超节点：从英伟达概念到中国算力新战场

2024 年 GTC 大会上，黄仁勋在台上举起一块液冷机柜，向全球展示了把 36 颗 Grace CPU 与 72 颗 Blackwell GPU「装」进同一机柜的 NVL72 系列，并将其定义为「一台超级计算机」——这正是「超节点」概念的首次公开亮相。两年后，这一概念已从英伟达的路线图演变为中国 AI 算力产业链的共同方向，华为、阿里、摩尔线程、浪潮信息等厂商纷纷推出各自方案，仅 2025 年 WAIC 期间就有 20 余家企业发布超节点相关产品。

从单卡到整柜：超节点为何成为必选项

所谓超节点，是通过高速互联把过去分散在多台服务器中的成百上千颗芯片，整合进一个低延迟、高带宽的「超带宽域（HBD）」，当作一颗「超级大芯片」来使用。这与传统「8 卡一服务器、一服务器一节点」的横向扩展（Scale Out）思路形成对比，本质是走纵向扩展（Scale Up）的路径。

驱动这一转向的直接原因有三道墙：

• 通信墙：MoE 架构普及后，专家并行（EP）、张量并行（TP）等策略带来巨大通信量，传统以太网难以承受。
• 功耗墙：从 A100 的 400W、H100 的 700W 到 B200 突破 1000W、GB200 达到 2700W，传统风冷与标准化机柜已无法承载。
• 复杂度墙：万级处理器带来故障常态化，Meta 训练 Llama 3 的 54 天里，16384 颗 H100 共出现 419 次故障，平均不到三小时一次。

另一重背景来自大模型 Scaling 的持续。月之暗面发布的 Kimi K3 接近 3 万亿参数，其 47 页技术报告总结出两条算力投入路径：部署前在预训练阶段以更大参数、更多数据堆模型智能；部署后在后训练与推理阶段继续投算力，强化推理、Agent 长程执行能力。换言之，模型参数每年以约 10 倍速度增长，正迈向十万亿级，对应集群规模也从千卡、万卡迈向马斯克与黄仁勋口中的百万卡。

中国厂商加速竞速：三股力量同时拉满

英伟达概念在前，中国巨头追随在后。华为在 2025 年推出的 CloudMatrix 384 把 14 个机柜连起 384 张卡，据 SemiAnalysis 拆解，其单集群 BF16 性能约为 NVL72 的 1.7 倍，总内存容量达 3.6 倍、内存带宽为 2.1 倍，被视为「以量取胜」的代表。

推动国产超节点激进落地的有三股力量：

• 国产芯片厂商：单卡性能差距客观存在，超节点提供了「用 Scale Up 堆卡数、以系统换性能」的差异化路径。摩尔线程副总裁马鉴明确表示，要通过系统提升对标国际先进的大规模集群。
• 国产大模型与云厂商：DeepSeek、月之暗面等模型厂商需要更多算力提升智能；阿里、百度等全栈厂商则能实现芯片为模型定制、模型反哺芯片迭代，并通过云服务按 Token 售卖算力。
• 国产服务器厂商：传统服务器毛利率不足 5%，而超节点交付单元从单台变整柜，涵盖整机柜集成、Scale-up 组网、供电与结构件、上架联调等系统级任务。据摩根士丹利研究，Rubin 时代 ODM 附加值将增加 35–40%。英伟达上一代 GB200 NVL72 售价约 300 万美元，新一代 Vera Rubin NVL72 单柜物料成本已升至 780 万美元，蛋糕显著变大。

革命尚未成功：互联、供电、产能三道关

热闹之外，超节点要走向规模化落地仍需翻越数道关卡。

第一道是怎么连。Scale Up 协议生态目前仍碎片化：英伟达推出 NVLink Fusion 走向「半开放」，AMD 主导的 UALink、博通的 SUE、华为的灵衢（UnifiedBus）、海光的 HSL 1.0、中国移动、阿里云、字节跳动等也各自发布协议。物理介质同样面临选择——铜缆便宜但距离受限，光缆适合多机柜组网却造价更高，英伟达押注 CPO（共封装光学），中国信通院则把光互连路径概括为「NPO 过渡—CPO 主流—OIO 终极」三步。

第二道是供电与冷却。超节点需要更高电压的供电架构，风液混合与全液冷成为必需。英伟达今年 7 月披露，通过十家制造伙伴合作，Vera Rubin 机柜日产能最高可达 1000 个，但具体到 Kyber NVL144 等下一代架构成交付时间已被多次推迟。

第三道是上游产能。客户大单和高预期之下，国产晶圆厂能否持续兑现产能，是悬在国产超节点面前的现实问题。

从 NVL72 到 CloudMatrix 384，从「卖芯片」到「卖机柜」，超节点是被摩尔定律逼近极限与算力需求持续膨胀共同挤出来的创新，也是中国 AI 产业以系统取胜的务实选择。但要真正掀翻英伟达的桌子，规模化交付、互联标准与上游产能三道关，仍需产业链逐一跨越。