文丨云潭

“单卡打不过，就把几千张卡焊成一台电脑”。

2026年秋天，当阿里和华为几乎同时亮出各自的“超节点”杀手锏，这个足以填平中国算力性能差异的技术创新，正掀开一场全新的AI叙事。

【换道竞争】

国产GPU正万象竞发，摩尔线程、沐曦股份、壁仞科技相继登陆资本市场，二级市场对国产算力的热情有目共睹。

但不可否认，国产AI芯片与英伟达、AMD高端产品仍有性能差异，这是不可回避的现实。

去年的华为全联接大会上，徐直军就坦言：“‌由于无法使用最先进制程，华为单颗芯片与英伟达存在差距。”

以昇腾910C为例，其单卡FP16算力最高800TFLOPS，约为英伟达H200的50%；‌‌华为最新一代昇腾960DT（预计2027年Q1交付），FP8算力2PFLOPS，基本追平H200，但仅为B300的1/3。而届时，英伟达可能又推出下一代产品，虽然国产芯片追赶速度很快，但中美芯片性能的代际差不容忽视。

另一端，进口通道也在持续收窄。目前，中国企业能稳定采购的是反复“阉割”的H20。而由于严苛的附加条件，性能更强的H200基本无人问津。

此时，超节点应运而生。既然“单卡打不过”，那就把几千张、上万张卡拼成“一台超级计算机”，这就是超节点的底层逻辑。

正如徐直军所说，华为通过“超节点+集群”的系统性创新，在整体算力上做到了全球领先。

超节点要解决的就是大模型训练与推理中最顽固的两个瓶颈。

一是“通信墙”，AI大模型沿Scaling Law（规模定律）加速演进，前沿模型参数规模已突破万亿级别，全球最大开源大模型Kimi K3参数规模约‌2.8万亿，Anthropic的Fable 5参数量在5万亿到10万亿之间。

性能更强的大模型依赖更庞大的算力，在万卡级集群中，受制于传统的网络连接，通信耗时能占到训练总时间的30%-50%，导致算力利用率（MFU）往往连30%都不到。因此，即便芯片再强大，也会被通信延时拖累。

二是“内存墙”，随着MoE等稀疏架构普及，模型参数动辄万亿、十万亿级，对显存容量与带宽的需求急剧放大。内存带宽/延迟的改善速度低于芯片性能增长的速度，导致计算单元被迫等待数据。在超大算力集群中，这一问题就会被大幅放大。

超节点给出的解决办法是“以系统补芯片性能”，把竞争从“单点能力”拉到“系统工程”。

9月17日，华为在全联接大会上发布全球首个采用NPO技术的超节点昇腾960，可扩展至4096卡；5天后的9月22日，云栖大会上，阿里拿出全球首款SNPO光互连超节点磐久AL64。此外，中科曙光、紫光股份、沐曦股份等企业也相继入局。

随着超节点加速落地，这种“拼工程、拼系统”的降维打击，让中国算力在先进制程受限的情况下，蹚出了一条通过系统级扩展提升整体算力的破局之路。

【物种进化】

构建大规模的GPU集群，有Scale-Out（横向扩展）和Scale-Up（纵向扩展）两种方式。

简而言之，Scale-Up即增加单节点的计算资源，Scale-Out则是增加节点的数量。往一台服务器里多塞几块GPU，就是Scale-Up。这时，一台服务器就是一个节点。把多台电脑（节点）连接起来，就是Scale-Out。

面对难以逾越的“内存墙”与“通信墙”，业界逐渐意识到，单靠芯片性能的抬升，无法促进算力集群能力的同等线性增长。

而超节点则扭转了传统Scale-Out（横向扩展）的架构模式，这种Scale-Up（纵向扩展）架构，将竞争维度从“单卡峰值算力”转向“系统级算力聚合效率”。

两种路线的分野是全方位的。Scale-Out是“多台独立物理服务器”，时延微秒级，单卡互联带宽几十到几百GB/s；Scale-Up是“一台超级计算机”，通过统一内存编址，时延压到百纳秒级（150~200纳秒），整机柜带宽可达数十甚至上百TB/s。

这样一来，带宽与延迟指数级改善，上述两堵墙被打破后，MFU（有效算力利用率）与Token生产效率也相应提升。

低延迟互联因此成为超节点的“灵魂”。

受限于空间、功耗和散热，单台服务器能塞进的GPU数量有限，而如果GPU互连存在卡点，那么Scale-Up就形同虚设。

面对这一问题，英伟达于2014年就推出自家私有的NVLINK总线协议，NVLINK目前已经迭代至第五代，并形成自己的闭环生态；华为拿出了灵衢（UnifiedBus）全对等架构，并率先采用NPO（近封装光学）技术。

不同于传统光模块把光引擎放在机箱面板的做法，NPO把光引擎贴近计算芯片部署。采用NPO后，超节点内部可承载TB/s级的超大互联带宽，通信时延压入百纳秒级，为国产算力的Scale-Up扩容提供了一条现实可行的路径。

昇腾960超节点就采用5500个Hi-ONE，替代原本需要的4万8千颗800G光模块，功耗还降低了超550千瓦，单引擎容量达7.2T，这也是目前传输能力最大的NPO产品。

而且，NPO还可复用国内现有光模块产业基础，无须重构供应链，这是AI芯片产业背景下，最契合中国算力产业的一条路径。

【放量元年】

如果说2025年是超节点的发布元年，那么2026年，将是超节点的“放量元年”。

落地节奏已经在提速。华为昇腾384超节点自2025年发布以来，已规模化部署超750套，覆盖互联网、运营商、金融、教育、医疗、制造等20多个行业；昇腾910C超节点累计部署超1000套，昇腾950超节点也已规模商用。

今年4月，中国移动2026-2027年人工智能超节点设备集中采购开标，明确指定华为CANN生态（河南昆仑+长江计算+华鲲振宇+宝德计算机+华启智慧），这是三大运营商首次在集团层面启动超节点集采，标志着运营商算力建设告别“通用服务器简单堆叠”，迈入“高性能超节点架构”的规模化部署时代。

中科曙光则与海光信息深度绑定，凭借超30年的系统集成经验，走出了一条“超智融合+开放生态”的差异化路线。

7月10日，国内首个全国产十万卡AI超集群曙光8000（登峰）正式落成，并同步接入国家超算互联网。

2026年WAIC期间，阿里云正式发布灵骏真武M890超节点，目前已在乌兰察布开放邀测，其一台超节点即可承载十万亿参数级MoE大模型的推理。阿里‌磐久AL128已开始规模部署验证。

此外，百度则推出天池256/512卡超节点，基于自有昆仑芯芯片，并已实现量产交付，完成对文心、DeepSeek、智谱、MiniMax等大模型的适配。字节跳动发布“大禹”超节点服务器，腾讯联合华勤技术打造ETH-X超节点。

有数据统计，目前在互联网厂商的算力采购中，超节点占比约三到四成，头部方案进入批量交付。随着客户验证与试点部署完成，超节点即将进入加速落地期。

超节点（SuperPod）最早由英伟达提出。黄仁勋早在2024年GTC上就表示：“NVIDIA DGX AI超级计算机，是AI工业革命的工厂，全新DGX SuperPOD让每家企业、每个行业、每个国家都能训练、生成属于自己的AI。”

但把超节点做到极限的，则是中国企业。

要知道，‌目前英伟达主流的NVL72超节点，单节点固定为72张GPU‌，这既是当前产品线的标准配置，也是功耗、散热和网络连接综合权衡下的阈值。

对比来看，华为超节点最大可扩展至8192卡（昇腾950超节点），单超节点计算性能约为英伟达的25-30倍，足以弥补单卡算力不足的劣势。

放眼全球，谷歌超节点最大规模为9216卡（Ironwood Pod），华为下一代超节点将升级至15488卡（960 SuperPoD，号称全球最强），架构弹性与组网容错性优于谷歌。

更关键的是节奏，昇腾950超节点已正式商用，2027年一季度昇腾960超节点上市，960PR提前一个季度至2027年Q3，其后还有昇腾970（2028年）、昇腾980（2029年）保持一年一迭代。

当全球AI竞赛进入白热化，一场改写赛道的“系统级突围”，正从中国超节点开始打响。

免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。