算力成生死线，巨头疯抢“超节点”

刚刚结束的WAIC（世界人工智能大会）上，风头最劲的居然不是大模型，而是“超节点”。它直接占据了展馆的C位，成了全场焦点。

背后推手不难理解：AI大模型的算力需求正急剧膨胀，从单机八卡直接跳到了万卡、十万卡级别。在算力普遍吃紧的当下，头部云厂商、大模型公司、政企客户不约而同地把规模算力采购当作标配，这也直接推动了超节点的规模化商用。

资本市场的反应也很直接。7月1日到22日，据《中国企业家》统计，紫光股份股价累计上涨58%，市值冲到1300亿元；浪潮信息涨了41%，市值接近1400亿元。超节点俨然成了“造富机器”。

产能也在快速爬坡。5月，一位服务器厂商高管透露，从2026年下半年到2027年，超节点会持续快速上量。“一旦GPU、存储这些核心部件供应更充足，你会看到更陡峭的上量曲线。”他直言，现在跟互联网公司谈的，已经是2027年、2028年的供货合同了。

摄影：闫俊文

《中国企业家》了解到，新华三正在杭州建设新的AI超级工厂，主攻AI整机柜，规模达3.5万立方米，能容纳200到300个测试点位，每个点位功率可达240到300千瓦。WAIC上，他们展示了UniPoD S80000超节点，覆盖从32卡到1024卡的全系列产品，训练性能提升70%，推理性能提升3倍。

华 为也亮出了家底：其“A384超节点”已累计商用超过750套。最新的“昇腾950超节点”以1024张NPU真机状态亮相，具备量产交付能力。

一些AI芯片创业公司也主动投身这场浪潮。今年1月，从商汤大芯片部门独立出来的“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。该产品已落地在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”，一期预计今年8月建成。今年4月，奕行智能完成了15亿元B轮融资。

某算力公司高管算了一笔账：

芯和半导体副总裁仓巍则观察到，产业链两端都在发力：芯片厂商自下而上，从芯片架构、封装、互联向上延伸，最终触达超节点系统层；整机厂商则自上而下，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，考验的是厂商的跨层级协同能力——这正成为竞争焦点。

01

“十万卡”已经不够用了

今年，几家头部模型公司都推出了更先进的模型，但不约而同地，他们都被“卡”在了算力上，无法卖出更多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、限购来抑制需求。

九章云极创始人方磊指出：

智谱已经等不及了。

“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这样感叹。他提到Kimi K3，“未来模型的参数会越来越大，意味着需要更强大的算力基础设施来支撑训练。”

另有半导体人士透露，

“模型参数规模的竞赛没有停止迹象。今天是2.8万亿，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。”这位人士说。

摩尔线程创始人张建中在WAIC演讲中强调：模型能不能达到Frontier Model的水平，它的Benchmark、精度、能力，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。大语言模型发布后，能不能尽快扩展到多模态？未来还要训练各种与人类工业生产、生活相关的模型，包括物理、科学研究、数学，甚至世界模型。”张建中说。摩尔线程已经拿出了自己的“MTT C256超节点”，并为此搭建了模型训练工厂和Token生产工厂。

各家逐鹿下，超节点的算力密度和规模不断提升，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，全栈自研。

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——

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。

仓巍的判断是：“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，这才是竞争最终的判断标准。

02

账面看，超节点不是最优解？

但问题来了：超节点性能强大，价格也相当惊人。

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，未来几年计划建设10万P的智算集群工厂，达到10万亿Token/日的流转承载力。方磊这样描述建设算力中心的方式——类似于高速公路和换电站。“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、新华三等员工也都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，这涉及高速互联网络、液冷、电力供应等诸多挑战。

散热同样如此。机柜内的热分布不只是“装几台风扇”那么简单，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，就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，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。

这也让超节点系统工程师成为科技大厂的招聘热门。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。

03

GPU成了最不重要的一环

有一个趋势越来越明显：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。

最直观的变化就是GPU和CPU的数量比例。

背后的原因很简单：多智能体系统更需要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：

某服务器厂商高管也提到，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，超节点机柜正在从“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，未来存储的价值将更多体现在容量、带宽和低时延能力，而不仅仅是成本上。

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。