算力成生死线，巨头疯抢“超节点”

超节点狂飙背后，大模型的基础设施战争。

文｜《中国企业家》记者 闫俊文
见习编辑｜李原 编辑｜何伊凡

头图来源｜视觉中国

刚刚结束的WAIC（世界人工智能大会）上，“超节点”的风头盖过了大模型，占领了展馆的中心位置。

“超节点”（Super Node）顾名思义，指在物理上由多个计算节点（如AI加速卡/NPU/GPU）通过高效互联协议紧密连接组成的，具备“一台计算机”特征的计算系统。

随着AI大模型算力需求剧增，算力需求正在从“单机八卡”向“万卡/十万卡”的集群演变。在算力普遍紧缺的背景下，头部云厂商、大模型厂商、政企客户不约而同地将规模算力采购锚定为标配，也直接推动了超节点的规模化商用。

在资本市场，超节点正在成为“造富机器”。7月1日到22日，《中国企业家》统计：紫光股份股价累计上涨58%，市值1300亿元；浪潮信息上涨41%，市值近1400亿元。

与之伴生的，是超节点产能的上扬。5月，一位服务器厂商高管告诉《中国企业家》：从2026年下半年到2027年，超节点都会呈现出快速上量的趋势。“如果GPU、存储等供应进一步充足，你们会看到更垂直的上量。”

该高管直言：目前公司和互联网公司客户谈的都已是2027年、2028年的供货。“互联网客户第一句话就是，你有10万片的供应，我们再谈。如果你没有，我们就先不浪费时间了。”

摄影：闫俊文

《中国企业家》获悉，新华三正在杭州建设新的AI超级工厂，以AI整机柜为主，规模为3.5万立方米，大概可以容纳200~300个测试点位，每个点位可达到240~300千瓦规模。

WAIC上，新华三展示了其UniPoD S80000 超节点，覆盖从32卡至1024卡规模全系列产品，训练性能提升70%、推理性能提升3倍。

华为也披露了自己的“A384超节点”的出货量，累计规模商用超过750套。其最新版“昇腾950超节点”以1024张NPU（神经网络处理单元）的真机状态亮相，已具备量产交付能力。

一些AI芯片创业公司也主动投身超节点浪潮。今年1月，从商汤大芯片部门拆分，独立运营的“曦望”推出了GPU芯片S3，并发布了超节点解决方案。

算力芯片公司奕行智能则发布了首个RISC-V AI算力超节点——单机柜支持64到128颗芯片全互联，单芯互联带宽达3.2T，这一产品已经落地在奕行智能与合作伙伴联合打造的“全球首套全栈RISC-V万卡超节点AI Token工厂”，一期预计将在今年8月建成。今年4月，奕行智能完成了15亿元的B轮融资。

某算力公司高管告诉《中国企业家》：超节点的价格比传统服务器要贵50%，利润比单卡利润要高。但其性能可以提升10倍，“客户能算过来账”。

芯和半导体副总裁仓巍告诉《中国企业家》：不论是AI大算力芯片厂商，还是整机系统厂商，都在从两个方向同时发力——芯片厂商自下而上，从芯片架构、封装、互联层层向上延伸，最终触达超节点系统层。整机厂商则自上而下入手，从系统需求倒推，向下定义互联规格、芯片接口乃至封装形态。

两个方向如何在系统中间层汇合，意味着超节点的跨层级协同能力正成为厂商的竞争焦点。

“十万卡”已经不够用了

今年，几家头部模型公司都推出了更为先进的模型，但他们不约而同地，被“卡”在了算力上，无法卖出更多的Token套餐。2月，智谱发布GLM-5大模型；7月，月之暗面发布了高达2.8万亿参数的Kimi K3大模型。但他们都不得不靠提价、限购等措施，来抑制需求。

九章云极创始人方磊告诉《中国企业家》：对于大模型公司而言，行业普遍呈现1美元的收入对应约0.8美元的算力成本。但当下，1美元收入也对应着X倍的市值/估值——算力规模仍是大模型公司最重要的增长手段。

智谱已经等不及了。7月21日，智谱宣布收购国产AI异构算力软件公司中科加禾，并落地建成了1GW级国产AI算力数据中心——此举推动智谱股价单日大涨近37%。

“十万卡已经不算什么了，马斯克、黄仁勋要建百万卡集群，中国厂商还得往前冲。”一位中兴通讯的超节点员工如此说。他也提到了Kimi K3，“未来，模型的参数会越来越大，这意味着需要更强大的算力基础设施来支撑训练。”

另有半导体人士告诉《中国企业家》，Kimi K3的部署建议是使用64张以上加速卡组成的超节点——这标志着大模型对超节点规模的算力已经有了门槛要求。

“模型参数规模的竞赛没有停止的迹象。今天是2.8万亿，到明年可能是5万亿、10万亿。每一次模型规模的跃升，都会把算力需求的基准线往上推一个台阶。这是超节点需求持续增长的底层逻辑，不是短期现象。”上述人士说。

摩尔线程创始人张建中在WAIC演讲中提到：模型能不能达到Frontier Model（前沿模型）的水平，它的Benchmark（基准）、精度、能力，它能干的所有事情，完全取决于模型工厂的基础设施能力。

摩尔线程创始人张建中 来源：受访者

“你不知道下一个要训练的模型是什么。大语言模型发布之后，能不能尽快把下一个模型扩展到多模态？仅仅多模态还不够，未来还要训练各种各样和人类工业生产、生活相关的模型，包括跟物理、科学研究、数学相关的模型，以及与我们日常世界打交道的世界模型。”张建中说。摩尔线程已经拿出了自己的“MTT C256超节点”，并为此搭建了自己的模型训练工厂和Token（词元）生产工厂。

各家逐鹿下，超节点的算力密度和规模不断提升，已经变成了一场以数字为中心的比拼游戏。

华为最新的“昇腾950超节点”标准版为1024张卡，单柜64卡，由16个柜台组成，最大可拓展至8192卡。中兴通讯7月发布的“OEX超节点”，单柜可容纳128张GPU，集群可扩展至万卡规模。中科曙光也在7月发布了首个全国产十万卡AI的“曙光8000（登峰）”超节点，并接入了国家超算互联网。

摄影：闫俊文

蜂拥上新背后，各家技术路线不尽相同，华为“昇腾950超节点”的特点是从芯片、互联协议到散热，是全栈自研。这种路线的优势是各层之间可以深度协同优化，整体系统效率远高于各层独立堆砌，但对研发体量的要求也极高。

中兴通讯联合壁仞科技、沐曦股份、燧原科技等多家合作伙伴打造的超节点，走的则是另一条路——开放生态、多芯协同，不押注单一芯片，让客户可以在不同算力芯片之间灵活组合。

阿里平头哥“真武M890”与“磐久AL128”，百度旗下的昆仑芯“天池超节点”，以及沐曦、清微智能、摩尔线程等企业也都带来了各自的算力系统。这些厂商大多从云厂商或特定垂直场景出发，更强调推理效率和性价比，不追求纯粹的算力规模。

仓巍说：“现在判断最终格局还为时尚早。”真正拉开差距的地方，不在算力数字，而在系统工程的完整性——从芯片、互联，到软件栈、运维工具，能否用一套完整的产品和系统能力交付给客户，而不是单点优势，将是这场竞争最终的判断标准。

“上述各家路线针对的客户群体和应用场景本来就不重叠，可能最终形成的是多元格局，而非赢者通吃。”仓巍说。

账面看，超节点不是最优解？

不过，超节点在性能强大的同时，价格也很昂贵。

据《中国企业家》了解，超节点产品投入可能在数百万元到几千万元之间，不论是训练还是推理，关键是Token的吞吐效率要“跑满”，这也是厂商选择自购还是租赁的关键考量——并不是GPU数量越多越好，硬件越高级越好，关键是符合市场需求，能算清ROI。

这也让动辄千万元的超节点产品，注定是少数科技大厂和头部创业公司的游戏，难以成为中小公司、创业公司的选项。

摄影：闫俊文

例如，阿里云除了推出性能更强大的“磐久AL128”超节点整机之外，也主打“灵骏真武M890超节点”。该产品以标准化超节点形态，向客户交付具备高速互联能力、开箱即用的64卡高性能算力单元。

九章云极目前拥有3万P的智算规模，未来数年，计划建设为10万P的智算集群工厂，达到10万亿Token/日的流转承载力。

方磊如此描述建设规模算力中心的方式——类似于高速公路和换电站。方磊说：“某种程度上，我们更像一个AI基础设施和算力资产运营平台。”

此外，中兴通讯、华为、新华三等员工也均提到了超节点的运维成本，比如电力架构、异构算力的算子融合等。

过去，半导体竞争更多围绕单颗芯片的性能展开，而AI时代，真正决定竞争力的已经是整套系统的高效协同。相关人士表示：把很多芯片连接起来并不难，难的是让它们像一个整体一样工作，这涉及到高速互联网络、液冷、电力供应等诸多挑战。

要解决超节点里的能源和电力的问题，远比大多数人意想的复杂。超节点表面上是“耗电多”，深层考验的是整个供电链路的协同设计问题。

散热同样如此，机柜内的热分布不只是“装几台风扇”这样简单，而是要和芯片功耗分布、封装热阻、液冷板流量设计相互耦合。例如，华为展出的风冷超节点，便是解决了传统风冷机房向高密度智算升级的难题，无需进行高昂的液冷改造，即可部署超节点技术。

在互联方面，伴随着集群规模增大，纯铜缆互联在带宽和距离上已触及天花板，对光互联的需求越来越迫切。但光互联也带来了电、光、热三个物理场的全新设计挑战——光模块对温度极敏感，和高功耗AI芯片封装在一起，热耦合问题更加棘手。

这也让超节点的系统工程师被纳入科技大厂的招聘范围。比如字节跳动正在招收“系统分析师”，其职责是深入分析字节跳动大规模AI集群的性能瓶颈和需求，做AI基础设施（服务器/互联/超节点）的架构设计和优化。

GPU成了最不重要的一环

显而易见地，在超节点的系统工程里，曾经作为核心的GPU重要性正在下降。大公司更着眼于CPU、存储、网络交换卡的系统优化层面。

最明显的变化是GPU和CPU的数量比例变化。《中国企业家》观察到：2025年，在超节点架构里，GPU:CPU的比值是8:1甚至4:1。但到了2026年，一些厂商预言：未来CPU与GPU的比变成1:2甚至1:1都有可能。

其背后原因是，多智能体的系统更需要CPU的调度和内存。

摄影：闫俊文

一位华为鲲鹏高管在近期的演讲中谈到：Agent多轮推理时，更多记忆系统工作在CPU中展开，最后才交给GPU去推理，任务的负载已经更多扩散到了内存、CPU等环节上。“NPU变成了CPU的模板，由CPU来安排NPU做什么。”

某服务器厂商高管提到，Agentic有很多活是要交给CPU干的。所以智算机房以后不仅仅是智算服务器、智算整机柜，可能将演变为以CPU为中心的通算整机柜。

在各大类型的超节点中，CPU的比例不断上升，超节点机柜也在从“GPU中心”走向“GPU+CPU+存储协同”。

不过，目前CPU、HBM（高带宽内存）、先进封装等关键资源都同样紧张；CPU需求增长比产业预期更快，短期供给难以迅速跟上。行业也同步出现了CPU涨价、交付周期拉长的供需失衡现象。

7月6日，英特尔宣布：上调旗下多款消费级与服务器级CPU的建议零售指导价。其中，面向服务器端的旗舰级至强6980P单颗售价上调1495美元，涨价金额近乎等同于一台中端消费处理器的原价。

存储也是超节点供应链中的关键一环，智能体需要依赖长期记忆、知识库、上下文缓存（KV Cache）以及海量数据的高速读写，未来存储的价值也将更多体现到容量、带宽和低时延能力，而不仅仅是成本上来。

供应链的价格波动正指挥着超节点的狂飙节拍——尽管这是一个价值数千亿元的大生意，但可以为其买单的客户太过集中，超节点玩家们将面临的，仍将是更加残酷的性能与价格搏杀。