Kimi K3 将大模型赛道的舆论热度推向高点的同时，AI 基础设施层也在暗流汹涌。

2.8 万亿参数、896 个专家，在这个全球最大开源模型的技术文档里，月之暗面写了一句建议：「推荐在具有 64 个或更多加速器的超级节点配置上部署。」

大模型公司把「超节点」写进了部署说明书，这还是第一次。

实际上，超节点从「新词」到「热词」，满打满算不过一年时间。

以 WAIC 为坐标系，去年展会上它还是华为一家的独角戏，今年中科曙光、阿里、中兴等十余家厂商都把超节点机柜摆在了展位最显眼的位置。

显然，随着大模型性能跟着摩尔定律不断膨胀，万亿参数模型的训练和推理对算力的要求已经不在一个量级。超节点必须入场。

市场也如期打开。券商机构把 2026 年称为「国产超节点元年」。华泰证券测算，2028 年国产超节点市场规模达 3414 亿元，2026 至 2028 年复合增长率 194%。国海证券更乐观，预期增长率可以达到 341%。

一个由大模型催生、被算力缺口倒逼、由系统能力定义的新兴市场，正在成型。

而率先入局的华为，已经用 750 套商用部署、2000 家政企客户的商业化成绩，兑现先发优势。

1、大模型的「Scaling Law」，倒逼「超节点」进场

超节点到底是什么？

在鹏城实验室和全球计算联盟发布的行业首份《超节点定义与实践白皮书》里，它被定义为：

「一种在物理上由多个计算节点通过高效的互联协议紧密连接组成，具备跨物理节点的统一内存编址能力，逻辑上具备一台计算机特征的计算系统。」

没错，本质上，它仍是一台超大计算机。

只不过，相比传统数据中心里那些各自为政的服务器节点，超节点将几十张 GPU，共享同一个大脑、同一套记忆，所有芯片的算力被拧成一股绳。

所谓「统一内存编址」，翻译过来，就是所有卡共享一个大文件柜，不用再经历「地址映射、消息封装、协议栈收发、中断处理「等一长串软件步骤，有效带宽和延迟增加了一个数量级。

所以，单卡强调单兵作战，以绝对性能定胜负；传统数据中心强调多兵种协同，但各单元之间仍有软件隔阂。

而超节点追求的是「整建制作战」，从硬件底层就抹掉了个体边界，让集群像一台机器般本能地协同，用系统效能对冲单点极限。

而三种打法对应着不同的大模型需求，在大模型遵循着 Scaling Law 走向万亿参数的节点，只有超节点，才能跟上大模型本身的进化速度。

一是狂飙至万亿参数的 MOE（混合专家模型）。

从 DeepSeek V4、Kimi K3、MiniMax M2 等国内旗舰模型，到 OpenAI 的 GPT-4、Google 的 Gemini 1.5 等最新大模型，默认架构选择无一例外都是 MOE。

MoE 的逻辑很简单，顾名思义就像医院分科问诊，每次只叫相关专家，不用的医生休息，目的是省算力。

但问题在于参数量的膨胀速度远超预期。Kimi K3 已站上 2.8 万亿，业界预测明年将触及 5 万亿至 6 万亿。当「节省算力」遇上「万亿参数」，稀疏激活带来的计算红利，几乎被另一项隐形开销「KV Cache」完全对冲。

KV Cache 可以简单理解为大模型的「缓存文档」，推理时把算过的中间结果存下来，下次直接用，不用重复计算，逻辑是用存储换时间。

毕竟万亿参数，即便只调用几位「专家」，KV Cache 的体量都不会小，动辄几百 GB 的体积，光是把它们从一张卡搬到另一张卡，带宽成本就已经超过了计算本身。

以 DeepSeek V3 为例，671B 参数，8 位精度需 671GB 显存，加上 KV Cache 等实际需要 1000GB。主流 H100 单卡 80GB，一台 8 卡服务器只有 640GB。也就是说，一台服务器都装不下一个 DeepSeek。

大模型的第一重压力是装不下。而超节点的解法，是用统一内存编址把几十上百张卡的显存「粘」成一个池子，让模型不用被切得七零八落，数据也不用在卡之间反复搬运。

二是百万 token 上下文。

上下文是各大模型竞争的核心维度，随着上下文窗口从 8K 涨到 100 万 tokens，计算复杂度呈平方级增长。但比计算更致命的，是通信。

MoE 架构的分布式训练中，通信时间占比高达 40% 至 67%。据悉，Kimi K3 训练的一大瓶颈就是 896 个专家架构并行带来的频繁 All-to-All 通信问题，包括 DeepSeek-V4 的技术文档里也标明，专家路由带来的 GPU 间通信成本非常大。

这就像一群厨师挤在一个小厨房里，菜切好了要传给炒菜的，结果发现过道太窄，都在排队等路。厨师再厉害也没用，瓶颈在过道。

所以，大模型的第二重压力是跑不动。

而超节点则把通信时延从微秒级压到纳秒级，让数据在卡之间「直接串门」，不需要经过软件协议栈的层层打包、拆包，这也让算力提升，终于能充分转化为性能提升。

三是 Agent 范式。

智能体 AI 的兴起，把推理算力需求又推了一个数量级。

传统模型是一问一答，Agent 是一问之后自己问自己一百个问题，再给你一个答案。一个 Agent 的推理过程要生成比传统模型多近百倍的 token，而且输出往往会变成下一步的输入，形成连续的推理链条。

这就像电影《星际穿越》里的引力弹弓效应。飞船利用行星引力加速，一次弹射就能飞到下一个星系。

Agent 的推理链条也像这般加速，每一步的输出都成为下一步的燃料，算力需求像滚雪球一样增长。而传统集群中，每一步的通信延迟都被放大，最终等待时间无法被用户接受。

同样，超节点通过纳秒级通信和 TB 级带宽，让 Agent 每步推理的「思考间隙」压缩到极致，等待越短，Agent 就能在同样时间内思考更多步，输出质量也就越高。

所以总结来看，大模型的趋势很明确，模型越做越大（万亿 MoE），上下文越看越长（百万 Token），推理越绕越深（Agent）。

三重压力都会指向同一个瓶颈，传统集群的通信架构撑不住后，超节点是当下最优破局路径。

2、打破旧秩序，华为建立了超节点新范式

超节点第一次以产品形态展现在公众面前，源于英伟达。

2024 年 3 月的 GTC 大会，黄仁勋推上台一个黑色机柜，名为 NVL72，里面塞了 72 颗 B200 GPU，用 NVLink 互联协议连成一个整体，所有 GPU 共享内存。

英伟达同样认为，大算力的新出路不是造更优的芯片，而是把更多芯片「焊接」在一起。

由此，过去行业内在算力集群路线上走出两条路：

一是 Scale-up，指纵向扩展，在单个节点内堆更多芯片，比如 NVL72。节点内部通过高速总线互联，通信快、延迟低，但受限于物理空间和互联拓扑，规模做不大。

二是 Scale-out，指横向扩展，把多个节点用网络连起来，规模可以做很大，但节点间通信要走网络协议栈，延迟高、带宽受限，以数据中心为代表。

传统认知里，Scale-up 是「机箱内部的事」，Scale-out 是「机箱之间的事」，所以提到超节点，大家普遍认知是等同于 Scale-up。

但是假设一下，如果在 Scale-up 基础上，同时进行机柜整合，依然能保证通信带宽和延迟达到机柜内部的水平，是不是同样可以称之为「超节点」？

华为用实际行动证明了这一假设，把超节点这件事，做得更为透彻。

华为昇腾 384，由 16 台计算柜构成，每个计算柜集成 32 张昇腾 NPU，总算力可以达到 300 PFLOPS（FP16），截至 2026 年 7 月已商用落地 750 多套。

而新一代昇腾 950，满配版本由 160 个机柜构成，共 8192 张卡，总算力扩大到 8 EFLOPS（FP8），计划今年第四季度上市。

这就意味着，以 Scale-up、Scale-out 定义算力集群能力的方式失效，更务实的判断标准变成了，软件能不能把一整片区域当做一个「巨型计算机」来跑集合通信。

如果能，它就可以被称之为超节点。

而华为之所以可以打破这种旧秩序，源于其本身在「通信连接」上建立的长板。

一句话概括，用「光」突破「铜」的物理极限。

以英伟达为代表的超节点玩家，过去只能在机柜内部做到多卡集成，本质上是依靠铜缆全互联，以此极致压缩通信距离。

铜缆成本低、延迟小、工程成熟，叠加上英伟达 NVLink 私有协议，可以保证出 NVL72 淬炼出极致性能。

但局限性也在于铜，这种物理材料的信号强度，决定了它只能在短距离内高效工作，无法支撑长距离、超大规模的集群扩展。

但华为光通信领域三十年的技术沉淀，使其可以保证跨机柜通信连接的高效率。

以昇腾 384 超节点为例，6912 个 400G LPO 光模块、3168 根光纤，编织出一张 269TB/s 的高速互联总线。

光互连带来的不仅是带宽数字的跃升，更是集群的「体质」重塑。

在 DeepSeek 这类通信密集型的 MoE 模型训练中，昇腾 384 的单卡性能可达传统集群的 3 倍以上；

大模型训练作业可稳定运行 40 天，互联带宽断点恢复控制在 10 秒级别。对于动辄数月不间断训练的万亿参数模型而言，这种长稳可靠性，比峰值算力更具说服力。

尽管大规模集群容易造成电力成本高企，但国内天然具备的低电价与绿电资源，同样为大规模 AI 训练提供了难以复制的土壤。

半导体研究机构 SemiAnalysis 在报告中直言，华为的扩展解决方案「比英伟达和 AMD 的当前市场产品领先一代」。

这也让全球 AI 基建的话语权发生偏移。

今年 4 月，DeepSeek V4 发布的同时，华为宣布其昇腾超节点全系列产品及华为云已完成对 V4 的全面支持。

而 DeepSeek 在其官方技术报告中，也首次将华为昇腾芯片与英伟达芯片并列写入硬件验证清单。

而沿着「光互连」这一共识方法论，国内多数算力厂商纷纷涌入超节点这一蓝海市场，由此带来的算力产业链范式转移，也在同步发生。

3、国产 AI 算力产业链，被「超节点」重塑

以华为为首，国产算力玩家押注超节点，迎合大模型发展趋势，这只是看见第一层。

超节点正在反过来重塑供应链，才是第二层。

算力竞赛的压力从终端向上游逐级传导，包括光模块、液冷、封装、连接器，甚至底层的电力供应，每个环节都必须站到更高的起跑线上。

正如「淘金热」里，上游的卖铲人和卖水人想要稳赚不赔，也得先升级工具。

第一个角色是交换芯片。

超节点的核心是「连接」。而连接的核心，指向的是交换芯片，它负责数据在各张卡之间流转。

在传统数据中心里，交换芯片是个没什么存在感的角色，它的作用不过是把数据简单迁移，几千块钱一颗的通用芯片就够用。大多数情况下，GPU 和交换芯片的配比大约是 20:1，平均 20 颗 GPU 才配套 1 颗交换芯片。

但现在超节点又极度强调「连接」能力，这就使得交换芯片没办法再敷衍。

它的角色现在更像是一个「调度中枢」，保证数据可以在几百颗 GPU 之间以百纳秒级的延迟实时流转。

所以，如今的交换芯片必须做到两点。

一方面是量够。比如英伟达 NVL72 中，72 颗 GPU 配 18 颗交换芯片，配比来到 4:1，华为的数据更夸张，384 超节点，384 颗昇腾芯片，总共用了 448 颗交换芯片，单机柜交换芯片用量提升 10 到 20 倍。

另一方面是规格匹配。交换芯片容量四年翻了两番，以前几千块钱的通用芯片，现在变成了数万元的高端 Scale-Up 专用芯片，单价涨了 10 倍以上，技术门槛也从「微秒级延迟可接受」到「百纳秒级硬要求」。

今年 WAIC 上，中兴通讯联合壁仞、沐曦、燧原、天数智芯等厂商展出的 OEX 超节点方案，同样将交换芯片作为核心组件。

壁仞科技依托自研 BLink 2.0 协议实现 1024 卡级联，燧原科技的「云燦 ESL64-O」超节点也配备了高速交换单元。交换芯片从「可有可无」变成「兵家必争」，是整个行业的集体转向。

华泰证券测算，2028 年国产 Scale-Up 交换芯片市场规模 129 到 172 亿元，CAGR 212% 到 231%，是整条产业链里增速最快的环节。

第二个角色，液冷散热。

超节点把液冷从「可选项」变成了「必选项」。

以华为昇腾 950 超节点为例，单颗昇腾 950DT 芯片功耗高达 1000W，单机柜功耗飙升至 70 至 240kW。传统风冷的物理散热极限不过 15 至 20kW 每柜，超节点的功耗是这个极限的十几倍，液冷成了唯一解法。

这也是行业共识思路。华为、中兴通讯、浪潮等厂商的超节点产品，热管理系统已全线向液冷升级，覆盖冷板液冷和浸没式液冷两条路线。

2025 年以来，昇腾、昆仑芯、阿里等厂商相继发布标配液冷的超节点方案。超节点方案的逐步落地，标志着国内液冷市场正式进入标配时刻。

中金公司预测，2026 年全球智算中心液冷市场将达 1147 亿元，同比增长 273%。

液冷的「含金量」也直接体现在供应链上。华为昇腾超节点的液冷体系中，高澜股份浸没式液冷市占率超 60%，覆盖冷板式、浸没式及喷淋式多路线，这类曾经在散热领域不显山露水的企业，如今站到了算力基建的最前排。

第三个角色，光通信模块。

超节点的核心逻辑是「把一堆物理上独立的节点粘成一台逻辑上的巨型计算机」，粘合剂就是光模块。

但不是所有算力厂商都具备全光互连的实力，在「怎么过渡到光「这一问题上，各家也涌现出不同答案。

比如，壁仞、燧原等芯片厂商就选择了 NPO 路线，将光引擎与 GPU 模组融合，兼顾性能与工程落地；中兴走的是光电融合的 OEX+dOCS 路线，时延可以低至百纳秒。

这也使得，支撑起「光通信」的供应商迎来产业机遇，从光模块、光芯片到光引擎、光纤光缆，整条产业链都在被超节点的「光互连」需求重新定价。

比如中际旭创，作为全球数据中心光模块市场的绝对龙头，市占率约 27%，居行业第一，800G/1.6T 批量供货昇腾集群，是万卡超节点核心配套商。

值得一提的是，近期路透社报道，美国联邦通信委员会（FCC）正起草新规，计划禁止进口中国新型号的光收发模块。消息一出，中际旭创股价盘中一度重挫 16%。

但光模块能够站在大国科技博弈的前线，这也意味着，它已经从算力产业链的基础设施，进阶到了核心组件的位置，成本占比也将提升。

总之，一个蓬勃兴起的市场，正在成就「超节点」一个新兴产业链发展。

2026 年，中国智能算力规模达到 788 EFLOPS，位居全球前列。截至 6 月底，在用算力中心机架总规模达 1085 万标准机架。

尽管不可回避的问题依然存在：协议碎片化、生态互不兼容，以及英伟达 CUDA 多年打造的软硬一体壁垒，每一道都是硬骨头。

但竞争逻辑已经改变，超节点比拼「系统级」能力，通信、电力、工程化这些过去不被重视的能力，现在成了决定胜负的关键。

国产算力产业链，正在迎来一个由「超节点」定义的黄金时代。