2026年，超节点赛道骤然升温。华为、浪潮信息、阿里云、百度等主流算力厂商均在各自发布会上将超节点产品推向核心位置。在厂商密集布局的背后，一个基础问题被反复追问：什么算超节点，以及什么样的客户愿意为此买单。
《超节点定义与实践白皮书》指出，超节点必须具备三个技术特征：超大带宽、超低时延、内存语义与统一内存编址。其核心任务不再是简单叠加更多xPU，而是围绕xPU间通信、HBM容量、机柜功率密度、散热效率和可维护性等系统瓶颈进行协同优化。浪潮信息首席AI战略官刘军给出的判断更为直接：超节点的核心特征是“显存统一寻址”，这是它与传统节点集群的最大区别。但打通统一寻址只是基础，超节点还需实现对称直连，让芯片间数据直接传输，减少中间调度开销，同时针对超节点架构优化算子，将原本分散的计算与通信融合起来。
用户对超节点的需求，最终要转化为大模型推理响应速度，尤其是Token生成速度。浪潮信息此次发布的元脑SD200 Ultra超节点AI服务器，运行2.8万亿参数Kimi K3时，Token生成时延低至5.85毫秒，单用户输出速度达到170 Tokens/s，成为国内首个达到国际一线方案同一数量级的产品。在此基础上，浪潮信息还实现了对称直连，使GPU能够像访问本地显存一样直接访问远端GPU显存数据，Allreduce通信时间降低3.5倍。
超节点之所以能够实现远端显存本地化访问，底层依赖的是芯片间互联方式的根本性改变。传统Scale-out互联集群通过增加节点数量扩展算力，但节点间通信在万卡集群时代的模型训练中已存在明显瓶颈。引入面向Scale-up的互联技术，将单节点内部芯片之间的带宽和时延做到极致，撑起单节点算力峰值，是当下算力厂商构建十万卡集群互联协议的共识。
在超节点的规模之争上，各家路线存在分歧。一部分厂商认为，随着大模型参数、上下文长度和推理并发量持续增加，单个计算域需要容纳更多芯片和更大的内存空间，业界已有厂商推出从几百卡到几千卡的超节点服务器。另一批厂商并不认同规模越大越好。阿里云灵骏真武M890以64卡为一个Scale-up单元，再通过Scale-out网络扩展。浪潮信息去年8月推出64卡超节点，今年升级到128卡基于本土AI芯片的超节点。
刘军对此回应称，超节点不是越大就越好，核心是要让数据和计算离得越近越好。如果数据传输耗时过长，整个通信和调度成本可能会远远超过所获得的收益，同时可靠性成本也会迅速上升。这实际上点出了超节点规模之争的本质：它不是单纯的工程能力比拼，而是一道经济学题。更大的Scale-up域意味着更大的内存池和更低的跨节点通信开销，但也意味着更高的故障域风险和更复杂的调度成本。真正的平衡点取决于客户在跑什么任务、能承受什么成本。
刘军透露，现在很多客户都想用Kimi K3，但如何让客户用得上，算力方面仍存在较大瓶颈。从需求侧看，对于大模型厂商而言，此前多按调用量和API次数售卖Token，如今商业模式正在发生转变：从卖算力变成抽佣，即按照模型产生的下游收入与全球云厂商展开分成结算。这意味着市场并不会减少对算力的总需求，反而可能从结构和质量上提出更高要求，进一步推高算力消耗总量。
刘军观察到，首先用上先进算力的客户基本不需要厂商去教育，其共同特征集中在两点：一是需要能力很强的模型，二是希望Agent更多、更快、更便宜。他进一步指出，当前阶段的客户需求并不能按行业进行划分，传统按行业划分客户、按场景定义产品的思路，在Agent时代可能正在失效。真正驱动客户采购的，不是“你是哪个行业”，而是“你要跑多强的模型、要多少Agent、能承受多低的成本”。浪潮信息此次提出的Capability和Capacity双主线正是对这种需求的回应：SD200 Ultra面向前沿模型和复杂Agent，突破智能上限；HC2000面向持续、大规模推理需求，实现智能充分供给。
2026年9月，工信部明确提出“有序部署万卡、十万卡或更大规模的智能算力集群”，并强调适配国产算力芯片。这意味着十万卡集群正在从企业行为上升为产业政策方向。2026上半年，浪潮信息等国产算力厂商业绩增长明显，头部云厂商已开始建设基于国产GPU的十万卡级集群，标志着国产算力从备用选型向首选方案转变。
但当前国产算力落地存在一个现实问题：客户不缺模型，缺的是能把模型跑起来的系统能力。国产算力真正进入大规模应用，面临的挑战已经从“有没有芯片”转向“能不能把芯片用起来”，产出Token。芯片适配、软件栈、算子优化、集群调度等系统能力，正在成为影响国产算力实际使用效率的重要因素。刘军坦言，从提供算力到生产智能，厂商不仅仅交付一台AI服务器，还要负责客户把Token生产出来，把平台调度起来。这一思路转变也直接体现在产品设计上：过去更多围绕多元芯片的兼容展开，而现在是在同一个业务单元里，多元芯片协同工作，产业伙伴从零和博弈变为共同做大产业蛋糕。
从全球来看，谷歌A5X实例单站点集群最多支持8万个Rubin GPU，借助Virgo平台跨多站点聚合后可支持多达96万个GPU。微软在Fairwater数据中心采用单一扁平网络，集成了数十万块英伟达GB200。未来的竞争并不是谁有更多芯片，而是谁能让更多芯片像一台机器一样工作。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
