WAIC满场超节点，国产算力不再只有一个答案

超节点之战刚刚开始

作者| 王秦州

去年年初，我就开始持续关注国产超节点。那时候，国内只要谈到超节点，大家首先想到的几乎都是昇腾。

到了今年年初，就有各种超节点开始在其他展会上展出，特别是这届的WAIC，情况更是变了。

华为、阿里云、联想、新华三、中兴通讯、燧原科技、东方算芯、清微智能都把超节点放到了展台的重要位置。昆仑芯、沐曦、摩尔线程、天数智芯、阡视科技也拿出了各自的产品或方案，曦智科技、壁仞科技和中兴通讯等联合打造的光跃方案，则把光互联带到了这场竞争中。

短短一年，超节点从少数厂商押注的前沿架构，变成了国产算力公司的集体选择。展台上的数字也越来越大：40卡、64卡、128卡、1024卡，甚至4096颗芯片。

看起来，大家都在证明自己可以把更多芯片连在一起。这反而带来一个问题：当超节点变得随处可见，它还有多少技术门槛？

先别急着比卡数

很多人第一次看到超节点，容易把它理解成更大的服务器，或者一组摆在一起的机柜。

这种理解只对了一半。

传统集群也能连接成千上万张计算卡，但每台服务器仍然有自己的内存和操作系统。计算卡之间交换数据，需要经过网卡、交换机和通信协议。模型规模越大，需要传输的数据越多，芯片等待通信的时间也越长。

这就像几十个人一起搬家。如果每个人都很强壮，但只有一部电梯，大部分时间仍然会耗在排队上。

超节点想做的，是把这部“电梯”拓宽。它通过更高速的芯片互联、更低的通信时延、更大的共享内存和统一的软件调度，让几十颗甚至上千颗芯片更接近一台大型计算机。

因此，判断一款产品是不是有价值的超节点，不能只看卡数，还要先弄清楚这个数字指什么。

40卡、64卡和128卡，通常描述一台服务器或者单个机柜里的计算规模。比如联想SuperPod 40以40张GPU为基本单元，强调标准19英寸机柜和400G RDMA网络；阿里云磐久AL128把128颗计算芯片放进一个超节点服务器，并兼容不同GPU、CPU和交换芯片。

1024卡往往已经跨过单个机柜，指由多个计算柜、交换柜组成的Scale-up域。华为Atlas 950 SuperPoD采用64卡单柜，通过柜间高速互联扩展到1024卡，并提供256TB统一内存地址空间。

清微智能RE81所说的4096，口径又不一样。它指的是基于TSMLink可重构算力网格互联的芯片数量，重点在于芯片间C2C直连和无交换机设计。

这些数字不能被放在同一条坐标轴上直接比较。有的代表单柜密度，有的代表Scale-up域规模，还有的描述整套互联系统能够覆盖的芯片数量。

名字相同，厂商解决的问题并不一样

超节点之间的差别，主要藏在互联、内存和软件三层。

互联决定数据在芯片之间移动得有多快。

华为强调灵衢互联，将芯片级、单板级和机柜级通信纳入统一协议；阿里云磐久AL128围绕AI训练和推理重构机内互联，同时为超节点之间预留大规模Scale-out带宽；中兴OEX采用正交架构，把计算节点和交换节点分开，便于系统扩展和更换不同芯片。

燧原云燧ESL64-O也使用正交互联设计，但其出发点是围绕自研AI芯片进行软硬件深度协同。清微智能选择可重构拓扑，光跃方案则尝试用光连接突破传统电互联的距离和功耗限制。

路线虽然不同，面对的都是同一个挑战：芯片数量增加以后，通信开销会不会吃掉新增的算力。

内存决定芯片拿数据时要等多久。

大模型训练过程中，不同计算卡需要频繁交换参数和中间结果；推理过程中，KV Cache会随着用户数量和上下文长度快速增长。算力很强，但数据送不过来，计算芯片仍然会空转。

因此，有的厂商强调统一内存编址，让不同芯片更方便地访问同一片数据；有的提高单卡和单柜的访存带宽；阡视科技则把KV Cache与多级存储放进超节点系统，试图降低大规模推理时的数据搬运成本。

硬件能力能否释放出来，最后还要看软件。

超节点对外宣传的通常是峰值算力、互联带宽和最大卡数，但用户真正需要面对的是另一组问题：现有模型能不能直接运行，算子是否齐全，任务中断后多久可以恢复。

这也是华为、阿里云这类全栈厂商的优势。它们可以同时调整芯片、互联、服务器、编译器和云平台，软硬件配合更深入。昆仑芯、燧原、沐曦、摩尔线程和天数智芯，也在围绕自研芯片建立各自的软件体系。

另一边，新华三、中兴和联想更强调开放与兼容。新华三UniPod S80000将多元芯片、标准化互联和整机柜交付结合在一起；中兴OEX提供多芯片组合能力；联想则强调标准机柜部署和现有数据中心适配。新华三公开资料将S80000定位于高通信开销的AI场景，并强调整机柜交付和液冷散热；中兴也在本届WAIC明确展出了OEX超节点。

哪种路线适合哪类用户？

技术路线最终要落到工作负载上。脱离模型、机房和业务谈超节点排名，意义不大。

需要训练超大模型、MoE模型的互联网公司和科研机构，会更关注Scale-up域的规模、统一内存、集合通信效率和长时间训练稳定性。全栈协同能力较强、软件栈相对完整的方案，在这类场景中更容易发挥系统性能。

对这类用户来说，最大卡数只是第一眼看到的数字。规模扩大以后，训练吞吐能提升多少，遇到硬件故障后能否迅速恢复，才会决定一轮训练究竟需要多少时间和成本。

Agent和高并发推理的需求不同。

这类业务会频繁读取模型权重和KV Cache，更在意低精度计算能力、访存带宽、首Token时延，以及单位Token的综合成本。电费、制冷和芯片利用率，都可能改变最终账单。

企业私有化部署又是另一套逻辑。

金融、制造、医疗和政务客户通常不会从零建设一座智算中心。他们需要考虑原有机房的供电和散热条件，已有模型能否迁移，运维人员是否熟悉，以及设备出现问题后谁来处理。

在这些场景中，标准19英寸机柜、风冷或液冷的灵活选择、多芯兼容和本地服务能力，可能比最大卡数更重要。联想、新华三和中兴强调的标准化、开放性和整机交付，也更贴近这类需求。

运营商和大型AIDC看得更远。它们采购的不只是一组机柜，还要考虑千卡、万卡规模下的供电、液冷、网络和统一运维。单柜性能只是整个项目的一部分，批量交付能力决定了超节点能否真正进入生产环境。

行业只是背景，工作负载、机房条件和软件能力，才会共同决定哪种超节点更合适。

门槛，藏在展台看不到的地方

超节点产品集中出现，说明相关供应链正在成熟。高速网卡、交换芯片、液冷系统、高压直流供电和整机柜设计，都已经有越来越多的供应商参与。

做出一台能够点亮、运行演示程序的样机，确实比过去容易了。把它变成生产工具，仍然需要回答几个不太适合放在展板上的问题：真实模型能获得多少有效带宽，故障后作业多久能够恢复，软件版本是否稳定，设备能不能按期批量交付，最终的Token成本能否算得过来。

这些指标很难被压缩成一个漂亮的数字，却决定了一台超节点究竟是展品，还是可以连续运行数年的基础设施。

所以，超节点的门槛没有随着产品数量增加而消失。它已经从“能不能把很多芯片连起来”，转移到“能不能让它们长期、稳定、高效地像一台机器工作”。

去年谈国产超节点，昇腾几乎定义了这个品类。今天，昇腾依然是重要参照，但市场已经出现了更多答案。芯片、互联、内存、光通信和存储，各自成为进入超节点的入口。

选择增加当然是好事，但它也带来了一个尚未解决的问题。

每家公司都在建设自己的芯片、互联协议、软件栈和开发环境。如果这些体系彼此无法兼容，国产超节点数量越多，市场也可能越碎片化。客户摆脱了对单一方案的依赖，却可能面对新的生态转换成本。

服务器产业之所以能够快速普及，很大程度上得益于标准接口、通用操作系统和成熟的软件生态。用户可以更换处理器、网卡和服务器品牌，而不必每次都重新开发应用。

超节点目前还没有走到这一步。

未来的竞争，除了继续扩大Scale-up规模，也取决于谁愿意开放互联协议，谁能让应用更自由地迁移，谁能把故障管理、调度和运维能力沉淀为可复用的基础设施。

一种可能是，全栈体系依靠更深入的软硬件协同占据大型训练市场；另一种可能是，多芯兼容和标准化互联逐渐成为主流；不同架构也可能长期并存，在训练、推理、企业私有化和科学计算中各自找到位置。

现在还没有人能够提前写出答案。

结语

本届WAIC摆满超节点的展馆，证明国产算力已经有能力提供多种选择。但从“有得选”走向“选了以后不会被困住”，还需要更开放的标准、更成熟的软件，以及更长时间的真实运行。

去年我们关心的是，国产厂商能不能造出超节点。

今年更值得关心的，是这些看起来都很强的超节点，最终会连接成一个生态，还是变成一座座彼此隔离的算力孤岛。

下一届WAIC再看这些机柜时，真正值得统计的，或许不是又增加了多少卡，而是今天出现的这些路线，还有多少经受住了用户的选择。

图片预览