从炫技到务实，超节点的祛魅时刻

DeepSeek、通义千问、Kimi-K2等深度思考的大模型，大家应该都用过。用户对AI越来越上头，企业IT对算力保障的焦虑也在加剧。过去跑个小模型，8张GPU的服务器还能应付，可带不动DeepSeek这种上百个专家、毫秒级响应的MoE架构推理模型。

超节点，就是在这一背景下，火起来的。

传统单台8卡服务器，无法满足当下大模型训推的算力需求。由英伟达率先提出的超节点技术，通过内部高速互联，把数十甚至上百个AI计算芯片，集中整合到一个架构内，打造出基于Scale-up的新型架构，以此实现算力的量级跃升。核心优势可以用一个字概括：省。

省钱，超节点通过内部高速互联，每张卡都能满负荷运行，避免传统多机柜间的算力闲置空转，GPU卡和电费就不会浪费了；

省地，以前跑大模型得把多个机柜拼起来，占满半个机房，现在一台超节点就能扛起AI训推任务，物理空间占用更小了；

省事，超节点把硬件、互联、管理系统全集成好了，企业接入就能跑大模型，AI部署更快，而传统多台服务器要单独调试、搭建网络、解决散热，一套流程下来，没半年搞不定……

有不少CIO或IT从业者十分困惑，超节点能帮我们用AI更省，可怎么还是买不着、用不起呢？有一种“出发点很好，但就是出发不了”的无力感。

的确，目前真正用得上、用得起超节点的行业和企业，并不是很多。

原因比较复杂，比如高端N卡断供，国产GPU规模出货量受限等。其中，有一个因素容易被忽视，那就是超节点让AI更省的核心逻辑，似乎正在跑偏。

在超节点的新闻里，常能看到千卡、单柜X百卡等参数互相碾压，媒体追捧超节点的新纪录，围观群众也默认，规模越大卡越多的超节点就越先进。

但对大多数企业来说，真的需要这么大的算力巨兽吗？斥巨资买回数百卡的超节点，能靠AI赚回本吗？这些问题，已经到了必须回答的时刻。

不可否认，数百卡，甚至上千卡的超节点，是国产智算技术进步的证明。但大家有没有想过，我们给手机充电，会关心发电厂的规模有多大，是核电厂还是水电厂吗？只会在乎插上有没有电，电压是否适配，电流是否稳定，会不会把手机烧坏，这些实用层面的问题。

同样的道理，企业部署超节点，除了集成多少卡，也要考虑到实际应用中的隐性成本：

一是故障率升高带来的中断损失。

超节点规模越大，内部光模块、交换机、电源节点就越多，比如某300多卡的超节点架构，就涉及近6900个光模块和100台左右交换机。而在高密度部署场景中，任一环节故障，都可能导致整个训练任务中断。对AI大模型训练来说，故障意味着要从checkpoint检查点重新加载模型、重启训练，浪费数天时间和高额电费。

对企业来说，不中断、不重训，比多几张卡更加重要。

二是GPU闲置导致的每Token成本过高。

业内已有共识，超节点规模存在“甜点”，超过甜点后，继续增加超节点规模，性能提升有限但成本显著上升。有模拟数据显示，十万亿参数模型，甜点大概在32-64卡。也就是说，盲目追求上百张卡的超大规模，算力利用率也许并不高，GPU大部分时间是在闲置。比如说，DeepSeek官方论文给的参考方案，Decode阶段需用144张H800，如果超节点使用的国产卡算力是H800的1/3，那么在PD分离场景下，48卡甚至32卡才是更优选择。

三是运维复杂度提升导致的总体TCO成本增加。

高集成度的超节点产品，对运维团队的专业能力要求极高，一旦规模增大，内部故障点也会随之增多，小团队很难靠自己处理。比如英伟达早期就曾尝试过二层架构超节点，将交换机集成到单机内以扩大规模，但企业客户更倾向于选择单层架构，核心就是为了降低故障点、减少运维难度。英伟达256卡超节点也由于TCO总拥有成本太高，而互联网企业客户对TCO很重视，未能成功商业化。

所以，超节点并不是规模越大卡越多就越好。企业需要的是能解决算力问题，且ROI投资回报率最优的IT基础设施。超节点技术的发展，要回归让企业用AI更省的出发点，与企业AI业务相适配的方案才是最优解。

既然堆卡不是出路，那么如何才能让超节点真正成为企业的省钱利器？产业界已经给出了答案：回归理性，追求规模与需求的适配，并通过开放生态降低综合成本。

一方面，越来越多的厂商将目光投向32卡、64卡这样的更合身的规模。

如前所说，超过性能－成本甜点区之后，超节点的边际效益就会递减。因此，大量国产厂商聚焦在32-64卡的实用化设计，推出贴合企业需求的产品。比如新华三UniPoD S80000，实现了单机柜32/64卡高密部署等，让多数企业能够负担得起大模型训推开销。而且，新华三UniPoD S80000采用单层全互联架构，大幅降低了通信延迟和故障点，在MoE等主流模型场景下，更有助于保障业务连续性。刚好的规模与更高的可靠性，成为AI算力降本增效的关键。

（新华三超节点H3C UniPoD S80000）

另一方面，开放的硬件生态正在成为降低成本的新引擎。

随着国产芯片生态成熟，开放式架构支持多品牌国产加速卡，打破海外高端卡垄断，为用户提供了更多选择，从而降低企业的算力成本。这类开放式超节点，也成为算力普惠的关键。比如新华三超节点支持多品牌国产加速卡，兼容CUDA等主流软件生态，降低企业的供应链成本。

上述实践，有望助力超节点的普及，从头部企业的专属品，成为千行百业的普惠基础设施。

需要说明的是，数百卡、千卡超节点的研发，有其战略意义。这一技术路线，推动了光互联、液冷、高密度布线等底层技术的极限突破，是中国算力产业仰望星空的冲顶之路。

AI发展的速度总是超出预期，可能今天觉得32卡就够了，但明天DeepSeek的新模型，也许内含更多专家，超大规模的超节点或许可以带来更低的每token成本。所以，适当超前，把超节点规模进一步做大，可以给后续技术迭代留下一定的冗余。

但对于更广大的99%普通企业而言，需要的是脚踏实地的普惠之路。他们更迫切地希望，使用成本可控、稳定可靠的超节点产品，解决当下大模型落地的算力焦渴，支撑AI在生产力场景中落地。

所以堆卡炫技之外，这条更合身的普惠之路，同样势在必行，不可偏废。

未来行业发展的理想状态，是这两条路并行不悖。既有震撼世界的算力巨无霸，也有服务千行百业的普惠产品。企业无需关心超节点内部有多少卡，只要插上电，AI就能跑起来，也不用担心基础设施的账单出现天文数字。

实现这一目标，只能靠智算厂商急企业之所急，将可靠性、每token成本、TCO等指标，同步纳入超节点的研发技术路线图。别忘了，让企业用AI更省，才是超节点技术的核心价值，也是商业成功的前提。

审核编辑 黄宇