算力的重要性再度凸显。近期，随着GLM 5.2、Kimi K3.0等大模型的上新，叠加DeepSeek投资人会议纪要的泄露，算力紧张的现实再次被推至台前。这意味着，国产大模型若想实现进一步突破，必须跨越这道算力门槛。围绕算力的争论一度平息，如今为何又起波澜？国产算力究竟发展到何种地步？超节点能否成为破局的关键抓手？
算力门槛难以绕过。曾几何时，全球业界流行“力大飞砖”的堆算力模式，但受限于种种因素，这条路在国内走得颇为艰难，算力短缺长期困扰行业。直到DeepSeek面世，通过算法优化等手段降低了对算力的依赖，才打破了以往的粗放思维。此后，借助技术手段为算力做减法，成为行业共识：灵活调整MoE架构参数以减少单次计算量，优化注意力机制以缓解长上下文显存压力，借助开源模型打造垂直应用以降低训练量……毕竟，花小钱办大事是国人喜闻乐见的操作。
在此背景下，关于算力永远短缺的叙事逐渐沉寂，而消除算力溢价的呼声高涨，相关担忧自然平息。未曾想，国产大模型后来居上，纷纷跻身国际第一梯队，随之而来的却是算力相对不足，不得不采取限购、涨价等措施以抑制日益旺盛的需求。于是，另辟蹊径绕过算力门槛的逻辑宣告破产。
复盘来看，单次推理效率的优化并不等同于满足总需求。一旦需求高企，令模型满负荷工作，算力缺口便会显现。以Kimi K3为例，其参数高达2.8T，虽然为提高效率，单个Token仅激活104B参数，通常情况下足以应对，但Kimi K3出圈之后，Token消耗激增，后台可能跑了几十次推理（读代码、调用工具、自我纠错），导致总吞吐量水涨船高，最终抬高了算力需求。这一现象高度契合经济学中的“杰文斯悖论”。即当技术进步提高了资源利用效率后，反而可能导致资源的总消耗量增加。通俗来说，大模型推理成本下降了，但模型能力变强，能应对更多复杂场景，从而吸引更多用户，需求激增，算力扩容便成为必由之路。
其实，针对算力的基础建设从未放松。公开资料显示，2025年国内智能算力规模为1590 ExaFLOPS，到了2026年上半年，这一规模将达2185 EFLOPS，同比增长177%，呈现爆发式增长。
超节点堪称大模型的最佳搭档。智能算力规模爆发式增长背后，国产AI芯片走到了舞台中央。例如，昆仑芯发布了第四代AI芯片M100，主要针对大规模推理场景进行优化设计，以全国产方案对标NVIDIA H20，主打高性价比推理应用。摩根大通数据显示，百度昆仑芯片收入预计将从2025年的约13亿元飙升至2026年的83亿元，同比增长超6倍。又如平头哥发布了新一代AI芯片真武M890，性能较上一代提升3倍，可满足更大规模的大模型训练及推理需求。官方数据显示，真武AI芯片累计出货56万片，服务20多个行业的400多家客户，其中在智驾行业已部署超13万卡，客户涵盖小鹏、理想、蔚来等头部造车新势力。国产AI芯片的崛起为国产算力提供了“定心丸”。
尤为值得一提的是，超节点走出了实验室，成为国产AI芯片下一个新战场，也为国产算力带来了更大的想象力。所谓超节点，即将数张、数十张乃至数百张AI芯片融为一体，组成具备一台计算机特征的超级计算系统，从而大幅提升性能，缩小与国外高端芯片的差距，并大幅降低Token成本。沐曦股份研发副总裁黄向军表示：“随着模型规模越来越大，尤其是万亿参数的大模型，客观上需要更大规模的GPU，通过高带宽连接在一起。此外，MOE模型的专家间通信，无论是训练还是推理都要求延迟越低越好，超节点这个架构比普通的服务器更适合。”
需要注意的是，超节点并非简单的堆芯片。其核心竞争力在于借助超大带宽、超低时延、软硬协同等技术优势，最大程度实现“高效率、低成本”的目标，将字面算力转化为可用算力。CHIP实验室主任罗国昭表示：“一个2万亿参数的MoE模型往往需要同时调用多个专家网络，每完成一步推理，都需要不同GPU之间频繁交换数据。如果互联带宽不足，大量GPU不得不停下来等待数据同步，即使理论算力充足，也难以真正发挥出来。这也是业内常说的‘GPU不是在计算，而是在等待’。”不难看出，超节点是解决当下算力紧张的最优解。
尽管如此，作为新物种的超节点也面临诸多技术分歧，其中排在首位的就是规模到底多大合适。一种声音认为节点越大越好。随着大模型进入万亿参数时代、上下文长度突破千万以及并发推理持续增长，超节点走向百卡、千卡甚至万卡是必然趋势。唯有大节点才能满足大模型的全场景需求。这条技术路径的典型代表是昇腾，其推出的384卡超节点已销售了750多套，目前已迭代至1024卡超节点，实现了业界最大的256TB跨物理节点的内存统一编址空间，且将推出8192卡超节点，进一步探索超节点的满配技术上限。
另一种声音则认为节点越经济越好。大模型既要高带宽、高性能，也要低时延、强稳定，因而需要进行平衡。更为重要的是，配置的AI芯片数量相对较少，成本也会随之降低，适合中小企业的实际需求，避免出现算力浪费。如此一来，小节点也大行其道。这条技术路径的典型代表是浪潮信息，先是推出64卡超节点，契合小节点的主流路线，最新产品已降为32卡。浪潮信息副总裁赵帅表示：“我们自己内部用万亿大模型做AI Coding，效率绝对比用千亿大模型好，这就是万亿参数大模型带来的价值，所以再次推出32卡产品，让更多企业真正用得起。”
总而言之，超节点最初并不受重视，随着交付能力的提升以及算力紧张的肉眼可见，一跃成为大模型的最佳搭子。百度、阿里巴巴、浪潮信息、沐曦科技、摩尔线程等大小厂商纷纷入局，为AI基础设施生态注入了新动力。国产算力破局，正当时。