中國AI超節點競賽轉向系統整合與光學互聯
Taylor Wilson
2026世界人工智能大會上，華為、曙光、中興等集中展示AI超節點產品，競爭焦點已從單晶片算力轉向系統級協同——誰能把過千顆加速器穩定串聯運行，誰才掌握下一輪話語權。
超節點到底在比甚麼？
超節點（將成百上千顆AI加速器連成一個整體的計算集群）的核心不再是「單顆晶片有多快」，而是處理器、網絡、內存、散熱和軟件能否協調運轉。
華為昇騰950超節點首次公開：1024顆NPU、FP8算力1 EFLOPS、統一內存256TB、互聯時延僅3微秒，瞄準萬億參數模型訓練。
這意味著→ 中國AI硬件的分水嶺已移到「系統調度」層面，單晶片跑分高但串不起來，在這輪競爭中毫無意義。
瓶頸為何從晶片變成了通信？
模型參數逼近萬億、上下文窗口從25.6萬token擴至逾百萬token，計算須橫跨數千顆加速器——晶片之間「對話」的速度反而成了最大瓶頸。
壁仞科技BLink 2.0主攻擁塞控制與鏈路恢復；百度XPU-Link將自研互聯與可編程交換結合，支持32至1024卡在同一高帶寬域內運行。
簡單來說＝ 以前瓶頸是「算得不夠快」，現在瓶頸是「晶片之間傳數據不夠快」——通信拖慢了整條流水線。
一顆晶片壞了，為何能癱瘓上億元系統？
單個超節點功耗可達400千瓦，單櫃48千瓦，遠超數年前中國傳統機櫃約6千瓦的水平；供電、散熱、佈線和故障恢復已成為關鍵差異化能力。
一顆加速器故障就可能令價值逾1億元人民幣的系統停機，廠商必須具備故障檢測、狀態保存與工作負載重分配能力。
這反映出 超節點競賽的真正門檻不是峰值算力，而是可靠性——跑得動和跑得穩是兩回事。
阿里雲為何把超節點搬上公有雲？
阿里雲發布靈駿甄武M890，64卡實例、卡間帶寬800GB/s，訓練性能是上一代甄武810E的三倍，支持數十萬億參數混合專家模型推理，已在烏蘭察布開啟邀測。
靈駿平台單集群支持13萬張異構卡、可向百萬卡擴展，平均可用性99.7%，分鐘級故障恢復。
這意味著→ 過去只有自建集群的大廠才用得起超節點；阿里雲將其變為按需租用的公有雲服務，中小團隊也能觸及萬億參數級訓練資源。
全棧自研和開放兼容，邊條路走得通？
中國超節點市場分化為三條路線：華為全棧自研；中興、新華三走兼容開放；燧原、壁仞、摩爾線程將國產加速器與開放聯合架構配對。
中興與燧原聯合推出雲穗ESL64-O，採用無背板OEX設計、零內部線纜，降低互聯成本並支持多款國產AI晶片。
華泰證券預測：中國超節點市場到2028年有望達3,414億元人民幣（約504億美元），較2026年複合年增長率約194%。這反映出 資本市場已把超節點視為AI基礎設施的下一個主賽道。
光學互聯和先進封裝為何現在被推到台前？
銅信號在約3米外衰減明顯，而光鏈路可延伸數百米——電氣互聯正逼近物理極限，光學切換在加速。壁仞科技發布1024卡近封裝光學（NPO）超節點，將光引擎置於GPU模組旁側，省去高功耗數字信號處理器。
燧原科技與先豐科技聯合推出CoPoS封裝方案（基板上面板上晶片），用面板級與玻璃相關技術改善平整度和高頻信號性能——這是繞過製程限制的另一條路徑。
簡單來說＝ 晶片之間「用銅線溝通」快到頭了，換成光來傳信號是眼前最實際的突破方向；先進封裝則讓晶片不用靠更小的製程也能提升性能。
Content is for reference only, not financial advice.