观行业 | 超节点技术研究报告

超节点是AI大模型时代算力组织方式从“堆卡”走向“系统协同”的关键范式转变。它通过高速互联、统一内存编址、资源池化和软硬件协同，将数十至数千颗AI加速芯片组织成一个逻辑上更接近“巨型单机”的高密度算力单元，旨在破解传统分布式集群在大模型训练和推理中面临的通信墙、内存墙和复杂度墙。当前，以华为、中兴、中科曙光等为代表的国产厂商正加速推进超节点技术从研发走向规模化商用，其中华勤技术预计2026年超节点产品收入超百亿元。超节点产业链有望重塑算力价值分配，互联、液冷、光模块及国产算力芯片等环节将迎来确定性成长机遇。

一、什么是超节点？

1. 概念定义与核心特征

超节点是一种新型算力组织形态。它通过高速互联、统一内存编址、资源池化和软硬件协同，把多颗AI加速芯片组织成一个逻辑上更接近“巨型单机”的高密度算力单元。可以用一个通俗的比喻来理解：传统Scale-Out模式是在地面上不断扩建平房，而超节点则是盖一栋摩天大楼。在土地（物理空间）有限的情况下，把楼盖高（Scale-Up）可以显著提升单位面积内的“居住密度”和协作效率。

传统集群 = 一个大型建筑工地上，很多工人各干各的，有事需要打电话或走过去沟通（有延迟、有距离）。

超节点 = 把所有工人搬进同一个大房间里，彼此紧挨着，喊一嗓子对方就能听到（极低延迟），并且大脑里共享同一份图纸（统一内存），配合起来非常顺畅。

目前行业内对超节点的定义侧重点有所不同，但核心内涵高度一致：

综合来看，超节点的核心特征可概括为：

全对等互联：NPU、CPU、内存等资源处于同等地位，均通过高速总线直接访问共享内存池，打破CPU为中心的架构束缚。

统一内存编址：让多个设备共享统一地址空间，一个设备可以直接访问另一个设备的数据，无需经过“序列化-网络传输-反序列化”的传统流程。

资源池化：计算、内存、存储、网络被抽象成统一资源池，根据训练、推理、长上下文等需求灵活调度。

内存语义通信：将节点间通信转化为类本地内存访问，让数百颗芯片真正融为一体。

2. 与传统GPU集群的核心区别

超节点与传统GPU集群的差异体现在算力组织哲学的根本不同：

传统集群跨服务器通信时延高是导致算力利用率普遍低于30%的核心原因。超节点通过机柜内总线通信、全局内存统一编址和系统级协同设计三大变革，有效解决了这一问题。

二、为什么需要超节点？

2. 大模型训练的三堵墙

大模型从百亿、千亿走向万亿参数，传统集群面临三重系统性瓶颈：

第一，通信墙。大模型训练中的张量并行、专家并行等模式要求计算单元间每步都频繁通信。一旦跨越服务器，数据要经过网卡、交换机、多级协议栈，带宽和时延瓶颈迅速放大。MoE（混合专家）模型训练中，专家需要频繁交换参数和同步数据，在传统集群中跨节点通信往往成为性能瓶颈。千亿级模型的一次梯度同步可能产生TB级数据。

第二，内存墙。模型参数、梯度、优化器状态、激活值、KV Cache都需要占用内存。长上下文推理场景下，KV Cache的显存占用急剧膨胀，单卡甚至单机难以承载。GPU算力每年提升远超内存带宽增速，两者差距持续拉大。

第三，复杂度墙。千卡、万卡集群规模下，故障从偶发变为常态。芯片、光模块、交换机、链路、液冷、供电、驱动、通信库、调度器——任何环节出问题都可能导致长周期训练中断。大规模训练中网络拥塞导致的算力损耗可高达30%以上。

2. 推理场景的新需求

超节点不仅是训练基础设施，推理侧的需求同样迫切：

MoE推理带来专家路由和All-to-All通信，专家越多、并发越高，通信压力越明显。

长上下文放大KV Cache压力，上下文从32K走向1M token时，单机很难高效承载。华为超节点是业界唯一突破Decode时延15毫秒的方案。

智能体应用增加调用频率和状态管理复杂度，Agent应用带来的调用量爆发式增长，成为算力需求的第三条指数曲线。

算力需求多曲线驱动：训练侧的Scaling Law、推理侧的test-time scaling、以及Agent应用带来的调用量爆发——三条指数曲线同时驱动算力需求，远非单芯片能力提升能独自承接。

3. 算力竞争从芯片级转向系统级

上海人工智能实验室在2026年3月发布的《超节点技术体系白皮书》中明确指出：算力竞争正从单一变量（芯片）变成多变量协同——互联、软件、整机、RAS共同决定系统能交付多少有效算力。在芯片制程工艺逼近物理极限的今天，超节点技术提供了突破算力瓶颈的新路径。

国新证券研报也指出，算力产业正从单纯堆芯片的粗放式增长，全面转向系统级协同优化的新阶段。超节点通过重构计算局部性边界，将高频通信收敛至机柜级受控域，破解“比特搬运成本高于浮点运算”的行业核心痛点。

三、超节点的核心技术

1. 高速互联：Scale-Up互联协议（让芯片之间“说话”足够快）

超节点首先要解决“连得够不够快”。传统互联技术远不能满足超节点TB/s级互联需求。当前主要互联技术路线可分为两大类：

封闭高性能路线：

英伟达NVLink/NVSwitch体系：软硬件一体化程度高，2026年推出Vera Rubin NVL144超节点，下一代Rubin Ultra计划2027年发布。英伟达GNVL72服务器内部使用电缆长度累计接近2英里，共有5000多条独立电缆。

华为昇腾/灵衢协议：业界唯一能覆盖从单机、超节点到大规模集群全场景的归一化协议，打破计算机网络与计算机体系结构的界限。华为通过光模块和光纤构建新型高速互联通道，实现从芯片到节点的全栈硬件协同。

开放互联路线：

UALink、CXL、OISA、ETH-X等：通过开放标准推动多厂商互操作。代表项目包括ODCC主导、中国信通院与腾讯设计的ETH-X开放超节点项目。

奇异摩尔Kiwi G2G IOD：国内AI网络互联领域的创新方案，支持2TB级带宽与高并发数据传输，专为Scale-Up互联设计。

光互联成为关键方向。随着互联规模扩大，传统电连接方案在带宽、功耗和传输距离上的局限日益明显。光互联在大带宽、低时延和远距离传输方面的优势，使超节点在规模扩展的同时仍能保持稳定的通信性能。CPO（光电共封装）等技术通过光模块与计算芯片紧密集成，可显著提升带宽密度并降低功耗。

2. 统一内存编址与内存语义（让芯片共享同一个“大仓库”）

统一内存编址是超节点区别于普通分布式集群的关键分水岭。中兴报告指出，统一内存地址编址是解决“多GPU协同效率”和“数据一致性”的关键，让开发者减少手动处理数据同步、地址映射和冲突控制，把更多精力放在算法和并行策略上。

从“搬数据”到“访问数据”。H3C报告判断，未来AI工作负载将推动系统从传统Read/Write或DMA模型，走向统一Load/Store内存访问。传统跨设备访问需要经历“确定数据位置-注册内存-发起拷贝-等待完成-开始计算”的复杂流程，而统一Load/Store语义让程序以接近本地内存访问的方式读写远端数据，大幅降低编程复杂度。

华为内存语义通信技术的核心价值，在于将节点间通信转化为类本地内存访问，让数百个昇腾芯片真正融为一体，有效算力利用率的提升对大模型训练周期的缩短起到决定性作用。

CXL 2.0/3.0、Linux内核、Kubernetes DRA、远程内存池等技术，被认为是未来AI Factory中内存资源动态组装的重要基础。

3. 在网计算（让网络“顺便”帮忙算一点）

大模型训练里有很多“汇总”操作，比如要把几百张卡的计算结果加在一起（All-Reduce）。传统做法是：所有卡把数据发给某一张卡，它算完再分给大家——耗费时间，且那张卡忙不过来。

在网计算的做法是：让交换机（网络设备）在转发数据的时候，顺便完成一部分加法或聚合运算，直接把汇总结果发给大家。好比：以前是所有人把报告交到组长手里，组长汇总完再分发。现在是：报告在传送带上经过时，传送带自动帮你汇总了，送到你手里时已经是汇总结果。这对MoE（混合专家）模型特别重要，可以大幅减少通信量。

在网计算的核心思路是把一部分原本由计算节点完成的通信计算卸载到网络设备或交换芯片中。

对MoE模型尤其关键。MoE的核心优势是“参数很多，但每次只激活部分专家”，但代价是路由和专家通信更复杂。中兴报告指出，通过引入在网计算，可以把MoE模型中的Dispatch（分发）和Combine（聚合）操作从GPU端卸载到交换芯片，带来带宽节省、尾时延下降和GPU利用率提升。如果专家分发和结果聚合都拖慢系统，MoE的稀疏计算优势就会被通信成本抵消。

4. 软件栈协同

再强的硬件，如果上层软件用不好，效果也会打折。超节点软件栈需要实现拓扑感知调度、通信计算重叠、KV Cache管理、PD分离、链路异常监控与自愈恢复等能力。

上海AI实验室的DeepLink平台在这方面发挥了关键作用。它通过统一通信协议和高效调度算法，充分挖掘硬件互联潜力；通过标准化的算子接口和连接协议，实现“一次适配，全生态可用”，上下游厂商基于DeepLink一次适配即可接入广泛的算法生态，大幅缩短从芯片流片到实际应用的落地周期。

H3C的S80000软件栈则分层为基础资源层、加速计算与通信层、框架与平台层、智能管控与运维层，说明超节点是一套从底层驱动到上层业务平台的完整系统。

四、国内外产业发展现状

1. 国际格局

海外市场形成多元技术路线竞争格局：

英伟达：凭借“全栈封闭+垂直整合”保持领先，2026年推出Vera Rubin NVL144超节点，下一代Rubin Ultra计划2027年发布。作为超节点概念的提出者，英伟达率先以NVLink+NVSwitch方案实现多GPU紧耦合互联。

谷歌：坚持光互联路线，发布第八代TPU，首次实现训练与推理芯片分离。

AMD：依托UALink开放生态加速追赶，能效优势显著。

博通：主打以太网原生的低成本方案。

2. 国内格局

国内呈现多厂商并行发展的态势，超节点正处于技术路线尚未收敛的窗口期，谁率先构建完善的软硬件生态，谁就有可能成为事实标准。

华为商用进度领先：2025年4月，全球首个商用智算昇腾超节点在中国电信粤港澳大湾区算力集群正式上线。昇腾384超节点实现业界最大规模384卡高速总线互联，是业界唯一支持DeepSeekV3/R1在一个超节点域内完成所有专家并行（EP）的方案，也是业界唯一突破Decode时延15毫秒的方案。Atlas 950 SuperPod将于2026年第四季度量产，综合性能大幅领先。

中科曙光高密度方案突出：2025年11月推出全球首个单机柜支持640卡的超节点产品scaleX640，支持MoE万亿参数大模型训练推理场景性能提升30%-40%。

2026年3月推出全球首款无线缆箱式超节点scaleX40，单节点集成40张GPU，总算力超过28 PFLOPS（FP8精度），HBM总显存超5TB。

中兴通讯灵活架构见长：推出OEX智算超节点方案，单机柜支持128个GPU，可Scale-Up至1.6万卡。“五芯混搭”架构支持不同厂商GPU“即插即用”，直接省了37%的成本。Scale-Across跨域互联用自研6.4T光口把不同城市的智算中心连起来，负载均衡效率超99%。

新华三（H3C）性能卷王：UniPoD S80000超节点柜内卡间全互联通信，卡间互联带宽提升8倍，单卡推理效率提升80%。单柜功率突破350kW，风液比80%，支持两相冷板、浸没式液冷。内置ADDC智算平台，支持“昼推夜训”分时复用和FlashCheckPoint断点续训，有效训练时长占比超96%。

浪潮信息商用落地领先：发布面向万亿参数大模型的元脑SD200超节点服务器，实现64路GPU芯片高速互联，显存统一地址空间扩增8倍，目前已率先实现商用。

其他厂商也在快速推进：阿里云发布磐久AI Infra 2.0 AL128超节点服务器；沐曦科技推出耀龙3D Mesh超节点、Shanghai Cube等方案；壁仞科技联合曦智科技、中兴推出全球首个分布式光互连光交换GPU超节点方案“光跃LightSphereX”。

产业协同加速：2026年3月，上海人工智能实验室联合清华、北大、中科大等8所高校及海光、华为、壁仞、天数智芯、阶跃星辰等16家产业伙伴，共同发布《超节点技术体系白皮书》，覆盖芯片研发、芯片产业链、算力部署、软件适配、学术研究、行业应用等全产业链环节。

3. 市场空间测算

华泰证券预测，2028年国产超节点市场空间有望达到3414亿元，2026-2028年复合增长率（CAGR）高达194%。超节点渗透率将从目前的10%-20%飙升到50%-60%。

五、主要技术对比与路线选择

1. 华为、中兴、H3C三份报告的视角差异

三份核心报告呈现出不同的关注重点，理解这些差异有助于把握技术全貌：

2. 封闭与开放路线之争

超节点技术路线面临封闭与开放的选择：

封闭高性能路线（代表：英伟达NVLink、华为昇腾）的优势是软硬件一体化程度高、性能和工程成熟度强；挑战是生态绑定明显，用户迁移成本较高。

开放互联路线（代表：UALink、CXL、ETH-X）的优势是多厂商协作、降低单一厂商绑定风险；挑战是协议标准需要时间成熟、多厂商互操作验证复杂、软件栈优化难度高。

短期看，封闭路线会在性能和成熟度上占优势；长期看，开放互联和标准化越来越重要，因为智算中心很难永远只围绕单一芯片和软件栈建设。

六、受益板块与投资逻辑

1. 产业链结构

超节点产业链可分为三大环节：

上游核心器件：

AI芯片：华为昇腾、海光信息、寒武纪、百度昆仑芯、中科曙光(与海光协同)）

交换芯片：盛科通信、中兴通讯

互联芯片：澜起科技、奇异摩尔

光模块：中际旭创、新易盛、天孚通信、华工科技

PCB/连接器：沪电股份、华丰科技、立讯精密、深南电路

中游整机集成：包括浪潮信息、中科曙光、紫光股份（控股新华三）、工业富联、华勤技术。

基础设施配套：包括液冷散热（英维克、高澜股份）、电源（科华数据、麦格米特）、IDC/运营（润泽科技、奥飞数据）。

2. 核心增量环节

Scale-Up互联是最大增量。超节点架构催生了传统集群不存在的增量市场——Scale-Up互联领域的高端交换芯片、Switch Tray等。互联环节在算力基础设施中的价值占比大幅提升，成为核心增量来源。

华泰证券明确指出，应优先关注超节点架构催生的独家增量环节，重点关注Scale-Up互联领域的高端交换芯片、Switch Tray。

3. 整机集成环节价值重塑

相较传统服务器方案，超节点方案包含计算节点、交换模块、管理节点等核心硬件组件，利润率更高。整机方案商的价值重心正在从标准化组装上移至“系统级架构+高速互联+液冷+大规模交付”的全栈集成，其中具备计算/网络/液冷全栈能力并深度绑定CSP的头部厂商盈利能力有望实现显著提升。

以华勤技术为例，该公司是业内极少数同时拥有计算节点和网络节点全栈设计能力的厂家，超节点产品已在2026年Q2实现小批量发货，下半年进入批量交付阶段，预计全年贡献超100亿元收入。其在整机架构、互联、供电、散热设计上具备从液冷到全液冷方案、专用生产治具、大功率供电等具体优势。

4. 液冷与散热

单柜功率密度已突破100kW并向350kW迈进，传统风冷方案止步于20-30kW/柜，液冷成为唯一出路。液冷方案可将PUE值降至1.05以下，相比传统风冷节能40%以上。

H3C UniPoD S80000采用全液冷散热，风液比80%，支持两相冷板和浸没式液冷等黑科技。未来浸没式液冷、微流控技术、相变液冷等更前沿方案也在加速涌现。

5. 高速光模块与光互联

光互联在超节点大规模集群中成为必选项。曦智科技2026年在港交所上市，被称为“全球AI硅光芯片第一股”，印证了光技术路线的市场认可度。CPO/LPO等新技术方向也值得长期关注。

6. 业绩验证

2025年年报及2026年一季报显示，超节点产业链利润增长趋势已初步成形：

寒武纪2025年业绩增速达555.24%

中科曙光2025年扣非净利润同比增长33.97%，全国首个3万卡级国产AI算力池顺利落地

浪潮信息2025年营收同比增长43.25%至1647.82亿元，合同负债和存货大幅增长预示订单充裕

紫光股份2026年Q1归母净利润同比增长126.06%

华勤技术2026年Q1营收407.5亿元，同比增长16.42%；归母净利润10.6亿元，同比增长25.96%

今年一季度，超节点概念公司中业绩实现翻倍的有寒武纪、中际旭创、华丰科技、紫光股份和工业富联等5家。

七、风险提示

技术发展不及预期：超节点涉及互联协议、光互联、液冷等多技术融合，研发和工程落地存在不确定性。

市场竞争加剧：行业处于技术路线尚未收敛的窗口期，多厂商激烈竞争可能导致利润空间压缩。

基础设施配套瓶颈：超节点规模化部署依赖供电、液冷、机房等配套升级，产业节奏仍存在不确定性。

  风险提示：本资料所引用的观点、分析及预测仅为个人观点，是其在目前特定市场情况下并基于一定的假设条件下的分析和判断，并不意味着适合今后所有的市场状况，不构成对阅读者的投资建议。基金过往业绩不代表未来表现，基金管理人管理的其他基金的过往投资业绩不预示本基金的未来表现。市场有风险，投资需谨慎。本资料不构成本公司任何业务的宣传推介材料、投资建议或保证，不作为任何法律文件。投资有风险，入市需谨慎！