国产 AI 算力能凭「超节点」弯道超车吗？

概览

本期从 WAIC 现场观察切入，主持人和嘉宾张海君讨论了国产 AI 硬件从“卷单卡算力”转向“卷超节点”的变化。展会上，超节点几乎成为 AI 硬件厂商和服务器厂商的核心展品，华为、阿里、百度、国产芯片厂商以及部分 OEM 厂商都展示了相关方案。

讨论的核心结论是：国产 AI 芯片短期内很难在单芯片性能上超过英伟达，因此通过系统级超节点来补足单卡差距，是一个现实方向。但嘉宾也强调，堆更多芯片、做出更高系统参数，并不等于真正“超过英伟达”；更关键的是云厂商和大模型厂商在开放市场中是否愿意主动选择国产方案。

节目还进一步拆解了超节点背后的技术和商业约束，包括 Scale Up/Scale Out、互联协议割裂、CUDA 生态、功耗、液冷、光铜互联、产能、成本和大客户订单。整体判断是，国产 AI 芯片的真实需求正在增加，超节点是标志性方向，但市场会很快进入订单和生态验证阶段。

分段落总结

[01:02] WAIC 现场感受与行业 FOMO

[事实] 主持人介绍自己上周去了世界人工智能大会现场，同行嘉宾是前芯片行业从业者张海君。

[事实] 嘉宾认为今年参展人数比去年多，AI、服务器、机器人等产品相比去年有明显进步，但同类产品也很多。

[事实] 两人都提到展会上 FOMO 情绪明显，机器人、世界模型、大模型厂商等多个赛道都在密集竞争。

[04:15] 超节点成为 AI 硬件展区核心

[事实] 主持人说今年硬件厂商不只卷单片芯片算力，而是开始关注如何把 AI 芯片组队形成超节点。

[事实] 节目提到 WAIC 上发布或展示的超节点产品超过 10 个，既有芯片厂商，也有服务器和整机厂商。

[事实] 嘉宾和主持人提到华为昇腾、阿里云、百度智能云、国产芯片厂商以及中科曙光、中兴等都展示或发布了超节点相关方案。

[推测] 超节点在展位中的高曝光，说明它已经从技术概念进入厂商争夺品牌心智和客户订单的前台。

[06:08] 什么是超节点

[事实] 嘉宾解释，传统 AI 服务器多以 8 卡机为主，而超节点通常把几十张、上百张甚至更多 AI 芯片放进一个更大的系统中。

[事实] 超节点要解决的是“通信墙”问题：模型变大后，芯片大量时间可能花在等待数据传输，而不是计算。

[事实] 通过低延迟、高带宽互联，超节点把多张芯片组织成 Scale Up 网络，提高整个系统效率。

[08:04] Scale Up 与 Scale Out 的边界变化

[事实] 嘉宾说明，Scale Up 可理解为纵向扩展，Scale Out 可理解为横向扩展，但现在不能只按机柜内外来定义。

[事实] NVIDIA GB200 NVL72 是一个典型例子，72 张 B200 卡在一个机柜内互联；华为 384 超节点则用多个机柜组成 Scale Up 域。

[事实] 嘉宾给出的简化定义是：只要软件能把某个区域当作一个巨型 GPU 来执行 Reduce、All Gather 等操作，就可以把它看作 Scale Up 域。

[11:08] 国产厂商为什么押注超节点

[事实] 嘉宾认为，国内 AI 芯片在显存等单芯片能力上和海外厂商有差距，短期很难补齐，因此需要从系统层面提升性能。

[事实] 节目以 Kimi K3 为例，称其参数规模很大，并提到官方建议使用 64 颗以上加速器组成的超节点。

[事实] 嘉宾还提到，海外厂商的单芯片性能提升也有瓶颈，而互联技术已经发展到可产品化阶段。

[推测] 厂商推动超节点也有商业动机，因为卖整套系统比卖单颗芯片有更高价值量。

[13:03] 训练、推理与国产芯片使用场景

[事实] 嘉宾说，国内目前使用国产 AI 芯片较多的场景是推理，明确使用国产芯片训练大模型的厂商还不多。

[事实] 节目提到美团明确使用华为芯片做训练，此外一些芯片厂商也会用自家芯片训练自己的大模型。

[事实] 推理对延迟要求高，因此也需要 Scale Up；训练则更看重整体集群规模和综合算力。

[15:02] 互联协议生态割裂

[事实] 嘉宾说，全球和国内做超节点的厂商使用的 Scale Up 协议几乎都不一样，生态非常割裂。

[事实] 节目提到 NVIDIA 有自己的协议，华为、阿里以及壁仞、摩尔线程、沐曦等厂商也都有各自协议。

[事实] 海外也曾由 AMD、Marvell、Astera Labs、博通、阿里等参与推动通用互联协议，但节目中说目前主要推动者是 AMD。

[17:14] 华为 UB 与专有协议优势

[事实] 嘉宾认为华为的 UB 协议有优势，因为它试图用统一协议连接 Scale Up、Scale Out，以及 NPU、CPU、SSD、NAND 等自研芯片。

[事实] 嘉宾对比称，NVIDIA 的 Scale Up 使用 NVLink，Scale Out 使用 IB，内部并不像华为方案那样统一。

[事实] 节目解释，NVLink、UB、IB 是协议，NVSwitch 则是交换芯片，用来连接芯片和其他节点。

[推测] 华为统一协议的优势，更多来自其内部硬件体系完整和组织协同，而不仅是单点技术指标。

[20:26] 衡量超节点的指标与散热问题

[事实] 嘉宾说，衡量超节点硬件表现可以看整体算力、显存带宽、显存容量、网络传输带宽和整体功耗。

[事实] 节目提到 GB200 NVL72 由 18 个计算托盘和 9 个 NVSwitch 托盘组成，使用 72 个 B200 芯片，整机架功耗超过 120 千瓦。

[事实] 嘉宾说，GB200 展示时多为冷板液冷方案，但早期真实出货中不少是风冷，后面才更多使用液冷。

[23:14] 华为 CM384 对比 NVIDIA NVL72

[事实] 嘉宾说，华为 CM384 是国内第一个引发广泛关注的超节点，也被海外分析机构拿来和 NVIDIA 第一代超节点对比。

[事实] 节目中称，910C 单芯片 BF16 算力大约是 B200 的 30%，但 CM384 整体总算力约为 GB200 NVL72 的 1.7 倍。

[事实] 嘉宾同时指出，CM384 的功耗大约 560 千瓦，相比 NVL72 超过 120 千瓦的功耗高很多。

[推测] 这体现了国产超节点的典型取舍：用更多芯片和更大系统规模换取总算力，但承受更高功耗和系统复杂度。

[25:22] 光互联、铜互联与功耗折衷

[事实] 嘉宾解释，光互联适合跨机柜和远距离传输；铜互联更适合机柜内部短距离连接，延迟更低、功耗更低、价格更便宜。

[事实] 节目提到华为所谓“全光互联”主要指两层 UBSwitch 之间走光，NPU 到第一层 UBSwitch 仍是电互联。

[事实] 嘉宾说，国内云厂商和算力租赁厂商也很在意电力成本，因此会把服务器放到山西、内蒙古等电价更便宜的地方。

[27:28] OEM 与光互联厂商入局

[事实] 嘉宾认为中兴和华三展示超节点方案比较出乎意料，因为它们传统上更像服务器 OEM 厂商。

[事实] 节目提到中兴在超节点里有自己的交换芯片和 O-Link 协议，并称其交换芯片能兼容国内多家厂商。

[事实] 西智科技被描述为做光芯片、光互联和光计算起家，近期主要营收方向仍是光通信和光交换。

[推测] 这说明超节点产业链不只属于 AI 芯片公司，网络、交换、光通信和整机厂商也在寻找自己的位置。

[30:00] 量产部署与模型适配门槛

[事实] 嘉宾说，目前国内真正已经量产使用的超节点主要是华为和曙光两家。

[事实] 华为客户较分散，包括运营商和云厂商；曙光主要面向信创，并与海光 CPU、DCU 绑定。

[事实] 节目提醒，AI 芯片厂商宣布“适配”开源大模型没有统一标准，可能只是跑通核心算子，也可能是完整模型推理或集群支持。

[事实] 从适配到大规模商用，中间还需要验证跑通、准确率、精度，以及如何更快、更低成本地运行模型。

[32:23] 国产超节点能否超过英伟达

[事实] 嘉宾认为，国产 AI 芯片短期很难在单芯片层面超过 NVIDIA，因此从系统层面弥补差距是合理方向。

[事实] 嘉宾同时强调，即便系统参数超过 NVL72，也不能直接定义为超过 NVIDIA，因为其中包含更多芯片和更多堆料。

[事实] 嘉宾给出的判断标准是：如果 NVIDIA 市场放开后，云厂商仍愿意在 NVIDIA 超节点和国产超节点之间选择国产方案，才算真正超过。

[事实] 当前 NVIDIA 的 CUDA 生态、工程师熟悉度和产品稳定性仍是明显优势。

[36:24] 产能、价格与真实需求

[事实] 主持人提到一种割裂感：一方面展会上国产超节点很多，另一方面 Kimi K3 发布后又因服务器不够用而出现崩溃。

[事实] 嘉宾认为，国内产品类型多，但卡点仍在 AI 芯片产能；如果软件栈更稳定，产能会成为重要瓶颈。

[事实] 节目提到，国内 B300 八卡机价格因供给稀缺被炒高，从去年 Q3 的约 370 万、380 万涨到近期报价 1200 万、1300 万。

[事实] 嘉宾说，今年阿里、字节等选择更多国产芯片厂商，产能是重要原因之一。

[39:18] 国产 AI 芯片市场洗牌

[事实] 嘉宾认为，美国创业公司的 AI 芯片路线和大厂差异较大，而国内不论大厂自研还是创业公司，技术路线更相似。

[事实] 嘉宾说，大互联网厂商不可能选择太多国产芯片厂商，因为每家软件生态不同，工程师学习和迁移成本很高。

[事实] 嘉宾判断，如果到今年年底或明年仍没有拿到几家大互联网厂商的大订单，后面可能会比较难。

[事实] 嘉宾提到目前更看好华为、寒武纪，以及有大厂资源的平头哥、昆仑芯等。

[42:29] 基础设施升级与超节点元年

[事实] 嘉宾说，超节点相比 8 卡机，会带动网络、供电、液冷等模块大幅升级。

[事实] 节目提到 NVIDIA 推 800V DC 高压直流供电，GB300 走向更全面液冷，液冷需求会从计算芯片扩展到电源、交换、存储等部件。

[事实] 嘉宾说，国内 Scale Out 网络过去以博通交换芯片为主，但国内也在快速研发，并已有可对标博通的产品。

[事实] 对“元年”说法，嘉宾认为这个词被用得太多，但今年确实是中国超节点大规模推出的标志性年份，国产 AI 芯片使用量也比去年增加很多。

播客点评/总结

[推测] 本期的价值在于把“超节点”从展会热词拆成了具体工程问题：通信墙、互联协议、功耗、液冷、光铜连接、软件生态和客户订单。它不是只讨论国产替代情绪，而是持续回到“能不能稳定、低成本、大规模跑起来”。

[推测] 节目的亮点是有较多现场观察和产业细节，尤其是对华为 CM384、NVIDIA NVL72、Scale Up/Scale Out、模型适配口径和大客户选择逻辑的拆解，适合想理解国产 AI 算力产业链的人。

[推测] 局限是部分厂商数据、订单情况和模型使用情况仍依赖公开信息或嘉宾判断，节目本身也多次提醒需要等待官方公布。对希望获得严格 benchmark 或财务测算的听众来说，这一期更像产业观察和框架梳理，而不是定量报告。