“这里面有多少张GPU？”“为什么要做这么大的机柜？”2026年世界人工智能大会（WAIC）上海世博展览馆主展区，几排通体黑色、两三米高的机柜前总是人头攒动。有人凑近观察液冷管路，有人举起手机拍摄盘绕的线缆，还有人追着工作人员询问这一柜子能算什么。华为Atlas 950 SuperPoD、中兴OEX、阿里云真武M890×磐久AL128……很少有基础设施能成为展会的“明星展品”，但超节点做到了。四天里，记者走访多家厂商，试图弄清这个一年前还只是少数人讨论的概念，为何突然成为全行业的共同选择。
方向一致，路径各异。如果说去年的WAIC，超节点还只是少数企业的概念展示，那么今年它已成为国产算力行业的集体共识。从华为、壁仞、燧原、中兴通讯、沐曦股份，到中科曙光、阿里云、百度智能云，几乎所有国产算力厂商都将超节点置于展台最显眼的位置。这契合了WAIC释放的信号：全球AI竞争重心正转向基础设施，超节点作为关键一环，被推至聚光灯下。
目标相同，技术路线却各不相同。华为选择了一体化路线。此次首次公开展出的昇腾950超节点由1024张计算卡组成，拥有256TB统一内存，NPU往返时延低至3微秒。通过统一内存编址，1024张卡能像一台完整计算机一样协同工作。记者在现场看到，整套设备几乎占据一整面展墙，宛如一堵黑色的“算力墙”。据工作人员介绍，昇腾950超节点最高可支持8192颗芯片互联，甚至未来有望扩展至超过50万卡的集群。
中兴则选择了更为开放的道路。其OEX架构兼容CPU、GPU、交换芯片、网卡等不同硬件，联合壁仞科技、沐曦股份、燧原科技、天数智芯等国产芯片企业，共同打造开放的国产超节点底座，目标是让用户根据业务场景自由选择芯片组合，从而将整体拥有成本压到最优。
壁仞科技把突破口放在互联能力上。依托自研的BLink2.0互连协议，1024张GPU可共享同一个内存空间，组成一个可统一调度的“逻辑GPU”，在更大规模上完成模型训练与推理。壁仞还首次提出“NPO光互连、分布式解耦架构”，试图突破传统铜互连在带宽、时延和距离上的限制。
与此同时，随着AI重心转向推理，TPU成为超节点竞争的另一选择。作为国内TPU代表，中昊芯英发布新一代“须臾”AI芯片，混合精度浮点算力达896TFLOPS，8-bit推理算力达1792TOPS。对比同级产品，“须臾”单芯片功耗降低约50%。依托原生AI架构，单个超节点最高可支持2048颗芯片直联，承载万亿参数大模型训练及海量推理任务。创始人杨龚轶凡表示，TPU从诞生起便围绕大模型和神经网络并行计算打造，天然适合构建超节点，也更容易扩展到万卡级。
除了芯片厂商，云计算企业也将超节点视为重要基础设施。阿里云展出由真武M890芯片和磐久AL128超节点组成的算力系统，真武M890采用平头哥自研并行计算架构，内置144GB高带宽显存，片间互联带宽达800GB/s。百度则展示基于昆仑芯P800的天池算力矩阵，支持256卡超节点并可扩展至数十万卡集群，兼容文心、DeepSeek等主流模型。
尽管百花齐放，但WAIC传递的信号已很清晰：国产算力竞争的重点，正从单颗芯片转向整个计算系统。
模型迭代，“逼”出了超节点。为何今年几乎所有企业都转向超节点？答案不在展馆，而在模型。
“超节点不是新概念，而是大模型发展到今天的必然结果。”壁仞科技AI框架副总裁丁云帆表示。当全球大模型以三个月为周期加速迭代，国产算力竞争逻辑正在改变。受限于制程工艺，当前国产GPU在单芯片算力上与国际先进水平仍有3至5年差距，短期内靠单颗芯片实现跨越式追赶不现实。
与此同时，随着Agentic AI时代到来，大模型出现三个明显变化，每一次变化都在推高对超节点的需求。
一是MoE（专家混合）架构成为主流，叠加Agent技术爆发。过去大模型像一个庞大整体，每次推理调用全部参数；如今越来越多模型采用MoE架构，根据任务动态调用不同“专家”网络。计算更高效了，但GPU间数据交换急剧增加。“专家并行需要极高互联带宽，如果GPU通信跟不上，再强芯片也发挥不出性能。”丁云帆说。
二是模型参数越来越大。过去千亿参数已是大模型，如今万亿参数成新门槛。7月16日发布的Kimi K3参数规模高达2.8万亿，是目前全球参数最大的开源模型。业内预计未来几年5万亿参数级别模型将出现，对集群算力需求进一步抬高。
三是上下文越来越长。代码Agent、科研Agent等新应用不断出现，一次任务处理的Token数量成倍增加，对显存和算力占用比过去高出量级。
一方面是单芯片算力天花板难以打破，另一方面是人们对模型能力期待不断推高，因此，“超节点已经成了刚需。”丁云帆说。
光互连，2028年或将成主流。当算力衡量标准从单卡峰值转为系统调动能力时，真正难关藏在机柜里。1024张GPU组成超节点后，决定算力上限的是互联带宽、网络架构、软件调度及系统协同。换句话说，同样芯片能否拼成高效整体，比单卡快多少更关键。但这意味着系统难度指数级上升，尤其是从百级到千级甚至万级，通信成最大障碍。
过去几十年，GPU靠铜缆传电信号。但随着800G、1.6T高速互联到来，电信号传输距离变短、功耗攀升，铜互连逼近物理极限。“铜缆越来越难满足未来超节点需求。”一位技术人员表示。
出路是用光替代电。目前光互连有四种路线：传统可插拔（FRO）、线性直驱（LPO）、近封装光学（NPO）和共封装光学（CPO）。
丁云帆透露，今年产业界讨论焦点已不在成熟的FRO和LPO，而更多投向NPO和CPO，“尤其是NPO，正成为产业链协同攻关核心。”相比传统光模块，NPO把光引擎部署到GPU或交换芯片附近，大幅缩短电信号距离，去掉高功耗DSP芯片，在带宽、时延、功耗与成本间取得更好平衡，还能扩展传输距离至数百米，更适合大规模超节点。
根据集邦咨询数据，CPO/NPO市场规模将从2025年约1亿美元跃升至2030年390亿美元以上，五年约400倍增量。阿里巴巴、腾讯等企业已把NPO视为近中期部署主轴。因此，WAIC上，光模块、交换机厂商纷纷展示NPO相关产品或方案。
丁云帆认为，国内已具备研发NPO产品的基础能力，不存在无法突破的技术障碍，真正需要的是研发周期和工程验证，预计未来一两年产品将陆续推出。CPO方面，国内布局不多。一方面CPO需将光引擎封装进计算芯片内部，对芯片设计、先进封装要求更高，国内在部分先进工艺上与国际仍有差距；另一方面，产业分工模式不同。如果像英伟达一样全集成，光模块厂商价值空间会被芯片厂商吸收，意味着利益重新分配。“中国现阶段更适合走生态共建路线。”丁云帆认为，NPO架构下各厂商能发挥优势，产业链生态更健康。壁仞计划明年推出基于NPO的超节点产品。预计到2028年前后，NPO光互连有望成为AI超节点主流方案。
规模化，中国跑得更快。如果说通信和光互连是超节点的“里子”，那决定它能走多远的，是另一个高频词——工程化。WAIC上，无论是智能体工厂、大模型厂商，还是AI4S科研平台，被问及最大挑战时，系统工程几乎都是绕不开的答案。
杨龚轶凡举例：海量芯片组成统一集群、同时承载多家客户业务，如何降低分布式计算中的数据交换开销是核心问题；多租户场景下的数据隔离与隐私保护、万卡集群带来的散热压力，以及分布式调度、集群运维、故障自愈等软件能力，也需同步突破。
“超节点竞争，本质上是一场产业链竞争。”杨龚轶凡说。决定超节点能力的，不只是芯片性能，更取决于网络互联、散热、软件调度等系统能力，以及产业链上下游协同水平。封装、交换机、光模块、液冷、服务器、调度软件……这些过去分散的技术，如今因超节点被紧紧连在一起。
有趣的是，在丁云帆看来，超节点规模化扩展上，国内甚至走得比国外更快。正因为单卡算力有差距，国内产业界才更迫切要靠系统级创新解决问题。这不是单点突破，而是体系化突围。这也正是杨龚轶凡坚定选择TPU路线的原因。TPU作为专用架构，需要适配的算子远少于通用GPU，使本土厂商有机会在特定领域快速追赶，实现“换道超车”。
四天展会结束，这些黑色的“算力墙”留在了很多人手机相册里。或许，多年之后，这些照片将是中国AI史上珍贵的开端。