2026世界人工智能大会（WAIC 2026）展馆中，风头盖过大模型的，是一排排黑色机柜——超节点。当大模型参数冲破万亿、十万卡集群成为头部玩家的新起跑线，“堆芯片”的旧逻辑正在失效，取而代之的是让上千张卡“像一张卡那样工作”的系统工程。WAIC 2026期间，中国工程院院士、鹏城实验室主任高文与全球计算联盟理事长金海共同发布了《超节点定义与实践白皮书》（以下简称《白皮书》），高文明确研判，超节点已成为AI基础设施建设的全新范式，国产算力产业正式从“单芯跑分”迈入“系统决胜”的深水区。
告别堆卡走向组网
传统AI集群的基本单元是单台8卡服务器，跨服务器通信的带宽与延迟，是绕不开的天花板。而超节点要回答的，是另一个问题：如何让上千张AI芯片像一张芯片那样协同工作？
《白皮书》首次给出超节点的精确定义——它是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；“内存语义”和“统一内存编址”、超低时延、超大带宽，共同构成其三大技术特征。
这一定义之所以在2026年才被产业迫切呼唤，根源在于大模型对算力的吞噬速度远超单芯片性能提升的曲线。7月，月之暗面发布2.8万亿参数的Kimi K3；阿里云宣布真武M890超节点，完成对2.4万亿参数Qwen3.8的适配，并上线百炼平台——这是国内首个成功运行超2万亿参数大模型的超节点。CHIP实验室主任罗国昭点破了其中的工程实质，当模型进入万亿，乃至数万亿参数时代，真正拖慢计算速度的不是芯片，而是芯片之间的数据传输，“GPU不是在计算，而是在等待”。一个2万亿参数的MoE（混合专家模型）每完成一步推理，都需要不同GPU之间频繁交换数据，互联带宽不足，大量GPU就不得不停下来等待数据同步。
需求侧的爆发更为直观。WAIC 2026上，阿里云相关人员透露，目前，线上推理和训练的比例在5∶1到10∶1之间，“1万张卡中，大约70%到90%都在做推理”。华为相关人士举例，AI Coding场景中一个任务触发的操作调用已是几万次，复杂长程任务达几十万，甚至上百万次，这意味着更多并发、更长上下文，这些正是超节点大内存池的核心卖点。沐曦股份联合创始人、CTO彭莉指出：“进入智能体时代后，AI具备自我迭代能力，推理需求呈指数级增长，对低延迟、高带宽、长上下文提出更高要求。超节点不是简单‘堆卡’，而是系统级方案，涉及算力、带宽、互联、管理、软件栈的协同优化。”
昆仑芯相关人员介绍：“传统模式下，10台机器的算力相加不等于10，只能等于6，超节点可通过高速互联将损耗降到最低。”国海证券判断，2025年为超节点产品“元年”；2026年，正式进入国产AI超节点规模化应用阶段。华泰证券测算，2028年，国产超节点市场空间有望达到3414亿元，2026年至2028年，年复合增长率将高达194%。
更紧迫的现实是，国产单卡与英伟达之间尚存1代到1.5代的制程差距。摩尔线程副总裁马鉴直言，超节点应对的就是“卡脖子”问题：“厂商实际上要解决的是用更高的密度去解决单卡解决不了的问题，通过系统上的提升去对标国际先进领先的超大规模集群。”当单点尚需追赶，系统补位便成为破局路径。
路线竞速各有打法
超节点爆发的另一面，是技术路线的剧烈分化。各方争夺的焦点，已从“要不要做”变成“怎么做”——规模做多大、互联用电还是光、生态走CUDA兼容还是自研，每一个选择都指向不同的产业判断。
规模之争是第一道分水岭。大厂普遍坚持采用“大节点”。华为昇腾950超节点以单柜64卡为基本单元，WAIC 2026现场展示的版本搭载16台计算柜共1024张昇腾卡，最大可扩展至8192张卡互联，提供1EFLOPS FP8、2EFLOPS FP4算力，拥有256TB全局统一内存编址空间，依托TB级NPU互联带宽和3微秒超低RTT时延，计划于2026年第四季度批量上市；前代昇腾384超节点已商用落地750多套，覆盖互联网、通信、金融、教育、医疗、交通、制造等20多个行业。中科曙光“曙光8000（登峰）”构建了全国产十万卡AI超集群，已接入国家超算互联网；百度天池超节点从256卡向512卡演进；新华三UniPoD S80000覆盖从32卡至1024卡规模全系列。另一派则坚持“小节点”。一位算力资深人士直言：“64卡到128卡是最经济的形态，再大就浪费了。”浪潮信息便在64卡产品之后，反向推出32卡产品，让更多企业用得起万亿参数大模型的推理。对此，彭莉表示：“不存在固定的最优规模数值，当前，行业主流需求集中在百卡规模，但底层架构需预留面向万亿参数模型的最高2048卡扩展空间。”
互联技术的突围是更硬核的战场。华为昇腾950超节点在Scale-up内部尝试“以光代电”，机柜内为电互联、机柜间通过灵衢机柜中的OCS全光交换机实现光互联，区别于英伟达GB200 NVL72依赖NVLink电互联、单柜停留在72张GPU的方案。壁仞科技AI框架架构副总裁丁云帆将当前AI发展面临的挑战概括为三个“超”：超大参数、超长文本、超大集群，并指出“仅凭单张GPU的算力性能，已难以独立承载上述复杂任务”。他给出关键判断：“当带宽需求超过1TB/s、端口速率达224Gbps时，铜缆会在3米内严重衰减，现有架构最多仅能支撑128卡。光互连成为突破瓶颈的必然选择。”壁仞科技联合曦智科技与中兴通讯首次公开LightSphere X光互连超节点，采用近封装光学（NPO）技术，实现1024卡GPU集群，互联规模较英伟达传统电互联方案提升一个数量级。曦智科技创始人沈亦晨认为，NPO正获得头部厂商积极布局，即将成为计算互连的主流方向；而CPO（共封装光学）则是面向更长远未来的下一代核心技术路线。芯和半导体副总裁仓巍的观察是：“芯片厂商自下而上，从芯片架构、封装、互联层层向上延伸；整机厂商则自上而下入手，从系统需求倒推，向下定义互联规格、芯片接口，乃至封装形态。两个方向如何在系统中间层汇合，意味着超节点的跨层级协同能力正成为厂商的竞争焦点。”
生态博弈同样扑朔迷离。阿里平头哥、沐曦、海光等走CUDA兼容路线，代码迁移成本低；华为昇腾、昆仑芯等走自研生态路线。一位大厂人士分析，自研生态虽然迁移成本高，但可控性和长期演进空间更大。仓巍则认为：“现在判断最终格局还为时尚早。各家路线针对的客户群体和应用场景本来就不重叠，最终可能形成的是多元格局，而非赢者通吃。”
降本求存交付定局
当超节点从技术概念走向量产交付，竞争的本质再次位移——比的不是谁的参数漂亮，而是谁能稳定、低成本地将Token（词元）送到用户面前。
最直接的标尺是单位Token成本。这也是大模型厂商生死攸关的指标。7月，Kimi K3发布仅三天，月之暗面便宣布暂停接受新的用户订阅，原因是过去48小时用户请求量远超预期，算力集群已逼近承载极限。智谱推出GLM Coding Plan时，也曾因阶段性算力资源紧张而限制套餐销售。如何将单位Token的成本降下来，已成为超节点商业价值的终极锚点。
交付能力成为分水岭。目前，华为昇腾384超节点已商用落地750多套，百度天池、新华三、中兴、浪潮等都具备交付能力。但交付只是起点，稳定运行才是考验。中昊芯英创始人、CEO杨龚轶凡总结出超节点规模化落地的四大核心痛点：集群通信瓶颈、多客户业务隔离与算力平衡难题、散热基建迭代压力、软硬件协同成熟度不足。
产业格局正在由此重塑。迈睿资产CEO王浩宇表示：“从‘元年’到‘放量’，超节点有望支撑起千行百业的算力底座。”仓巍则强调，真正拉开差距的地方不在算力数字，而在系统工程的完整性——“从芯片、互联，到软件栈、运维工具，能否用一套完整的产品和系统能力交付给客户，而不是单点优势，将是这场竞争最终的判断标准”。
此外，一个被忽视的风险是，超节点作为重资产投入，商业价值最终还需市场检验。如果市场需求增长不及预期，大规模基础设施投入可能形成沉重的折旧压力；而如果需求增长过快，扩容速度跟不上，又会出现算力紧张、服务限流等问题。如何在资本开支、设备利用率和Token收入之间取得平衡，将成为云厂商未来竞争的重要课题。
从WAIC 2026展馆里那一面面造价数亿元的“最贵的墙”，到鹏城实验室牵头发布的《白皮书》，2026年注定将成为中国AI基础设施竞争的分水岭。当算力竞争从“谁的芯片更快”转向“谁能把上千张芯片组织得像一张芯片”，国产算力产业正用系统工程的红利，弥补单点能力的不足。眼下，超节点已成为AI基础设施建设全新范式，但范式确立只是开始，真正的较量在于，谁能率先将超节点从展品变成稳定的生产力，谁就能在智能体时代，握住那把决定Token成本的钥匙。这场以系统能力为内核的竞赛，注定要比单芯跑分更为漫长，也更为残酷。
作者：黄哲
编辑：汪燕
监制：严威川
