中国AI超节点竞赛转向系统集成与光学互联
Taylor Wilson
2026世界人工智能大会上，华为、曙光、中兴等集中亮相AI超节点产品，竞争焦点已从单芯片算力转向系统级协同——谁能把上千颗加速器稳定地串在一起跑，谁才握住下一轮话语权。
超节点到底在比什么？
超节点(把成百上千颗AI加速器连成一个整体的计算集群)的核心不再是"单颗芯片有多快"，而是处理器、网络、内存、散热和软件能不能协调运转。
华为昇腾950超节点首次公开：1024颗NPU、FP8算力1 EFLOPS、统一内存256TB、互联时延仅3微秒，瞄准万亿参数模型训练。
这意味着→ 中国AI硬件的分水岭已经移到"系统调度"层面，单芯片跑分高但串不起来，在这轮竞争中没有意义。
瓶颈为什么从芯片变成了通信？
模型参数逼近万亿、上下文窗口从25.6万token扩至逾百万token，计算必须横跨数千颗加速器——芯片之间"说话"的速度反而成了最大瓶颈。
壁仞科技BLink 2.0主攻拥塞控制与链路恢复；百度XPU-Link把自研互联与可编程交换结合，支持32至1024卡在同一高带宽域内运行。
用大白话说＝ 以前瓶颈是"算得不够快"，现在瓶颈是"芯片之间传数据不够快"——通信拖慢了整条流水线。
一颗芯片坏了，为什么能瘫痪上亿元系统？
单个超节点功耗可达400千瓦，单柜48千瓦，远超几年前中国传统机柜约6千瓦的水平；供电、散热、布线和故障恢复已成为关键差异化能力。
一颗加速器故障就可能令价值逾1亿元人民币的系统停机，厂商必须具备故障检测、状态保存与工作负载重分配能力。
这反映出 超节点竞赛的真正门槛不是峰值算力，而是可靠性——跑得动和跑得稳是两回事。
阿里云为什么把超节点搬上公有云？
阿里云发布灵骏甄武M890，64卡实例、卡间带宽800GB/s，训练性能是上一代甄武810E的三倍，支持数十万亿参数混合专家模型推理，已在乌兰察布开启邀测。
灵骏平台单集群支持13万张异构卡、可向百万卡扩展，平均可用性99.7%，分钟级故障恢复。
这意味着→ 过去只有自建集群的大厂才能用超节点；阿里云把它变成按需租用的公有云服务，中小团队也能触及万亿参数级训练资源。
全栈自研和开放兼容，谁的路走得通？
中国超节点市场分化为三条路线：华为全栈自研；中兴、新华三走兼容开放；燧原、壁仞、摩尔线程把国产加速器与开放联合架构配对。
中兴与燧原联合推出云穗ESL64-O，采用无背板OEX设计、零内部线缆，降低互联成本并支持多款国产AI芯片。
华泰证券预测：中国超节点市场到2028年有望达3414亿元人民币(约504亿美元)，较2026年复合年增长率约194%。这反映出 资本市场已把超节点视为AI基础设施的下一个主赛道。
光学互联和先进封装为什么现在被推到台前？
铜信号在约3米外衰减明显，而光链路可延伸数百米——电气互联正逼近物理极限，光学切换在加速。壁仞科技发布1024卡近封装光学(NPO)超节点，把光引擎放在GPU模块旁侧，省去高功耗数字信号处理器。
燧原科技与先丰科技联合推出CoPoS封装方案(基板上面板上芯片)，用面板级与玻璃相关技术改善平整度和高频信号性能——这是绕过制程限制的另一条路径。
用大白话说＝ 芯片之间"用铜线说话"快到头了，换成光来传信号是眼前最实际的突破方向；先进封装则让芯片不用靠更小的制程也能提升性能。
Content is for reference only, not financial advice.