超节点：AI算力从“拼单点”到“拼系统”的范式转移

事件概述

2026年，国产算力领域“超节点”概念迅速升温。这标志着AI基础设施竞争逻辑的根本性转变：从追求单芯片峰值性能（FLOPS），转向追求系统在稳定时延下每单位成本产出的有效Token数量。这一转变由大模型参数规模膨胀（MoE架构主流化）及应用侧Agent并发需求激增共同驱动。

核心信息

1. 需求倒逼：从训练到推理的系统性挑战

• 模型侧：前沿模型参数量突破万亿（如DeepSeek R1达671B，Kimi K2.5达1T），MoE架构导致跨卡通信量级剧增。传统服务器集群难以承载高频次的专家路由与Token分发，对互连带宽和时延提出苛刻要求。
• 应用侧：智能体（Agent）兴起使得单次请求触发多轮调用，数据词元消耗量呈百倍增长，进一步放大跨卡通信压力。
• 行业观点：中科曙光高级副总裁李斌指出，算力衡量标准已变为“一套系统能持续输出多少有效算力”，推理作为运营制业务，对时延敏感且成本直接挂钩收入。

2. 技术突破：超节点的效率优势

• 定义：超节点将高速互连域从传统的8卡扩展至几十甚至上百卡，使卡间通信从网络传输级别提升至内存访问级别的低延迟操作。
• 实证对比：SemiAnalysis基准测试显示，在DeepSeek R1推理中，英伟达GB200 NVL72（72卡全互连）单卡吞吐最高达4130 Token/秒，是仅支持8卡互连的HGX B200（941 Token/秒）的4.4倍。效率提升源于互连域扩大对通信开销的压缩，而非单卡算力增强。

3. 落地瓶颈：“四堵墙”与工程化挑战

超节点并非物理组合，需解决以下系统性难题：

• 通信墙：需将高带宽互连域扩展至64卡以上，实现近内存访问延迟。
• 功耗与散热墙：液冷成为标配。联想“海神液冷”支持45度温水进水，PUE低至1.04；生产环境需十万级洁净度以防漏液，工厂需进行承重加固及十兆瓦级供电改造。
• 存储与复杂度墙：中科曙光ParaStor系统优化大规模并发访问；故障快速隔离、跨架构迁移及运维压力随规模放大而加剧。
• 供应链约束：高速线缆、背板等元器件供应紧张；国产AI加速卡受外部制约，IDC预测2026-2027年出货量虽增至368万-608万张，但仍框定放量节奏。

4. 厂商路线与规模分歧

关于一级高速全互联域的最佳规模，业界存在分歧，但共识在于“规模非目的，效率才是关键”：

• 英伟达：控制单一互连域规模，避免边际收益递减带来的复杂度与成本增加。
• 联想：选择单节点40张GPU（问天超节点），平衡通信效率与可靠性/运维挑战，通过标准网络扩展至更大集群。
• 中科曙光：采取“大小通吃”策略，既有十万卡AI超集群（曙光8000），也有40卡箱式超节点（scaleX40）。
• 警示：部分厂商刻意夸大互连域规模，客户应关注真实负载下的Token成本控制。

5. 生态与未来展望

• 标准化与开放：为解决互不兼容导致的迁移成本高企，厂商纷纷布局开放架构。浪潮信息推出10款开放加速系统并牵头创新联合体；曙光推动“AI计算开放架构”分层解耦；联想坚持通用超节点开放路线与定制化深度协同并行。
• 客户分层：头部互联网企业具备系统工程能力率先部署；中小企业及科研机构更依赖开箱即用、封装复杂度的产品（如联想SuperPod40、曙光scaleX40）。
• 演进方向：
  • 形态分层：内部Scale-up追求低时延，之间通过开放Scale-out网络扩展。
  • 场景差异化：预训练、后训练、推理等不同阶段匹配专用芯片与互连架构，避免错配。
  • 前沿技术储备：800伏高压直流供电、PCIe Gen6交换、整机柜浸没式液冷等。

值得关注

超节点竞赛的终局不在于硬件参数表的堆砌，而在于谁能构建开放、协同、可持续演进的生态，并在工程化层面实现成千上万次稳定复制。真正的竞争始于以“每元每毫秒产出有效Token”为计量单位的系统级较量。