**超节点成为算力基建主流：大厂布局、技术路线分化与未来展望**
**一、 部署预测与行业风向**
据一位资深算力人士透露，下半年国内大型互联网企业将迎来超节点方案的集中部署。尽管超节点单机价格高于同等卡数的普通服务器，但其算力密度更高、空间占用更小。在有限空间内承载更多算力已成为企业的刚需，超节点无疑是这一场景下的“大杀器”。新华三相关人士补充道，即便是此前未采用超节点的DeepSeek，近期也明确表达了使用意向，正在积极议价。这一动向具有风向标意义。
这一热潮在2026世界人工智能大会上得到了充分印证。华为展出了由20个机柜组成的1024卡超节点真机；中科曙光则展示了单机柜640卡、采用浸没式液冷技术的超节点。此外，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等，均在各自展台占据了核心位置。
**二、 超节点：概念解析与现状**
究竟什么是超节点？简单而言，它利用高速互联技术，将大量GPU或加速卡从多台服务器深度整合，形成逻辑上的一台“超级计算机”。这种架构有效解决了传统集群跨机器通信的带宽与延迟瓶颈，大幅提升了GPU利用率，从而降低单位Token成本。华为资深人士表示，超节点已成为AI基础设施建设的当前主流趋势。
一年前，超节点还是少数厂商展示系统能力的旗舰产品；而如今，它已演变为算力企业必须参与的主流军备竞赛。国产超节点从去年推出至今，已发展到可批量落地阶段。百度昆仑芯人士指出，预计今年底，各家算力企业基本都具备交付能力。
**三、 厂商竞逐：路线分化**
目前，国内厂商在超节点赛道上已形成三条主要路线：一是不断扩大单节点规模；二是强调部署效率与经济性；三是尝试用新芯片和互联架构重新定义超节点。数智前线观察发现，华为、中科曙光和百度正致力于打造“大节点”。
华为已向业界展示了由20个机柜组成的1024卡昇腾950超节点真机，并计划于第四季度批量交付8192卡超节点，这被视为该技术上限的满配形态。华为判断，随着大模型参数、上下文长度及推理并发量的持续增长，单个计算域需容纳更多芯片与更大内存。其去年推出的384卡超节点已在互联网、金融、能源等多个行业落地逾750套，验证了商业规模部署能力。中科曙光则依托浸没式液冷技术实现高密度部署，单机柜搭载640张加速卡，由一台冷却设备驱动两个机柜。基于此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，目前利用率已达90%，主要支撑模型训练及AI for Science应用。
百度智能云天池超节点正从256卡向512卡演进，预计年底推出。该方案强调从互联协议、交换芯片到液冷系统的全栈自研。百度智能云混合云部总经理杜海介绍，其超节点已交付多个万卡集群，成功完成了文心5.1重要版本的全国产集群训练，并支撑了能源电力行业80多个场景的推理及自研电力大模型训练。
另一派厂商则持不同观点，认为“越大越好”并非唯一解。阿里云推出的灵骏真武M890，以64卡为一个Scale-up单元，通过Scale-out网络扩展至更大集群。与多数超节点主要面向私有化部署不同，阿里将其放入公共云，客户无需采购设备即可按需调用。浪潮信息与沐曦也选择了类似路径。浪潮信息去年推出64卡超节点，今年再推32卡产品，以支撑万亿参数大模型的推理。浪潮信息副总裁赵帅表示，内部测试显示，32卡超节点在AI Coding场景下的效率远超千亿参数模型，能为企业提供更具性价比的算力。沐曦则基于单柜64卡，强调CUDA生态兼容性及向万卡集群的横向扩展能力。
此外，部分厂商试图跳出英伟达GPU或华为加速卡的传统路线，探索第三条路径。清微智能采用可重构数据流架构，每颗芯片同时承担计算与数据转发，芯片间直连无需交换机，已推出峰值算力500PFLOPS的4096卡超节点，并在北京、内蒙、新疆等多地落地。同样采用该路线的东方算芯也于7月上市。摩尔线程计划年底伴随新一代GPU推出相关产品，寒武纪虽暂未推出超节点，但业界判断其下一代芯片也将跟进。
**四、 爆发原因：需求、成本与工程化**
为何超节点会在今年爆发？业内认为主要源于三大原因。
首先是巨大的训练与推理需求。训练端，模型参数量呈指数级增长，Kimi发布的K3模型参数已达2.8万亿。业内预测，下一个春节参数将达3万亿，再往后是6万亿乃至10万亿。目前中等规模海外模型参数量已达5万亿，单机集群已难以满足需求。推理端，AI Coding场景中，一次任务操作调用可达数万次，复杂长程任务更是百万级，这需要超节点提供大内存池以支持海量并发。
其次是算账划算。超节点总价虽高，但客户看重的是总体效能。新华三人士指出，大企业部署超节点必然经过详细测算。浪潮信息副总裁赵帅举例，若超节点能让推理性能提升10倍，而耗电仅增加2倍，则具有显著收益。昆仑芯人士表示，传统模式下多台机器算力相加往往小于卡数总和，而超节点通过高速互联将损耗降至最低，在PD分离推理场景下，性能提升可达30%至50%。
第三是工程化成熟度达到批量交付阶段。超节点涉及芯片、存储、通信、散热、供电及软件等多个环节，非单一厂商能独立完成。昆仑芯人士称，目前超节点已具备批量落地能力，整机交付不再是难题。
**五、 训练与推理的边界**
关于超节点更适合训练还是推理，各家说法不一。华为认为两者均有价值，万亿参数训练需大内存池，Agent推理需海量上下文并发。摩尔线程认为其应面向万亿至5万亿参数模型训练及高速推理的Tokens工厂场景。沐曦人士认为，超节点在推理的Decode阶段（逐Token生成）价值更为突出。清微智能陈逸伦分析，目前超节点在训练侧多用于微调，而在推理侧性能表现更佳。
**六、 技术分歧与未来展望**
在超节点爆火的同时，技术路线也存在诸多分歧，尚未形成统一标准。首先是规模之争。一派主张64卡或128卡的小节点派认为，TP和EP并行对延迟极度敏感，超过64卡后通信延迟会抵消性能优势，且64-128卡是最经济形态。另一派是大节点派，如华为的1024卡、中科曙光的640卡、百度和新华三的512卡，认为在Agent时代，万亿参数和百万Token上下文下，小节点内存池不足，必须依靠大节点进行完整训练和大规模并发。
其次是CUDA兼容性的分歧。阿里平头哥、沐曦、海光等选择CUDA兼容路线，降低代码迁移成本；华为昇腾、昆仑芯等坚持自研生态路线。一位大厂人士分析，自研生态虽迁移成本高，但可控性更好，且随着Agent编程的发展，CUDA的重要性可能下降。华为人士则表示，华为增强了向量处理能力，与英伟达的矩阵处理能力形成互补，两者均走向“矩阵和向量综合型”。
此外，连接技术（铜缆与光纤）、散热方式（风冷与液冷，特别是浸没式液冷）等方面也存在不同选择。这些新旧技术的转换中，技术瓶颈、故障率与运维成本是各厂商需要权衡的挑战。
尽管存在分歧，但业界达成了一个共识：软硬架构必须协同演进。浪潮信息董事长彭震指出，过去基础设施沿摩尔定律演进，现在则是软硬件联合创新，一端提出新算法，一端用新介质、硬件和网络适配。沐曦杨建博士认为，这条赛道未来二三十年都不会停歇。随着AI渗透到各行各业，算力需求将持续增长。目前，超节点正成为产业链向下延伸的重要算力底座。随着更多厂商具备整机交付能力，激烈的竞争已正式开启，核心比拼在于能否批量交付、稳定运行并真正降低每Token成本，而供应链的锁定则是未来发展确定性的关键。