超节点
超节点（SuperPod）= 一个 Scale-Up 域内、以高带宽低延迟互联把数十至数千颗 AI 芯片"拼成一台逻辑机器"的算力单元。它是 2024 年以来 AI 基础设施最重要的形态变化：竞争的粒度从"单卡性能"上移到"单个 Scale-Up 域能装多少卡、卡间通信效率有多高"。
定义与技术边界
判定一个方案是不是超节点，看三件事：(1) Scale-Up 域内芯片数（72 / 384 / 8,192）；(2) 域内互联介质与协议（铜缆 / 背板 / 光，私有协议 / 以太网承载）；(3) 域内通信效率（有效带宽占理论带宽比例）。
两条路线：控卡数 vs 堆卡数
| 维度 | NVIDIA 路线 | 华为 / Google 路线 |
|---|---|---|
| 第一代规模 | GB200 NVL72 = 72 颗 | CloudMatrix384 = 384 颗 |
| 设计取向 | 控制单节点芯片数，保持机架式扩展习惯 | 以更多芯片组网提升集群总算力 |
| 柜内互联 | 铜缆 | 背板互联 |
| 跨柜互联 | 光互联（下一代转 CPO） | 全光互联（下一代转 NPO） |
| 生态约束 | 客户面广，需兼容既有部署方式 | 依赖自有生态，国内客户被动接受 |
分析师路演口径称华为凭 UB 缓存一致互联 + 光互联，通信效率可达 90% 以上，而 NVL72 / NVL144 约 75%（据 2026-07 星球路演纪要，社媒剪辑／转述，厂商自述、无第三方复现）。
⚠️ 口径提示 "堆卡数"路线的算力优势是以芯片数量换来的：950 超节点宣称总算力为 NVL144 的 6.7×、内存 15×，但芯片数是其 56.8×——单卡效率差距仍是数量级的。评估国产超节点时须同时看总量与单卡口径，只引总量会严重高估竞争力。
为什么超节点在中国更"必要"
在先进制程与 HBM 受限、单卡性能追不上的前提下，把 Scale-Up 域做大是国产算力唯一能在"集群总算力"这个维度上对齐的路径。代价是功耗、机柜数、光互联用量与散热需求同步放大——这也正是超节点对上游产业链的拉动来源。
2026-07 路演口径预计：3 年后国产算力约占国内算力的 50%，其中 1/3 至 1/2 以超节点形态部署（据 2026-07 星球路演纪要，社媒剪辑／转述 预测值）。
对产业链的拉动（按增量价值排序）
- 光芯片 / 光模块 — 跨柜全光 + 卡数从千级走向百万级，是弹性最大的环节；华为 NPO 供应链与海外分开，构成独立生意机会
- 内存颗粒（HBM） — 超节点整体内存容量远大于同等算力的 NVIDIA 方案
- 交换机等通信设备 — 互联形态改变带来配套需求
- 服务器整机 — 出货量增幅显著，但利润率提升空间有限
- 芯片制造设备 — 为支撑庞大芯片数量而扩产
（以上排序据 2026-07 星球路演纪要，社媒剪辑／转述）
散热：液冷不是唯一解
超节点大集群部署高度依赖液冷，但华为同时推出风冷超节点以适配不具备液冷条件的边缘数据中心与客户机房 —— 路演纪要据此提示"液冷的预期可能没有想象中那么高"，与主流卖方"超节点强绑液冷"的叙事存在分歧（据 2026-07 星球路演纪要，社媒剪辑／转述）。
代表产品与演进
- GB200 NVL72（NVIDIA，72 卡）→ NVL144
- CloudMatrix384（华为一代，384 卡）→ 950 超节点（8,192 卡，UB 2.0）→ 950 超级集群（64 个超节点互联）→ 960 超节点（2027-Q4，卡规模百万级）
- Google TPU Pod（同属堆卡数路线）
芯片侧演进见 昇腾950。
关联
↔ 关联：CloudMatrix384 GB200 NVL72 昇腾950 NVLink CPO
研报数据
研报数据 · 11-07 更新 · 点数字看原文出处
华为47 · NVIDIA35 · 阿里巴巴23 · 腾讯控股18 · 中科曙光17 · 阿里云16 · 字节跳动14 · 中国10 · DeepSeek10 · 寒武纪10 · Corning10 · 智谱AI9 · 摩尔线程8 · 海光信息8
数字 = 讨论它时同时写到这家公司的研报份数。
实质讨论它的研报页数占当月全部研报页数的百分比。
数字是同页共现次数，中英文写法已合并。
相关来源
- 国内超节点 — 2026-07 WAIC 期间分析师路演纪要（社媒剪辑／转述）