WAIC觀察：“大傢伙”集體登場，超節點何以成為國產算力下一張底牌？

在世界人工智能大會（WAIC 2026）的上海世博展覽館主展區，幾排兩三米高、通體黑色的機櫃前總是圍滿人潮。有人貼近觀察液冷管路的走向，有人舉起手機拍攝機櫃頂上盤繞的高速線纜，也有人追著工作人員追問：這一櫃子的算力到底能做些什麼？華為Atlas 950 SuperPoD、中興OEX、阿里雲真武M890×磐久AL128……這些過去鮮少成為展會焦點的基礎設施，今年卻成了名副其實的「明星展品」。四天展期內，《IT時報》記者走訪多家投入超節點的芯片與設備廠商，試圖釐清一個問題：一年前還只是少數企業口中的新概念，為何突然之間成了所有人的共同選擇。 如果說去年的WAIC，超節點還是少數企業展示的新概念，那麼今年，它已經成為國產算力行業的一項集體共識。從華為、壁仞、燧原、中興通訊、沐曦股份，到中科曙光、阿里雲、百度智能雲，幾乎所有國產算力廠商都把超節點擺在展臺最醒目的位置。這也呼應了WAIC釋放出的信號：全球AI競爭的重心正從單點芯片轉向基礎設施，而超節點作為算力基礎設施的關鍵一環，正被推到聚光燈下。 目標一致，但各家技術路線並不盡相同。華為走的是高度統一的路線，此次首次公開展出的昇騰950超節點（Atlas 950 SuperPoD）由1024張計算卡組成，擁有256TB統一內存，NPU往返時延低至3微秒，透過統一內存編址，讓1024張計算卡像一臺完整計算機一樣協同工作。現場工作人員表示，這套設備幾乎佔據一整面展牆，遠看如同一堵黑色的「算力牆」，而1024卡並非終點，最高可支持8192顆芯片互聯，未來甚至可能擴展到超過50萬卡的集群。相較於華為的封閉體系，中興通訊選擇了更開放的OEX架構，兼容CPU、GPU、交換芯片、網卡等不同硬件，聯合壁仞科技、沐曦股份、燧原科技、天數智芯等國產芯片企業，共同打造開放的國產超節點底座，目標是讓用戶根據不同業務場景自由選擇芯片組合，以壓低整體擁有成本（TCO）。 壁仞科技則把突破口放在互聯能力上，憑藉自研的BLink2.0互連協議，1024張GPU可共享同一個內存空間，組成一個可統一調度的「邏輯GPU」，在更大規模上完成模型訓練與推理。壁仞還首次提出「NPO光互連、分佈式解耦架構」，試圖突破傳統銅互連在帶寬、時延和距離上的限制。與此同時，隨著AI產業重心從訓練逐漸轉向推理，TPU正成為超節點競爭中的另一種選擇。國內TPU代表企業中昊芯英此次發佈新一代「須臾」AI芯片，混合精度浮點算力達896TFLOPS，8-bit推理算力達1792TOPS，對比同等級產品單芯片功耗降低約50%。依託TPU原生面向AI計算的架構，其單個超節點最高可支持2048顆芯片直聯，能夠承載萬億參數大模型訓練、多智能體協同以及海量推理任務。中昊芯英創始人楊龔軼凡指出，GPU脫胎於圖形渲染功能，底層架構在芯片互聯上沒有太大優勢，而TPU從誕生就是圍繞大模型訓練和海量神經網絡並行計算打造，因此天然適合構建超節點，也更容易擴展到萬卡級規模。 除了芯片廠商，雲計算企業也把超節點視為AI基礎設施的重要一環。阿里雲展出由真武M890芯片和磐久AL128超節點組成的算力系統，真武M890採用平頭哥自研並行計算架構，內置144GB高帶寬顯存，片間互聯帶寬達800GB/s，可同時滿足大模型訓練、推理和智能體應用的需求。百度則展示基於崑崙芯P800的天池算力矩陣，支持256卡超節點，並可進一步擴展到數十萬卡集群，兼容文心、DeepSeek、智譜、MiniMax等主流模型。儘管百花齊放，但今年WAIC傳遞的信號已經清晰：國產算力競爭的重點，正從單顆芯片轉向整個計算系統的協同能力。 為什麼今年幾乎所有企業都轉向超節點？答案不在展館，而在模型端。壁仞科技AI框架副總裁、AI軟件首席架構師丁雲帆表示，超節點不是一個新概念，而是大模型發展到今天的必然結果。當全球大模型以三個月為週期加速迭代時，國產算力的競爭邏輯正在改變。受限於製程工藝，國產GPU在單芯片算力上與國際先進芯片仍有3至5年的代差，短時間內靠單顆芯片實現跨越式追趕並不現實。與此同時，隨著Agentic AI時代到來，大模型出現三個明顯變化，每一個都在推高對超節點的需求。首先是MoE（專家混合）架構成為主流，疊加Agent技術爆發，使得GPU之間的數據交換急劇增加；其次是模型參數越來越大，千億參數已是過去式，萬億參數正成為新門檻——7月16日發佈的Kimi K3參數規模高達2.8萬億，業內預計未來幾年5萬億參數級別的模型也會出現；最後是上下文越來越長，代碼Agent、科研Agent等新應用一次任務要處理的Token數量成倍增加，對顯存和算力的佔用大幅提升。丁雲帆直言：「超節點已經成了剛需。」

然而，當算力的衡量標準從單顆芯片峰值性能轉為一整套系統能調動多少有效算力時，真正的難關便藏在機櫃裡。1024張GPU組成一個超節點後，決定算力上限的是互聯帶寬、網絡架構、軟件調度以及系統協同能力。但這也意味著構建系統的難度指數級上升，尤其是當GPU數量從百級上升到千級甚至萬級時，通信成為最大的障礙。過去幾十年，GPU之間主要靠銅纜傳輸電信號，但隨著800G、1.6T高速互聯時代到來，電信號的傳輸距離越來越短、功耗不斷攀升，銅互連正逼近物理極限。現場技術人員指出，銅纜越來越難滿足未來超節點的需求，出路是用光替代電。目前光互連有四種主要技術路線：傳統可插拔（FRO）、線性直驅（LPO）、近封裝光學（NPO）和共封裝光學（CPO）。丁雲帆表示，今年產業界的討論焦點已不在較成熟的FRO和LPO上，而更多投向NPO和CPO，尤其是NPO正成為產業鏈協同攻關的核心。 NPO把光引擎部署到GPU或交換芯片附近，大幅縮短電信號傳輸距離，去掉高功耗的DSP芯片，在帶寬、時延、功耗與成本之間取得更好的平衡，並能將傳輸距離擴展到數百米，更適合未來大規模超節點。根據集邦諮詢數據，CPO/NPO市場規模將從2025年的約1億美元，躍升至2030年的390億美元以上，五年約400倍增長。阿里巴巴、騰訊等企業已將NPO視為近中期的部署主軸。在今年的WAIC上，無論是光模塊廠商、交換機廠商還是其他產業鏈企業，都開始展示NPO相關產品或方案，雖然很多仍處於研發階段，但整個產業已進入協同推進階段。丁雲帆認為，國內已具備研發NPO相關產品的基礎能力，並不存在無法突破的技術障礙，預計未來一兩年相關產品會陸續推出並進入實際落地驗證階段。而在CPO方面，由於需要將光引擎直接封裝到計算芯片內部，對芯片設計、先進封裝、工藝製造要求更高，國內佈局企業不多。丁雲帆指出，中國現階段更適合走生態共建路線，在NPO架構下，GPU廠商、交換機廠商、光模塊廠商都能發揮各自優勢，共享產業發展紅利，預計到2028年前後，NPO光互連有望成為AI超節點的主流方案。 如果說通信和光互連是超節點的「裡子」，那麼真正決定它能走多遠的，是另一個高頻詞——工程化。今年WAIC上，無論是智能體工廠、大模型廠商，還是AI for Science的科研智能平臺，被問到最大挑戰時，系統工程幾乎都是繞不開的答案。楊龔軼凡舉例說明，當海量芯片組成統一集群、同時承載多家客戶業務時，如何降低分佈式計算中的數據交換開銷是核心問題；同時，多租戶場景下的數據隔離與隱私保護、萬卡集群帶來的散熱壓力，以及分佈式調度、集群運維、故障自愈等軟件能力，都需要同步突破。他認為，超節點競爭本質上是一場產業鏈競爭，決定能力的不是芯片性能，而是網絡互聯、散熱、軟件調度等系統能力，以及產業鏈上下游的協同水平。封裝、交換機、光模塊、液冷、服務器、調度軟件……這些過去分散在不同環節的技術，如今因為超節點被緊緊連在一起。 有意思的是，在丁雲帆看來，超節點規模化擴展這件事上，國內甚至走得比國外更快。正因為單卡算力存在差距，國內產業界才更迫切地要靠系統級創新來解決問題。這不是一次單點突破，而是一場體系化的突圍。楊龔軼凡則堅定選擇TPU路線，因為TPU作為專用架構，需要適配的算子遠少於通用GPU，本土廠商有機會在特定領域快速追趕，實現「換道超車」。四天展會結束，這些黑色的「算力牆」留在了許多人手機的相冊裡，或許多年之後，這些照片將成為中國AI史上珍貴的開端。