中美算力，都迎超節點

AI算力競爭的焦點，正在從單卡轉向超節點。超節點是AI時代的核心計算單元，正在成為衡量token生產力的核心指標，也檢驗著從芯片、內存、通信到供電與冷卻的全棧協同創新。中國在AI競賽中從美國技術棧解耦，“”的路徑，不僅必要，而且正在變得可行。

在上周的烏鎮互聯網大會上，曙光ScaleX640超節點登臺亮相。這是今年繼華為昇騰384與128之后，又一款國產的百卡級的超節點技術棧，而且單一機柜互聯規模越來越大。此外，中興、浪潮與新華三也在跟進。

超節點的出現與演進，是對大模型技術趨勢的響應。擴展定律驅動的參數指數增長、從訓練到推理的場景泛化、以及向多模態與智能體的躍遷，正在共同施壓AI基礎設施。除了提升單卡性能，要更有效地兌現token經濟學，就需要“大規模、高帶寬、低時延”的超節點架構。

對中國算力生態而言尤其如此。在算力有限與成本敏感環境中，萬億參數MOE是中國大模型廠商的默認主流方案，專家越來越稀疏，專家間通信越來越頻繁。Kimi K2與Qwen3?Max總參數規模已經超越萬億，其他廠商也將在接下去幾個月的模型迭代中接近這一規模；稀疏模型的專家（Expert）規模也在快速膨脹，Qwen3-Next足足512個專家。按照官方說法，相比傳統方案，最新的曙光ScaleX640超節點，可實現萬億參數MoE大模型在訓練與推理場景，獲得30%-40%的性能提升。

超節點是一個行業概念，口徑不一，而非嚴格的技術標準。業內根據互聯拓撲的帶寬密度與拓撲直徑，將算力耦合程度劃分為Node、Pod與Cluster等多個層級。部分廠商將單一機柜的互聯稱為SuperNode，跨機柜的互聯稱為SuperPod。英偉達往往將單機柜稱為Rack-Scale，谷歌則稱之為Cube。

中國正在尋求單柜算力密度的突破。在目前已公開的超節點中，曙光ScaleX640實現了單柜640卡超高速總線縱向互連，相對領先。它還能通過“一拖二”高密架構設計，組成千卡級計算單元，最終可保障10萬卡級超大規模集群擴展部署。同樣實現單柜百卡互聯，集群十萬卡互聯的，還有阿里巴巴的磐久超節點（SuperNode）。它單柜最大支持2組縱向擴展，共128個GPU，并支持10萬卡穩定互聯的靈駿集群。阿里巴巴的下一步是512顆AI芯片的縱向擴展，全光互連。曙光ScaleX640與磐久128都采用了正交架構設計，高密度集成，有助于降低信號衰減與時延。

目前，英偉達在售最先進超節點為GB300 NVL72，即72個B300在Oberon機柜內部縱向互聯，可橫向擴展為576卡互聯，并可部署為數十萬卡集群。但英偉達也將基于最新的kyber機架，提升單柜密度。在最近的GTC上，黃仁勛透露會在明年推出Vera Rubin NVL144，后年推出Rubin Ultra NVL576。

谷歌與亞馬遜的超節點，單柜算力密度膨脹速度不如英偉達。谷歌即將上市的最新Ironwood，單一SuperPod最多可通過OCS（光學電路交換機）容納9216顆芯片，還能橫向擴展到數十個SuperPod。不過，它單一機柜通過ICI（高速芯片間互連）互聯的TPU為64塊。亞馬遜的Trainium2 UltraServer，為64卡縱向互聯，完整集群可部署40萬顆Trainium2；市場預估下一代的Trainium3 UltraServer可以達到單柜128卡規模。

通信巨頭華為，更接近于谷歌與亞馬遜的模式。目前，根據華為Atlas 900超節點（Superpod）——大家常聽到的CloudMatrix384是華為云基于該超節點構建的云服務實例——的用戶指南，它由12個計算柜和4個總線柜組成，單一計算柜4個計算節點共32卡，還“可構建16萬卡超算集群，滿足十萬億參數級大模型訓練需求，突破傳統架構擴展極限?！?/p>

Atlas 900SuperPoD 計算柜邏輯組網

依托于昇騰單卡算力性能的逐步追趕，以及靈衢（UnifiedBus）互聯協議鏈接，保持低延遲的全局通信，徐直軍稱華為的“在未來多年都將是全球最強算力的超節點”。

明年四季度，華為Atlas 950超節點預期上市，柜內正交架構，柜間全光互聯，支持單機柜64卡（128個計算柜），共8192張Ascend 950芯片。相比英偉達同期超節點新品，它的總算力是其6.7倍，內存容量是其15倍，互聯帶寬是其62倍；它還可以進一步構建50萬卡集群。到2027年四季度，將是支持15488張昇騰卡的Atlas 960超節點，其中單機柜88卡（176個計算柜），總算力、內存容量、互聯帶寬在Atlas 950基礎上再翻倍。

但無論如何，各家巨頭的超節點，單柜算力密度與整體算力規模都在大幅提升。為了讓電力適配算力的擴展，國內外算力巨頭都在提出400伏到800伏的高壓直流，（SST）。這些技術選擇也將深刻重塑整個配電架構，進而影響超節點競爭格局。

中國的超節點方案的演進方向，不僅受到技術路徑的推動，也受到產業結構的影響。

英偉達是明顯的垂直整合模式，其核心是通過對整個技術棧的端到端控制，實現最優的性能和效率；這也能將用戶鎖定在自己的封閉生態內，增加用戶遷移成本，并壓榨出更高的利潤率。谷歌也是典型的垂直整合模式，但它的TPU目前仍然更多內部采用。

而AMD以及亞馬遜等超大規模用戶，則往往采取“協議開放”的模式，AMD帶頭創建了UAlink聯盟，博通則推動OpenAI加入基于以太網（Ethernet）縱向擴展（Scale-Up）網絡方案的ESUN聯盟。這種模式的核心挑戰在于生態系統的碎片化和性能優化的難度。

而對于中國而言，開源開放與協同創新，是產業結構決定的現實路徑。無論是阿里巴巴、華為還是中科曙光，中國的超節點方案，正在走向芯片、內存、通信到供電與冷卻的全棧協同創新，這與這與模型—芯片的協同設計邏輯一致。事實上，超節點很難是單一巨頭的單打獨斗。就連封閉生態的英偉達，也在走向有限合作。至少，配電不是黃仁勛的專業領域。今年，在COMPUTEX上，他宣布成立800V高壓直流（HVDC）供電供應商聯盟。

中國雖然在半導體制造鏈條上填補了多個關鍵空白，但單卡性能仍與全球領先產品存在“納米級”差距，且國內 GPU 廠商多點并行、市場高度碎片化，難以依賴單一芯片形成規模優勢。一方面，這要求國內為數眾多的開發者與研究者能夠低門檻地加速融入接入國產算力生態，；另一方面，也要通過開放兼容的結構層，消除供應鏈的不確定性。

在擺脫對英偉達依賴的過程中，為了減少遷移成本，盡管阿里巴巴、華為還是中科曙光，在垂直自研領域積累相對雄厚，都擁有自己的CPU與GPU產品線，但都堅持旗下超節點相關技術棧的開源開放。

今年9月，中科曙光聯合20家供應鏈企業共同發布的“AI計算開放架構”，即曙光ScaleX640超節點的前身，在硬件層面支持多品牌加速卡，軟件層面兼容主流計算生態；在華為全聯接大會2025上，華為宣布CANN編譯器、虛擬指令集接口與靈衢2.0技術規范開放，Mind系列應用使能套件及工具鏈全面開源；在云棲大會上，阿里云展示的磐久服務器，支持第三方芯片，包括兼容海光K100、燧原S60等主流國產GPU以及飛騰S500c、海光C86-3G等主流國產CPU——只要它們樂意適配Alink。

中國開源模型正在征服硅谷的AI應用企業，也在全球南方加速滲透，牽引著中國完整的AI技術棧的邊際外溢。也許中國的超節點暫時無法進入歐美市場，但隨著AI全球競爭從前沿大模型與先進AI芯片，轉向更為商品化的token生產力的競爭，中國的超節點產品也將出海贏得自己的一席之地。