7月19日，世界人工智能大会（WAIC）上，鹏城实验室主任高文院士、全球计算联盟（GCC）理事长金海联合发布《超节点定义与实践白皮书》。三十余家高校、科研院所、头部企业共同参与编制，首次统一超节点技术标准。
随着AI大模型的发展，万亿参数大模型、智能体、超长上下文训练带来了指数级算力需求，传统服务器堆叠架构弊端凸显：跨节点通信时延数十微秒、带宽不足、算力利用率（MFU）低，且全球产业对 “超节点” 无统一定义，各家技术路线割裂。该白皮书首次完整厘清超节点核心定义、架构特征与核心技术体系，明确超节点的三大技术特征，梳理十大核心价值场景，汇集全产业链标杆落地案例。
1. 首次标准化定义超节点
超节点是由多组计算节点通过高速互联协议紧密耦合，具备跨物理节点统一内存编址，逻辑上等效 “一台超级计算机” 的新型智算系统；统一内存编址是区别传统集群的核心分水岭。
2. 明确三大核心技术特征
统一内存编址与原生内存语义：跨机柜、多芯片共享全局内存，无需频繁数据拷贝。超节点通过系统总线对内存语义操作的可达域进行扩展，使得任一处理器 Core 都能直接对超节点内内存地址执行 Load/Store 操作。该扩展伴随统一内存地址空间建立，在编程模型和执行模型上获得与单系统一致的语义； 超低互联时延：大幅削减大模型训练通信损耗，长序列模型训练稳定性显著提升。由于大模型一次完整的前向计算会通过几十层神经网络、每层多次的节点间数据同步，每次同步包含多次的数据发送、接收确认和同步控制。导致微小的总线 RTT 时延增加，都会被放大成百上千倍，影响大模型 E2E 推理时延和计算效率； 超大互联带宽：支撑万卡级集群并行计算，适配万亿参数模型全链路负载。AI 大模型的激活值通常为具有成千上万个隐藏维的高维向量，相比原始字符输入，其数据量被放大成千上万倍；加之模型由数十至上百层神经网络堆叠而成，一次完整的前向计算相比初始输入，整体数据负载可增加数十万乃至上百万倍，因此，超节点总线必须具备 TB/s 级别的高带宽。
该白皮书梳理了十大核心价值场景，覆盖大模型训练、云端推理、智能体集群、数字孪生、自动驾驶仿真、科学计算等领域，收录全产业链落地标杆案例，从技术架构、工程部署、运维调度给出完整实践方案。
高文院士现场表示，这份白皮书是 “算力网系列白皮书” 核心成果，标志超节点成为下一代 AI 基础设施全新范式，后续联盟还将推出光互连、算电协同、存算融合等配套标准，构建完整算力标准体系。
在此之前，国内算力产业长期陷入 “单芯片跑分竞赛”：各家比拼 FP16/FP8 算力、显存容量，但忽略集群互联、软件调度、整机散热、工程交付等系统短板。传统集群简单堆叠芯片，规模越大，通信瓶颈越严重，硬件算力利用率不足 50%，大量硬件资源被无效消耗。
从这届WAIC展会可以看出，从华为、壁仞、燧原、中兴通讯、沐曦股份，到中科曙光、阿里云、百度昆仑芯、清微智能、奕行智能、中科曙光，几乎所有国产算力厂商都把超节点摆在了展台最醒目的位置。这也契合了WAIC释放出的信号，全球AI竞争的重心正在向基础设施转移，超节点作为算力基础设施的重要一环，正被推到聚光灯下。
关注下方公众号，获取《超节点定义与实践白皮书》全文！
【往期推荐】：