件联合创新的新进展收益显著。沐曦杨建博士认为这条赛道“未来二三十年都停不下来”目前 AI 知识创造进程很多企业还未开始但随着算力成本降低行业将加速扩张。超节点竞争现状与挑战随着更多厂商具备整机交付能力超节点真正激烈的竞争已经开始。现在比拼的是能否批量交付、稳定运行并真正降低每 Token 成本。供应链是其中更大的挑战无论国产还是海外供应都存在不足锁定供应链未来发展才更有确定性。