> **来源：[研报客](https://pc.yanbaoke.cn)** # 电子行业深度报告总结：超节点方案重塑 AI 算力产业趋势 ## 核心内容概述 本报告分析了 AI 算力需求激增背景下，超节点方案如何成为 AI 集群演进的核心路径，推动系统级算力新周期的到来。随着大模型从单轮问答向复杂任务处理演进，训练与推理算力需求持续攀升，而海外云厂商与国内大模型应用同步推动算力基础设施扩张。超节点通过高带宽协同域和整柜工程能力，实现算力从“扩充算力卡”向“提升有效算力”的转变，成为突破传统集群效率瓶颈的关键。 ## 主要观点 1. **AI 应用升级推动算力需求增长** - GPT-5.5、DeepSeek V4 等前沿模型突破百万 Token 长上下文能力，推动算力需求从“更会回答”转向“更会处理复杂任务”。 - AI Agent 应用的快速扩张，使推理算力需求成为算力增长的核心引擎，预计 2027 年推理算力在智能算力总需求中的占比将超过 70%。 2. **超节点架构成为 AI 集群演进方向** - 超节点通过高带宽域内互联、统一寻址和系统调度，将数十至数百个计算模组组织为可调度、可扩展的系统算力。 - 通过缩短高频通信路径，降低同步开销，实现峰值算力向有效吞吐的转化，成为新一代国产智算集群的核心架构。 3. **高带宽互联与整柜工程能力是超节点升级关键** - 通信层面，Scale Up 负责域内高带宽互联，Scale Out 负责多柜横向扩展，二者边界正从物理服务器转向性能边界。 - 工程层面，超节点从单点设计转向整柜系统工程，涉及散热、供电、结构和运维，形成整柜交付能力。 4. **超节点推动服务器厂商价值链重构** - 从整机制造向整柜系统交付转型，整柜集成与客户生态成为厂商差异化竞争的关键。 - 工业富联、华勤技术、浪潮信息、紫光股份、超聚变和宁畅等企业围绕超节点布局，形成不同细分优势。 5. **国产算力需求与供给加速发展** - 国产 AI 加速卡出货量持续增长，市场份额提升，但实际可用算力仍低于标称值。 - 国内算力基础设施进入加速建设阶段，智能算力规模预计 2026-2028 年年均增速达 40%。 6. **超节点产品演进与生态竞争** - 英伟达、AMD、华为、中科曙光等厂商围绕超节点展开产品演进，形成闭环生态、国产体系和开放路线并行格局。 - 产品从单柜走向多机架、POD 级 AI Factory，系统级交付能力成为竞争核心。 ## 关键信息 ### 算力需求与供给 - 全球 AI 算力需求持续增长，预计 2026 年全球 Token 消耗量将达 5 千万亿 token/月，2030 年将增长至 120 千万亿 token/月，CAGR 约 121%。 - 2025 年中国 AI 加速卡出货量约 400 万张，国产算力卡占比约 41%，但实际可用算力仅为标称值的 50-70%。 - 国内智能算力规模已达 188 万 PFLOPS，预计 2026-2028 年年均增速达 40%。 ### 超节点架构与技术路径 - 超节点通过高带宽域内互联和整柜工程能力，实现大规模协同。 - 主流技术路线包括：英伟达 NVLink 闭环体系、华为灵衢 UB 国产体系、AMD/UALink 开放路线、阿里、字节、腾讯等云厂商的开放互联方案。 - Scale Up 与 Scale Out 架构逐步融合，从单机扩展到多机架、POD 级 AI Factory。 ### 超节点产品演进 - **英伟达**：从 NVL72 到 GB200/GB300，实现整柜级高带宽域，并向 AI Factory 拓展。 - GB200 NVL72：72 GPU 高带宽域，支持 13.4TB HBM3E，576TB/s HBM 带宽，130TB/s NVLink 带宽。 - GB300 NVL72：提升推理性能和网络带宽，达到 1.5 倍 FP4 推理性能。 - **华为**：以灵衢 UB 构建国产超节点体系，从 Atlas 900 A3（384 卡）走向 Atlas 950/960 SuperPoD（万卡级）。 - **中科曙光**：scaleX 万卡超集群，首次实现 10240 卡、超 5EFLOPS 系统能力。 - **阿里云**：磐久 AL128 以资源池化和云侧需求牵引超节点重构。 - **字节跳动**：EthLink 与 ETH+ 探索以太网 Scale Up 协议。 - **腾讯**：ETH-X 推出以太网 Scale Up 产品，实现低时延与高并发推理服务。 ### 超节点工程挑战 - **散热**：从服务器级散热走向整柜级液冷，冷板式液冷成为标配。 - **供电**：从单机电源模块转向整柜级高功率供电，高压直流供电提升效率。 - **结构与线缆**：高密度系统中机械工程问题突出，需优化空间布局与连接路径。 - **可靠性**：从单机可用性转向系统级容错，需构建整柜 RAS 体系。 - **软件与运维**：系统软件决定算力释放效率，需支持集群调度、监控与恢复。 ## 风险提示 - 算力需求不及预期 - 技术路线与商业化落地存在不确定性 - 整柜工程量产交付不及预期 - 行业竞争加剧与盈利水平下滑 ## 产业影响与趋势 - 超节点将推动 AI 服务器从单机采购转向整柜系统交付，提升算力利用率。 - 通信与工程能力成为超节点竞争的核心，推动产业链向系统级协同演进。 - 云厂商与开放互联方案加速推动 AI 基础设施的标准化与可复制性。 - 未来超节点将从单柜走向集群化部署，形成百万卡级算力池，重塑 AI 算力市场格局。