7.8
深览指数
科技虎嗅·梁卡尔··AI 生成
怎么一窝蜂就来了这么多“超节点”？
本文基于WAIC 2025现场观察，指出国产AI芯片竞争正从“拼单卡参数”转向“拼系统交付”，即以超节点为代表的系统级突围。文章核心观点是：这种路线是在先进制程受限下的现实妥协，它通过互连技术和统一调度将多张“不完美”的单卡拼凑成可用算力，但也带来了网络互连、散热功耗、机房改造、软件迁移等更复杂的工程和商业问题。对于寻找国产替代方案、关注AI算力基础设施成本的读者，本文提供了从技术路线到实际采购的完整视角，尤其适合管理者和技术决策者阅读。原文 ↗
核心观点
- ▍国产AI芯片竞争正从“拼单卡参数”走向“拼系统交付”，通过超节点架构将多张性能不完美的单卡拼凑成可用算力，是面对先进制程受限的现实妥协，而非捷径。
- 01华为展示的昇腾Atlas 950超节点，支持1024卡规模，提供1 EFLOPS FP8算力，旨在通过灵衢互联协议和统一内存编址将大量芯片绑定。
- 02超节点热的直接原因是模型参数向万亿级迈进、上下文窗口拉长，以及Agent使用AI导致推理Token消耗量指数级增长，算力需求从单次请求转向高并发。
- 03互连面临物理极限：铜缆超过约3米后信号衰减加剧，催生“光进铜退”趋势，但光互连方案成本高昂，传统铜缆仍占主导。
- 04系统级突围的另一道硬约束在机房，超节点功耗可达400千瓦，液冷正从可选项变成工程必选项，但改造传统中小型数据中心代价高昂，需中断服务器负载。
- 05国产AI芯片路线分化，包括全功能GPU、TPU、RISC-V等，但买方市场只关心价格、软件平台适配度和进入国产合规体系的工作量。
- 06软件生态是最大难关：从CUDA迁移至国产平台是繁重的“苦力活”，需要重写算子和模型，开源模型迁移相对容易，闭源模型可能需要额外开发。
- 07国产算力当前第一关是“可用”，不少芯片停留在Demo阶段，实际部署会暴露工程漏洞；客户更注重眼下的采购经济账，不为“峰值性能”概念买单。
- 08推理场景是国产算力最关键的突破口，客户对成本和并发更敏感；核心客户画像为合规需求更刚性的国家队、运营商、金融巨头等。
- 09端侧算力也在形成系统级路线，安谋科技、此芯科技、摩尔线程等厂商通过端云协同策略，将推理能力向本地设备延伸。
反方 / 局限
- — 超节点热背后存在“军备竞赛”成分，海光信息工作人员指出万卡集群不是百卡系统的简单放大，规模过临界点后稳定性、功耗等挑战指数级飙升；大部分实际商用场景在8卡或16卡规模下已足够。
14 分钟 · 5 卡片 · 14 资料
读原文 →