业内最全面超节点白皮书发布,曦望作为 GPU 企业代表参编

在 AI 大模型持续演进与科学计算需求快速增长的背景下，算力产业正从单点芯片性能竞争，转向围绕系统能力边界展开的新一轮跃迁。

近日，在第二届浦江 AI 学术年会上，由上海人工智能实验室牵头，联合 24 家学术及产业单位共同编撰的《超节点技术体系白皮书》（以下简称“白皮书”）发布。该白皮书汇聚了上海交大、清华、北大、中国科大等8家顶尖高校，以及包括曦望（Sunrise）在内的 16 家产业侧核心企业，覆盖芯片研发、算力部署、软件适配与行业应用等全产业链环节，是近年来少见的由科研机构牵引、产业深度协同的算力技术共识尝试，形成了覆盖全产业链环节的系统性成果。

在这一学术与产业的协作体系中，曦望深入调研业界相关方案，并结合自身超节点商业实践，主导了内存语义、通信库等核心章节编写，为超节点的相关共识形成提供了来自产业实践的视角。

随着大模型迈入万亿参数阶段，以及 AI 全面进入推理时代，算力短缺与算力利用率低下的双重痛点日益凸显。过去两年，AI 推理的计算量增长了约一万倍，使用量增长了约 100 倍。而同期单芯片算力仅增长约 16 倍，单纯依靠单芯片性能提升已难以突破产业发展瓶颈，算力竞争的焦点正发生转移。

在曦望看来，当模型规模、推理需求与数据中心形态同时发生变化，算力基础设施正加速向“集约化、高效化”演进。在这一过程中，超节点以更高算力密度和更低能耗逐渐契合数据中心的发展方向，同时国产化替代需求也在推动其加速落地。

超节点的核心价值，并不在于“规模有多大”，而在于是否具备稳定兑现算力的能力。换句话说，真正重要的不是峰值算力，而是在真实场景中能够稳定兑现的有效算力（Goodput）。

这也意味着，决定算力体系差异的，不再只是芯片参数，而是系统层面的协同能力。在推理场景中，计算精度设计、KV Cache 利用与任务调度，到通信与执行链路优化，共同决定了整体吞吐、延迟与成本之间的平衡。这种跨层优化能力，正在成为新的竞争分水岭。

进一步来看，系统能力差异会在一系列关键技术路径上体现，例如：

基于这一判断，曦望将自身定位在一个更明确的方向上——以推理为核心场景，重构算力系统。通过从芯片到软件栈的一体优化，使算力不仅“可用”，而且在真实负载下“好用”，并在系统效率与性价比上形成持续优势，让推理算力从高成本资源逐步转变为可规模使用的基础能力。

在行业层面，一个共识也在逐渐形成：超节点不会只是阶段性方案，而会成为 AI 基础设施的主流形态。在推理需求驱动下，未来新建的大规模推理算力集群中，超节点将逐步成为默认架构选择。

从节奏来看，2026 年将是验证与落地的关键阶段，智算中心与云厂商开始试点部署；到 2027 年，随着技术成熟与生态完善，超节点将进入规模化应用。在这一过程中，行业也在逐步形成“技术共识—实践验证—迭代优化”的演进路径，推动超节点从方案探索走向基础设施。

面向未来，曦望判断，超节点将在规模、能效、场景与生态等维度持续演进：从盲目扩张走向更合理的节点规模设计；从性能竞争转向能效与密度优化，并围绕多模态、智能体（Agent）、RAG 等新型场景实现定制化演进，同时在互联与软件层面走向更开放的生态协同。

在这样的演进路径下，曦望也给出了一个更具象的目标——将大模型推理成本降低至“百万 Token 一分钱”。其背后，是对 AI 基础设施的一种重新理解：当算力不再是稀缺资源，而是可以被广泛调用的基础能力。只有当推理成本足够低，AI 应用才可能真正规模化落地。