從炫技到務實，超節點的祛魅時刻

DeepSeek、通義千問、Kimi-K2等深度思考的大模型，大家應該都用過。用戶對AI越來越上頭，企業IT對算力保障的焦慮也在加劇。過去跑個小模型，8張GPU的服務器還能應付，可帶不動DeepSeek這種上百個專家、毫秒級響應的MoE架構推理模型。

超節點，就是在這一背景下，火起來的。

傳統單臺8卡服務器，無法滿足當下大模型訓推的算力需求。由英偉達率先提出的超節點技術，通過內部高速互聯，把數十甚至上百個AI計算芯片，集中整合到一個架構內，打造出基于Scale-up的新型架構，以此實現算力的量級躍升。核心優勢可以用一個字概括：省。

省錢，超節點通過內部高速互聯，每張卡都能滿負荷運行，避免傳統多機柜間的算力閑置空轉，GPU卡和電費就不會浪費了；

省地，以前跑大模型得把多個機柜拼起來，占滿半個機房，現在一臺超節點就能扛起AI訓推任務，物理空間占用更小了；

省事，超節點把硬件、互聯、管理系統全集成好了，企業接入就能跑大模型，AI部署更快，而傳統多臺服務器要單獨調試、搭建網絡、解決散熱，一套流程下來，沒半年搞不定……

有不少CIO或IT從業者十分困惑，超節點能幫我們用AI更省，可怎么還是買不著、用不起呢？有一種“出發點很好，但就是出發不了”的無力感。

的確，目前真正用得上、用得起超節點的行業和企業，并不是很多。

原因比較復雜，比如高端N卡斷供，國產GPU規模出貨量受限等。其中，有一個因素容易被忽視，那就是超節點讓AI更省的核心邏輯，似乎正在跑偏。

在超節點的新聞里，常能看到千卡、單柜X百卡等參數互相碾壓，媒體追捧超節點的新紀錄，圍觀群眾也默認，規模越大卡越多的超節點就越先進。

但對大多數企業來說，真的需要這么大的算力巨獸嗎？斥巨資買回數百卡的超節點，能靠AI賺回本嗎？這些問題，已經到了必須回答的時刻。

不可否認，數百卡，甚至上千卡的超節點，是國產智算技術進步的證明。但大家有沒有想過，我們給手機充電，會關心發電廠的規模有多大，是核電廠還是水電廠嗎？只會在乎插上有沒有電，電壓是否適配，電流是否穩定，會不會把手機燒壞，這些實用層面的問題。

同樣的道理，企業部署超節點，除了集成多少卡，也要考慮到實際應用中的隱性成本：

一是故障率升高帶來的中斷損失。

超節點規模越大，內部光模塊、交換機、電源節點就越多，比如某300多卡的超節點架構，就涉及近6900個光模塊和100臺左右交換機。而在高密度部署場景中，任一環節故障，都可能導致整個訓練任務中斷。對AI大模型訓練來說，故障意味著要從checkpoint檢查點重新加載模型、重啟訓練，浪費數天時間和高額電費。

對企業來說，不中斷、不重訓，比多幾張卡更加重要。

二是GPU閑置導致的每Token成本過高。

業內已有共識，超節點規模存在“甜點”，超過甜點后，繼續增加超節點規模，性能提升有限但成本顯著上升。有模擬數據顯示，十萬億參數模型，甜點大概在32-64卡。也就是說，盲目追求上百張卡的超大規模，算力利用率也許并不高，GPU大部分時間是在閑置。比如說，DeepSeek官方論文給的參考方案，Decode階段需用144張H800，如果超節點使用的國產卡算力是H800的1/3，那么在PD分離場景下，48卡甚至32卡才是更優選擇。

三是運維復雜度提升導致的總體TCO成本增加。

高集成度的超節點產品，對運維團隊的專業能力要求極高，一旦規模增大，內部故障點也會隨之增多，小團隊很難靠自己處理。比如英偉達早期就曾嘗試過二層架構超節點，將交換機集成到單機內以擴大規模，但企業客戶更傾向于選擇單層架構，核心就是為了降低故障點、減少運維難度。英偉達256卡超節點也由于TCO總擁有成本太高，而互聯網企業客戶對TCO很重視，未能成功商業化。

所以，超節點并不是規模越大卡越多就越好。企業需要的是能解決算力問題，且ROI投資回報率最優的IT基礎設施。超節點技術的發展，要回歸讓企業用AI更省的出發點，與企業AI業務相適配的方案才是最優解。

既然堆卡不是出路，那么如何才能讓超節點真正成為企業的省錢利器？產業界已經給出了答案：回歸理性，追求規模與需求的適配，并通過開放生態降低綜合成本。

一方面，越來越多的廠商將目光投向32卡、64卡這樣的更合身的規模。

如前所說，超過性能－成本甜點區之后，超節點的邊際效益就會遞減。因此，大量國產廠商聚焦在32-64卡的實用化設計，推出貼合企業需求的產品。比如新華三UniPoD S80000，實現了單機柜32/64卡高密部署等，讓多數企業能夠負擔得起大模型訓推開銷。而且，新華三UniPoD S80000采用單層全互聯架構，大幅降低了通信延遲和故障點，在MoE等主流模型場景下，更有助于保障業務連續性。剛好的規模與更高的可靠性，成為AI算力降本增效的關鍵。

（新華三超節點H3C UniPoD S80000）

另一方面，開放的硬件生態正在成為降低成本的新引擎。

隨著國產芯片生態成熟，開放式架構支持多品牌國產加速卡，打破海外高端卡壟斷，為用戶提供了更多選擇，從而降低企業的算力成本。這類開放式超節點，也成為算力普惠的關鍵。比如新華三超節點支持多品牌國產加速卡，兼容CUDA等主流軟件生態，降低企業的供應鏈成本。

上述實踐，有望助力超節點的普及，從頭部企業的專屬品，成為千行百業的普惠基礎設施。

需要說明的是，數百卡、千卡超節點的研發，有其戰略意義。這一技術路線，推動了光互聯、液冷、高密度布線等底層技術的極限突破，是中國算力產業仰望星空的沖頂之路。

AI發展的速度總是超出預期，可能今天覺得32卡就夠了，但明天DeepSeek的新模型，也許內含更多專家，超大規模的超節點或許可以帶來更低的每token成本。所以，適當超前，把超節點規模進一步做大，可以給后續技術迭代留下一定的冗余。

但對于更廣大的99%普通企業而言，需要的是腳踏實地的普惠之路。他們更迫切地希望，使用成本可控、穩定可靠的超節點產品，解決當下大模型落地的算力焦渴，支撐AI在生產力場景中落地。

所以堆卡炫技之外，這條更合身的普惠之路，同樣勢在必行，不可偏廢。

未來行業發展的理想狀態，是這兩條路并行不悖。既有震撼世界的算力巨無霸，也有服務千行百業的普惠產品。企業無需關心超節點內部有多少卡，只要插上電，AI就能跑起來，也不用擔心基礎設施的賬單出現天文數字。

實現這一目標，只能靠智算廠商急企業之所急，將可靠性、每token成本、TCO等指標，同步納入超節點的研發技術路線圖。別忘了，讓企業用AI更省，才是超節點技術的核心價值，也是商業成功的前提。