国产GPU集体转向超节点：64卡、144卡方案背后谁买单？

国产GPU厂商眼下都在琢磨同一件事——把计算机做得更大。

10月12日，第26届中国国际工业博览会开幕，集成电路展头一回以独立专业展的形式出现。这个被叫作“国芯展”的展区聚了300余家企业，芯片设计、晶圆制造、封装测试、半导体设备和材料都在展出范围内。参展的国产GPU厂商不约而同盯上了同一个方向：让更多芯片连成一台机器。

沐曦摆出了单柜64卡全互联的曦景S600超节点，燧原带来云燧ESL64-O超节点，天数智芯则把144颗GPU塞进了一个机柜。以前国产GPU厂商较劲的是单颗芯片性能，现在讲的是整套超节点系统怎么跑大模型、怎么把计算效率提上去。

问题是，华为、阿里以及越来越多的独立GPU厂商涌入超节点赛道之后，新疑问冒了出来：超节点到底该造多大？这些昂贵投资最终由谁来掏钱？

工博会现场，一位地方智算中心投资人向《IT时报》记者倒苦水：芯片厂商几乎年年发新品，可一座智算中心从规划、建设到投入运营，常常要两年甚至更久。等设备真能对外提供服务，产品可能已经换了一代，客户这时往往点名要最新的算力芯片。投资周期跟不上产品节奏，是眼下一些市场化“算力工厂”最头疼的事。

从各家国产GPU厂商公布的节奏看，超节点技术逐步成熟后，今年底到明年会有一批产品走向商业化落地。不过性能、价格之外，供货稳不稳、软硬件生态完善到什么程度、能不能给算力中心带来实际业务和客户，都会左右其长期商业化进程。

超节点越造越大

2025年7月的2025世界人工智能大会（WAIC）上，华为首次线下展示昇腾384超节点真机；到2026年7月的新一届WAIC，超节点已是各家国产GPU厂商的展示重点。华为在后来的全联接大会上还表示，最高可实现百万卡的超节点集群。

三个月后的工博会上，厂商们又一次把焦点放在超节点上。

《IT时报》记者走访多家国产算力芯片厂商展台后发现，虽然都叫超节点，各家选的互联规模、整机架构和软件生态并不一样。差异背后，能看出厂商对未来大模型走向和现实市场需求的不同判断。

最直观的差别在于：一个超节点单柜到底要装多少颗GPU？

天数智芯展台上，一台44U高的机柜集成了144颗GPU和18颗CPU，总显存约10.1TB。据天数智芯介绍，天垓300 IXL144单跳通信时延达到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%。

在这之前，单柜128卡已是国产GPU厂商较有代表性的高密度方案。摩尔线程、壁仞科技、阿里云等都布局了这一规模的产品，中兴通讯的OEX架构同样支持单柜最高128卡。

天数智芯为何要多加16卡？展台工作人员向《IT时报》记者解释，天垓300 IXL144的144颗GPU能同时参与计算，靠提高单柜算力密度，来应对未来超大规模模型对计算资源和显存容量的需求。对客户来说，这既意味着单柜算力上去了，也有助于提升机房空间及配套设施的利用效率；算力资源被充分利用的情况下，系统经济效能也会跟着提高。

另外，144卡的配置也把大规模模型运行的可靠性算了进去。大模型并行计算通常按2的幂次划分，64卡、128卡是常见规模。可要是128卡全扑在计算任务上，某个节点一出故障，整个任务都可能受牵连。所以IXL144可以按任务需求，让128卡扛主要计算任务、16卡提供冗余资源，在算力利用和运行保障之间灵活调配。

大模型在演进，算力系统的设计逻辑也跟着变。今年7月，月之暗面发布的KimiK3总参数量已达2.8万亿；9月的云栖大会上，阿里巴巴披露下一代Qwen 4正在训练，并把未来模型的参数规模目标指向5万亿至10万亿。

模型越大，要解决的问题越复杂。训练阶段，大量GPU得频繁交换梯度和中间计算结果；到了推理阶段，就算采用每次只激活部分参数的MoE架构，系统仍要存储和调度庞大的模型权重。尤其上下文长度增加后，KV Cache占用的显存还会持续上涨。

天数智芯选144卡整柜互联，正是想给这类需求留出空间。据上述天数智芯展台工作人员介绍，天垓300 IXL144设计时就考虑了未来10万亿参数级模型的运行需求。

当然，这套设计背后也有商业上的盘算。随着DeepSeek、Qwen等国产开源或开放权重模型发展起来，对数据安全、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条值得关注的技术路径。这也给国产GPU厂商打开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则是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。

曦景S600是沐曦的产品，单柜里装64颗GPU、全部互联，靠正交连接器和交换结构把机柜内部原本大量的线缆连接压了下来。沐曦联合创始人、CTO杨建此前提到，行业里主流的实用配置还是以32卡居多，可未来三四年需求摆在那儿，64卡少不了。

展会现场还摆出了沐曦曦景S600 Lite 16卡超节点方案。按照沐曦工作人员对《IT时报》记者的说法，这款产品瞄的是不同用户相对轻量化的算力需求，16张GPU同样用MetaXLink高速互连和零线缆架构集成，体积却与传统8卡服务器差不多，能当作相对紧凑的整机方案交付。对不打算一次性建设大型算力集群的客户来说，这算多了一个选项。

燧原的64卡超节点则是和中兴通讯联手做的。展台工作人员介绍，GPU芯片由燧原提供，机柜架构、整机集成与交付这些环节交给中兴通讯。

被《IT时报》记者问到为何不直接上128卡超节点时，一位燧原展台工作人员说：“我们还是先考虑实际落地的可能。”他解释，技术上继续扩大互联规模并非做不到，可卡数一多，整机采购金额就更高，客户愿不愿意掏这笔钱，是绕不开的问题。

超节点因此陷入一个看上去矛盾的局面：大模型参数规模和计算需求在涨，厂商不断把更多GPU连到一起；可真正需要这种大规模互联、又能把性能优势用足的应用场景，眼下依然有限。

客户凭什么买你的超节点？

就算客户确实需要大规模算力，国产GPU厂商还得回答一个更现实的问题：为什么买你的？

从眼下市场格局看，这个问题不好答。

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

按这一统计口径，中国GPU出货量是99.1万颗，同比下降26%；其他类型AI加速芯片出货量达到101.6万颗，同比增长近80%。

IDC认为，GPU出货量下降是因为中国大陆可销售的GPU仍然有限。不过从现有格局看，国产算力市场正在增长和分化。华为昇腾已经搭起覆盖芯片、服务器、软件框架和开发工具的产品体系；阿里、百度等企业手里有云计算、大模型和内部业务场景，能在自身业务中持续验证和优化芯片产品。另一边，非GPU类AI加速芯片出货量快速增长，说明国产AI算力市场正在形成多种技术路线并存的竞争格局。

对手生态成熟、客户基础庞大，独立GPU厂商只能去找自己的差异化优势。

天数智芯和沐曦走的是通用GPU路线。专用AI加速芯片针对特定计算任务设计，通用GPU的并行计算适用范围通常更广。一套超节点从采购、部署到完成折旧往往要数年，大模型的技术路线在这期间可能变好几次；底层硬件若能支持更广泛的计算场景，在计算需求还不稳定的时候，对客户来说算是相对稳妥的采购方向。

燧原则另走一条路：专用的AI架构（DSA）不追求覆盖所有GPU应用场景，而是围绕AI训练、推理做架构和软件优化，争取在目标业务里拿到更好的性能与成本表现。

其实对客户来说，采购一套超节点就是在选未来几年的技术路线。一款GPU能跑某个大模型，却要客户投入大量工程师重新适配算子和软件框架，芯片本身的价格优势可能很快被软件成本抵消。一套超节点性能出色，后续供货和版本升级却保证不了，客户同样要承担风险。

大型客户还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。这同时带来新的成本：不同架构之间的软件适配、模型迁移和异构集群管理，都可能要额外投入工程成本。

一类新公司也因此出现。《IT时报》记者在工博会上就见到一家做超节点原生智算系统运维的企业——基流科技。其Galaxy自主算力系统通过多级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，并提高集群的有效吞吐量。

基流展台工作人员向记者解释：“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的全部对话内容，而是可以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。”他说，Galaxy能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。

一位展商向记者坦言：“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）？”

市场到底在哪里？

不过，并非所有智算中心做的都是同一门生意。

智算中心发展到现在，运营模式早就不是一种了。若按谁来投资、给谁使用、怎么运营来划分，大体可归为四类。互联网大厂和头部模型企业自己建的算力中心属于第一类，核心用途是自家模型的训练与推理，因而更看重集群在大规模下的计算效率、软件生态以及长时间运行的稳定性。第二类则由运营商和云服务商投建，属于公共算力平台，收入来自对外售卖算力，设备利用率、单位Token成本和客户数量是它们紧盯的指标。大型央国企、科研机构等建设的专用算力中心是第三类，以内部业务为主，数据安全、模型适配、业务稳定性是重点。第四类为地方政府推动、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，这类中心在算力经营之外，还要承担产业招商、培育本地AI应用生态等职责。

投资动辄以“亿”为最小单位，各类投资主体如今都很谨慎。第四类智算中心尤其如此，它们面临的问题往往比采购几台超节点更复杂。正如文章开头提到的那位地方智算中心投资者，从筹备开始就得考虑能不能收回成本。

“现在市面上国产算力卡这么多，别人为啥要买我这1万张？”一位展商对记者说，地方政府投的智算园区要的不只是芯片和服务器，还盼着GPU厂商帮忙找应用场景、拉产业生态进来，帮客户对接算力的使用者，有时还得参与地方产业资源的整合，让算力投入变成持续的产业需求，园区才不只有设备，还有真正消耗算力的应用和能带动当地产业的项目。这位人士说，有时厂商还得琢磨能不能围绕当地特色产业，串起从算力供给到应用开发、再到商业变现的一条链，“政府一定希望你能让他的投资形成闭环。”

国产超节点的商业化竞争，某种意义上已经变了。以前厂商要证明的是自家GPU能跑主流大模型；现在还得证明由这些GPU搭成的超节点系统能稳定交付、持续生产，并在整个使用周期里挣出足够覆盖成本的收入。

不过至少今年，国产GPU厂商的销售员们还不太焦虑。一位国产GPU厂商的人说，眼下企业想上一个规模不大的超节点集群，排期估计会比较长；产能和供应链是几家共同面对的难题，大家的首要目标仍是挤进字节跳动、腾讯、阿里等互联网大厂的采购清单，产能也优先供这些大客户，整体还是供不应求。

图片／ IT时报 工博会