算力战争的新主角：当“超节点”站上C位

2026年7月，上海世博展馆，一面由16台计算柜拼接而成的巨型阵列几乎霸占了华为展台的整面主墙——昇腾950超节点真机，1024张算力卡密集嵌入，机柜间的线缆如神经网络般错综盘绕。现场拍照、询问者络绎不绝，甚至有参观者用手掌贴着玻璃，试图感受那扑面而来的热浪与数据洪流。这面造价动辄数亿元的“最贵的墙”，成了2026世界人工智能大会（WAIC）上最硬核的叙事主线，也**次让普通公众直观感受到：算力不再是一张卡的事，而是一整个机群的事。

超节点（Super Node）并不只是把众多芯片简单堆叠在一起。它在物理上由多个计算节点通过高效互联协议紧密连接，具备“一台计算机”的特征——即所有GPU可以协同完成同一任务，而无需频繁通过外部网络交换中间结果。其核心技术特征包括超大带宽（单卡互联带宽突破900 GB/s）、超低时延（节点内通信延迟低于微秒级）和统一内存编址。以华为昇腾950超节点为例，它实现了业界**256TB跨物理节点的内存统一编址空间，这意味着千卡可以像操作本地显存一样直接访问远端数据，彻底颠覆了传统分布式训练中“手动搬运数据”的繁琐模式。

本届WAIC堪称国产超节点的集体首秀。除华为外，阿里巴巴亮出了兼容国产及主流GPU芯片的真武M890×磐久AL128超节点，强调对多样化算力的灵活调度；中兴通讯发布了支持多元GPU生态兼容的OEX超节点，主打电信级可靠性与云边协同；壁仞科技推出下一代NPO光互连、分布式解耦架构超节点方案，支持单超节点1024卡扩展，其光互连技术被视为未来突破电信号传输瓶颈的关键方向；沐曦股份首发“曦景”S系列超节点，首次在国产方案中实现全链路故障自愈功能；摩尔线程首次公开展示MTT C256超节点，支持智算集群从万卡向十万卡级扩展，并演示了在128卡规模下训练千亿参数模型的线性加速比达92%；中科曙光则展示了全国产十万卡AI超集群“曙光8000（登峰）”，将超节点概念从机柜级延伸到整栋数据中心级。一个清晰的信号已经发出：国产算力的竞争维度已从单颗芯片扩展至整机柜、集群乃至整个数据中心。

超节点为何在2026年集中爆发？这背后是AI大模型训练范式的根本性转变。过去几年，算力的竞争主旋律是“单卡突围”——谁的芯片算得更快、显存更大，谁就占上风。但当模型参数从千亿跃向万亿、训练集群从数百卡扩张到万卡乃至十万卡量级时，单卡性能的边际收益正在迅速收窄。真正卡脖子的，不再是某一张卡能算多快，而是成千上万张卡能否“算到一起”。以训练一个万亿参数的MoE（混合专家）模型为例，跨节点通信开销占总训练时间的比例已从早期的15%飙升到50%以上，即使单卡算力再翻一倍，若通信瓶颈不解决，整体训练速度提升也不足10%。因此，超节点本质上是通过物理架构的重构，把“集群”压缩成“一台巨型计算机”，从而让通信不再是墙，而是高速公路。

这一趋势在产业数据上体现得尤为明显。2026年全球AI服务器出货量预计突破200万台，同比增长55%，其中超节点形态的整机柜出货占比已从去年的12%跃升至31%。头部云厂商、大模型厂商、政企客户不约而同地将规模算力采购锚定为标配，且越来越多的招标书中明确要求“支持超节点级扩展”。某算力公司高管曾算过一笔账：超节点的单机柜价格比传统服务器贵50%，但由于通信效率提升，千卡规模下的有效算力可以提升10倍，“客户能算过来账，训练一个GPT-5级别的模型，用超节点能节省两个月时间和数百万美元的电费”。

超节点浪潮也在资本市场掀起巨浪。7月1日至22日，紫光股份股价累计上涨58%，市值达1300亿元；浪潮信息上涨41%，市值近1400亿元；同时，高速互联芯片供应商盛科通信涨幅超35%，光模块龙头中际旭创也获得近20%的区间涨幅。服务器厂商高管透露，从2026年下半年到2027年，超节点都将呈现出快速上量的趋势。目前公司和互联网公司客户谈的已是2027年、2028年的供货，“互联网客户**句话就是，你有10万片的供应，我们再谈”。这种锁定远期产能的行为，折射出下游对超节点架构的强烈信心。

然而，超节点的爆发也暴露出供应链的诸多紧绷环节。高端PCB（印制电路板）今年以来持续供不应求，价格大幅走高，部分用于超节点背板的高多层PCB价格涨幅已超过三到四倍。单台AI服务器所用PCB的价值量接近普通服务器的10倍，头部PCB厂商的订单已经锁定到2027年。与此同时，超节点内部大量依赖高速铜缆和光模块互联，单柜所需的高速线缆总长度可达数公里，这直接推高了线束和连接器供应商的产能利用率。此外，GPU、HBM存储等核心芯片的供应同样紧绷，台积电CoWoS先进封装产能在2026年下半年已被预定一空。更现实的挑战来自功耗和散热：一个千卡超节点的峰值功耗轻松突破1.5兆瓦，相当于一个中型商业综合体的用电量，液冷从“可选”变成“必选”，浸没式液冷方案正在被头部厂商加速验证。

就在WAIC落幕之际，AMD于7月22日至23日在旧金山举办“Advancing AI 2026”大会。AMD发布了Zen 6 EPYC Venice处理器和MI455X系列AI加速器，后者在FP8精度下达到每秒5.2千万亿次运算，较上一代提升近一倍。更重磅的是，微软宣布将基于AMD“Helios”机架设计部署大规模AI系统，预计投入数十万块GPU，总额在50亿至100亿美元之间，这是AMD在AI训练侧迄今拿到的最具分量的订单之一。AMD CEO苏姿丰还透露，正与芯片设计公司Cerebras合作推出结合AMD Helios GPU服务器机架与Cerebras晶圆级芯片的AI推理方案，试图以“晶圆级+超节点”的组合挑战英伟达的统治地位。

与此同时，谷歌正在研发一款将Gemini模型直接“写进”芯片的新型服务器芯片“Frozen”，其思路是让硬件从设计阶段就“理解”特定模型的算子图谱和内存访问模式，从而在运行时减少调度开销和冗余数据传输。这代表了一种完全不同的AI芯片路线——从“支持所有模型”转向“围绕主流模型进行深度优化”。如果这条路走通，未来超节点的意义将被重新定义：不再是通用互联的物理堆叠，而是针对特定模型结构的“定制化算力矩阵”。

从WAIC上国产厂商的超节点集体亮相，到AMD与微软的巨额AI算力部署，再到谷歌“模型定义芯片”的路线探索——算力行业正在经历一场从“单卡比拼”到“系统级较量”的深刻转型。业界不再单纯追逐芯片峰值算力，单位Token成本、综合性价比和集群线性加速比正成为新的关键指标。超节点不是终点，它只是一个更宏大故事的起点：未来的算力竞争，或将由数据中心整体能效和软件生态深度决定。而那面造价数亿的“最贵的墙”，或许正是这场转型最直观的注脚——它告诉我们，当算力不再是一张卡的事，整个时代都会被推着重写。