中经记者 秦枭 上海报道
当前全球AI产业进入高速迭代期，大模型参数、智能体能力、算力需求呈指数级增长，传统算力架构的通信瓶颈、利用率偏低、功耗过高等问题全面凸显。
在华为全联接大会上，华为副董事长、轮值董事长汪涛表示，超节点已成为建设超大规模AI基础设施的必然选择。当前，10万卡集群已成为训练10万亿级SOTA模型的标配，但传统服务器架构导致集群内通信超过训练时间的40%，严重制约了MFU（模型浮点算力利用率）。根据华为马尔科夫实验室仿真结果显示，4K超节点组成的10万卡集群相比由8卡服务器组成的10万卡集群MFU提升了2.75倍。
多位业内人士在接受《中国经营报》记者采访时表示，当前AI大模型训练的参数规模还在持续走高，对集群算力和通信效率的要求只会越来越高，传统基础设施的短板会越来越突出，超节点架构的落地，能够针对性破解当前AI集群的效率痛点，是AI基础设施适配产业高速发展的重要升级方向，相关技术的普及落地，也将进一步降低大模型训练的成本，为更多企业入场AI研发降低门槛，推动整个AI产业的创新迭代提速。
行业瓶颈全面凸显
近年来AI技术的爆发式增长，正在颠覆传统算力体系的承载能力。从行业数据来看，全球大模型参数规模持续跃升。
汪涛指出，国内每日AI推理Token量已达500万亿级别，预计2030年将迈入百万万亿级；智能体从小时级连续作业向月级长周期任务迭代，端侧AI模型也从2024年的3B参数快速升级至30B，未来将冲刺100B级。AI训练、推理的复杂度指数级提升，对算力的规模、时延、稳定性、能耗提出了颠覆性要求，传统算力架构的短板彻底暴露。
超节点是破解当前算力瓶颈的最优解。区别于传统服务器简单堆叠，超节点通过高效互联协议整合多计算节点，实现跨节点统一内存编址，逻辑上形成“一台超级计算机”的运行模式。
超节点在成为产、学、研在AI基础设施领域的共识的同时，已实现了规模商用。截至目前，华为昇腾910C超节点已部署超1000套，昇腾950超节点也已规模商用。据华为马尔科夫实验室2026年专项仿真测试数据显示，4K超节点组建的10万卡集群，算力利用率较传统8卡服务器集群提升2.75倍，大幅降低算力损耗。
不仅是华为，海外方面，英伟达全面推进DGX超级算力集群架构，通过高速互联技术重构集群通信体系，解决传统集群算力碎片化问题，适配超大模型训练；谷歌、亚马逊云科技也纷纷放弃传统服务器堆叠模式，自研专属算力互联架构，打造逻辑统一的超算集群，提升算力利用率。国内赛道同样同步提速，中科曙光、浪潮信息等头部算力企业，持续推进智算中心超节点集群建设，聚焦高速互联、统一内存、低时延调度三大核心方向，破解国产算力集群的性能瓶颈。
北京社科院副研究员王鹏对记者表示，超节点从单一企业的技术探索升级为全行业的共同选择，本质是全球AI算力竞争从单芯片性能比拼转向系统级协同优化的必然结果。各国都将算力基础设施升级列为数字经济发展的核心优先事项，传统松耦合集群架构在大规模算力场景下的通信瓶颈持续凸显，超节点通过跨节点统一内存编址，将大量计算单元融合为逻辑上的统一超级系统，彻底打破传统分布式集群的效率天花板，自然成为全行业的共同技术选择。
天使投资人、人工智能专家郭涛表示，大模型参数量持续增长，单卡算力上限逐步触顶，模型训练与大规模推理任务对多芯片协同通信带宽的需求快速抬升，传统服务器组网架构下通信延迟、带宽瓶颈越发突出。在硬件成本层面，分散式组网方案伴随大量光模块、线缆配套投入，通信侧的硬件开销持续走高，挤占算力投入预算。在工程落地层面，超节点架构将大量芯片在更小空间内高密度集成，降低跨节点数据交互损耗，适配集群规模化部署的工程需求。行业形成共识的本质，是算力增长逻辑由单芯片性能提升转向集群互联能力升级，超节点通过优化芯片间数据交互效率，缓解通信墙带来的约束，成为平衡算力性能、通信成本与集群扩展能力的可行方案，由此从企业技术选型演变为行业共同的技术方向。
底层技术全栈革新
在全行业转向超节点架构的背景下，底层芯片、互联技术、存储架构、生态体系的全栈创新，成为各大厂商竞争的核心赛道。各家企业均围绕“提升算力性能、降低能耗成本、完善产业适配性”发力。
其中，华为则通过芯片迭代、自研光互联、存储架构升级、开源生态开放的全方位布局，完成了超节点算力体系的完整落地。
芯片与互联技术是超节点性能突破的核心壁垒，也是行业竞争的关键领域。在华为全联接大会上，华为昇腾960系列芯片研发进度大幅超前，同时明确一年一代的迭代节奏，2028至2029年将持续推出新一代芯片，保持算力规格、访存及互联带宽的持续升级。
此外，针对行业普遍存在的光模块功耗高、时延大、集成度低的痛点，华为自研Hi-ONE NPO封装光互联产品，成为业界首款量产、内置光源的高规格NPO产品，单引擎传输容量达7.2T，实现高带宽、低时延、低功耗的多重突破。
基于核心软硬件技术，华为打造出业界首个NPO技术赋能的昇腾960超节点，单节点4096卡规模，可提供8E FP8算力与1PB HBM容量。相比传统架构，该超节点以5500个NPO器件替代4.8万颗传统光模块。
王鹏表示，华为推出的NPO近封装光学技术，并非简单的单点硬件迭代，而是AI算力光互联体系面向规模化商用的务实升级。它将光引擎近距离部署在算力板卡上，大幅缩短高速电信号的传输路径，在性能、功耗、集成度等多个维度实现系统性优化，同时完全兼容现有数据中心的运维体系，是衔接传统可插拔光模块与远期CPO共封装光学的核心过渡路线。
在郭涛看来，NPO光互联可实现芯片之间近距离高密度光信号互联，减少传统光模块、高速线缆带来的信号转换环节，降低信号传输过程中的延迟与损耗。在硬件成本层面，架构简化后能够削减海量传统光模块采购数量，压缩集群内部互联硬件的整体投入，缓解大规模算力集群的硬件成本压力。在功耗控制层面，更少的光电转换步骤降低集群互联环节功耗，优化整机PUE水平，对于超节点高密度算力集群价值尤为突出。在集群扩展层面，NPO更适配芯片高密度集成的超节点箱体，提升集群内芯片互联密度，支持更大规模的芯片组协同工作。该方案更适合集群内部短距互联场景，对外长距组网仍需要传统光模块作为补充，不会完全替代现有光通信产品体系。
（编辑：张靖超 审核：李正豪 校对：颜京宁）
