国产GPU竞逐超节点，谁来买单？ - 爱游戏体育内容平台

国产GPU厂商正竞相打造规模更庞大的计算系统。

第26届中国国际工业博览会于10月12日揭幕，集成电路展首次以独立专业展区登场。该展区汇集超过300家企业，覆盖芯片设计、晶圆制造、封装测试及半导体设备材料等环节。参展的国产GPU厂商不约而同聚焦同一方向：将更多芯片互联互通。

沐曦展出了单柜64卡全互联的曦景S600超节点，燧原带来了云燧ESL64-O超节点，天数智芯则将144颗GPU集成于一台机柜。以往，国产GPU厂商主要比拼单颗芯片性能，如今开始着重介绍完整的超节点系统如何运行大模型，以及如何提升计算效率。

然而，随着华为、阿里及众多独立GPU厂商涌入超节点领域，新问题浮现：超节点究竟应造多大？谁将为这些昂贵投资买单？

工博会现场，一位地方智算中心投资者向《IT时报》记者抱怨，芯片厂商几乎每年都推出新品，而智算中心从规划、建设到运营通常需两年或更久，等设备可对外服务时，产品可能已更新换代，客户此时往往要求使用最新算力芯片。这种投资周期的滞后性，成为当前市场化“算力工厂”最棘手的难题。

根据各国产GPU厂商公布的节奏，随着超节点技术不断成熟，从今年底至明年，将有一批产品实现商业化落地。但除性能和价格外，稳定的供货能力、软硬件生态的完善程度，以及能否为算力中心带来实际业务与客户，都将影响其长期商业化进程。

超节点规模持续扩大

自2025年7月华为在WAIC首次展示昇腾384超节点真机，至2026年7月新一届WAIC，超节点已成为各国产GPU厂商展示重点。华为甚至在全联接大会上表示，最高可实现百万卡超节点集群。

三个月后的工博会上，厂商再次聚焦超节点。

《IT时报》记者走访多家国产算力芯片厂商展台后发现，尽管均称超节点，但各家的互联规模、整机架构及软件生态各不相同。这些差异背后，反映出厂商对未来大模型发展方向与现实市场需求的不同判断。

最直观的区别在于：一个超节点单柜究竟需要多少颗GPU？

在天数智芯展台，一台44U机柜内集成了144颗GPU与18颗CPU，总显存约10.1TB。据天数智芯介绍，天垓300 IXL144单跳通信时延达100纳秒级，在特定混合专家模型（MoE）的All-to-All通信场景下，有效带宽可提升15%。

此前，单柜128卡已成为国产GPU厂商较具代表性的高密度方案。摩尔线程、壁仞科技、阿里云等厂商均布局了这一规模的产品，中兴通讯的OEX架构也支持单柜最高128卡。

天数智芯为何增加16卡？展台工作人员向《IT时报》记者解释，天垓300 IXL144的144颗GPU可同时参与计算，通过提高单柜算力密度，应对未来超大规模模型对计算资源与显存容量的需求。对客户而言，这不仅提升单柜算力，还有助于提高机房空间及配套设施利用效率，在算力资源充分利用的情况下，增强系统经济效能。

此外，144卡配置也考虑了大规模模型运行的可靠性。大模型并行计算通常按2的幂次划分，64卡、128卡是常见计算规模。但若128卡全部用于计算，一旦某个节点故障，可能影响整个任务运行。因此，IXL144可根据任务需求，采用128卡承担主要计算任务、16卡提供冗余资源的配置，在算力利用与运行保障间灵活安排。

大模型的演进正改变算力系统设计逻辑。今年7月，月之暗面发布的Kimi K3总参数量已达2.8万亿；9月云栖大会上，阿里巴巴披露下一代Qwen 4正在训练，并将未来模型参数规模目标指向5万亿至10万亿。

模型越大，需解决的问题也越复杂。训练阶段，大量GPU需频繁交换梯度和中间计算结果；进入推理阶段，即使采用MoE架构只激活部分参数，系统仍需存储和调度庞大模型权重。尤其随着上下文长度增加，KV Cache对显存的占用持续增长。

天数智芯选择144卡整柜互联，正是希望为这种需求预留空间。据上述展台工作人员介绍，天垓300 IXL144在设计时考虑了未来10万亿参数级模型的运行需求。

当然，这一设计背后也有商业考量。随着DeepSeek、Qwen等国产开源或开放权重模型发展，对于数据安全、自主可控要求较高的超大型央国企、智慧政府平台等场景，“国产芯片+国产模型”的本地化部署正成为一种值得关注的技术路径。这也为国产GPU厂商提供了互联网大厂训练集群订单、电信运营商AIDC、算力工厂之外的市场机会。

燧原和沐曦重点展出的是64卡方案。采访中，两家工作人员更强调要满足现阶段不同客户的部署需求。

沐曦的曦景S600采用单柜64颗GPU全互联架构，通过正交连接器和交换结构减少传统机柜内部线缆连接。沐曦联合创始人、CTO杨建此前曾表示，行业主流实用配置以32卡为主，但考虑未来三四年需求，64卡是必要的。

展会现场，沐曦还展出了曦景S600 Lite 16卡超节点方案。沐曦工作人员向《IT时报》记者解释，这款产品旨在满足不同用户相对轻量化的算力需求。16张GPU集成同样采用MetaXLink高速互连和零线缆架构，但体积与传统8卡服务器相差不大，可作为紧凑整机方案交付，为不需要一次性建设大型算力集群的客户提供另一种选择。

燧原的64卡超节点是与中兴通讯合作的。据展台工作人员介绍，燧原主要提供GPU芯片，中兴通讯承担机柜架构、整机集成与交付等工作。

“我们还是先考虑实际落地的可能。”当《IT时报》记者问及为何不直接推出128卡超节点时，一位燧原展台工作人员表示，从技术上看，进一步扩大互联规模并非不可实现，但卡数增加意味着更高整机采购金额，客户是否愿意为此买单，是必须考虑的问题。

这也使超节点面临一个看似矛盾的局面：一方面，随着大模型参数规模和计算需求增长，厂商不断尝试将更多GPU连接起来；另一方面，真正需要如此大规模互联、并能充分发挥其性能优势的应用场景，目前仍然有限。

为何要选择“你的”超节点？

即便客户确实需要大规模算力，国产GPU厂商还需回答另一个更现实的问题：为何要选择你的产品？

从当前市场格局看，这并非易事。

根据10月13日路透社援引的IDC报告，2026年上半年，中国数据中心AI加速芯片出货量达200.8万颗。其中，英伟达出货67.8万颗，占整体市场的34%；华为出货57.2万颗，占28%。阿里平头哥约占7%，其他国产芯片厂商也在争夺不同类型的算力需求。

值得注意的是，在这一统计口径下，中国GPU出货量为99.1万颗，同比下降26%，而其他类型AI加速芯片出货量达101.6万颗，同比增长近80%。

尽管IDC认为，GPU出货量下降的原因是大陆可销售的GPU仍然有限，但不可否认，从现有格局看，国产算力市场正增长并分化。华为昇腾已建立覆盖芯片、服务器、软件框架和开发工具的产品体系；阿里、百度等企业则拥有云计算、大模型和内部业务场景，可在自身业务中持续验证和优化芯片产品。另一方面，非GPU类AI加速芯片出货量快速增长，表明国产AI算力市场正形成多种技术路线并存的竞争格局。

面对拥有成熟生态和庞大客户基础的竞争对手，独立GPU厂商也在寻找自身差异化优势。

天数智芯和沐曦选择的是通用GPU路线。与针对特定计算任务设计的专用AI加速芯片相比，通用GPU通常具有更广泛的并行计算适用范围。一套超节点从采购、部署到完成折旧，往往需数年时间，但大模型技术路线可能在此期间发生多次变化。若底层硬件能支持更广泛计算场景，对客户而言，在计算需求尚不稳定时，是相对稳妥的采购方向。

燧原则选择了另一条道路：专用AI架构（DSA）不追求覆盖所有GPU应用场景，而是围绕AI训练、推理进行架构和软件优化，争取在目标业务中实现更好的性能与成本表现。

事实上，对客户而言，采购一套超节点就是在选择未来几年的技术路线。若一款GPU能运行某个大模型，却需客户投入大量工程师重新适配算子和软件框架，那么芯片本身的价格优势可能很快被软件成本抵消。若一套超节点性能出色，却无法保证后续供货和版本升级，客户同样需承担风险。

此外，大型客户也可能出于供应链保障、采购议价和降低单一供应商依赖等考虑，引入第二家、第三家算力供应商，但这同时带来新成本：不同架构间的软件适配、模型迁移和异构集群管理，都可能需付出额外工程投入。

这也催生了一类新公司。《IT时报》记者在工博会上发现了一家运维超节点原生智算系统的公司——基流科技。其开发的Galaxy自主算力系统可通过多级KV Cache管理、缓存感知路由和智能调度等技术，减少重复计算、降低推理延迟，并提高集群有效吞吐量。

“比如，一位用户向大模型多次提问时，系统并不需要每次都重新计算此前全部对话内容，而是可将任务继续分配给拥有缓存的节点。这样缓存命中率提高了，相应Token成本也降低了。”基流展台工作人员向记者解释，Galaxy可支持从万卡集群建设到十万亿参数大模型训推业务的完整流程。

“最终，其实厂商们要回答的都是同一个问题：如何降低客户的总拥有成本（TCO）？”一位展商向记者坦言。

市场在哪里？

然而，并非所有智算中心都在做同一门生意。

事实上，今天的智算中心已不是一种单一的商业模式。按投资主体、使用对象和运营方式，大致可分为几类：第一类是互联网大厂和头部模型企业自建的算力中心，主要服务于自身模型训练和推理，对大规模集群的计算效率、软件生态和长期稳定性要求较高；第二类是运营商和云服务商建设的公共算力平台，通过向外部客户提供算力服务获得收入，更关注设备利用率、单位Token成本和客户规模；第三类是大型央国企、科研机构等建设的专用算力中心，主要服务于内部业务，对数据安全、模型适配和业务稳定性有较高要求；第四类是地方政府推动、国资平台或市场化企业参与建设的区域智算中心和算力产业园区，除算力经营外，还承担产业招商、培育本地AI应用生态等任务。

由于投资动辄以“亿”为最小单位，各类投资主体如今都很谨慎。尤其是第四类智算中心，面临的问题往往比采购几台超节点更复杂。正如文章开头提及的那位地方智算中心投资者，从筹备开始就要考虑能否收回成本。

“市面上这么多国产算力卡，人家凭什么要买我的这1万张？”一位展商告诉记者，如今地方政府投资的智算园区需要的不仅是芯片和服务器，还希望GPU厂商能帮助寻找应用场景、引入产业生态，帮助客户找到算力的使用者，甚至参与地方产业资源整合，让算力投资转化为持续的产业需求。这样园区才能不仅有设备，还有实际消耗算力的应用，能带动当地产业发展的项目。有时，厂商甚至要考虑能否围绕当地特色产业，形成一条从算力供给到应用开发、再到商业变现的产业链。“政府一定希望你能让他的投资形成闭环。”该人士表示。

某种意义上，国产超节点的商业化竞争正在发生变化。过去，厂商需证明自己的GPU能运行主流大模型；如今，还需证明由这些GPU组成的超节点系统能稳定交付、持续生产，并在整个使用周期内创造足以覆盖成本的收入。

不过，至少在今年，国产GPU厂商的销售员们还不是很焦虑。“现在如果一家企业想上一个小规模的超节点集群，估计排期会比较长。”一位国产GPU厂商表示，产能和供应链是目前几家共同面临的挑战。大家首要目标还是进入字节跳动、腾讯、阿里等互联网大厂的采购清单，产能也会优先供给这些大客户，整体依然供不应求。爱游戏体育在此背景下，关注如何优化资源配置，助力产业生态发展。