超节点专题（六）：超节点下一步竞争什么？

2026-08-31

以下文章来源于微信公众号——全球计算联盟GCC

前文回顾：在上一期《超节点专题（五）：用实践数据验证超节点价值》中，我们用生产环境中的实测数据回答了“超节点究竟带来了什么”——从鹏城云脑Ⅲ到华为Atlas 900 A3 SuperPoD再到覆盖智算、通算与通智融合三类场景的11个落地案例，带宽、时延、密度、能效与业务收益的全方位数据互证，说明超节点的价值不是单点参数好看，而是整体协同的结果。

本期带来系列最终章《超节点专题（六）：超节点下一步竞争什么》。本文拆解下一阶段的五大竞争焦点：多样性算力决定能跑什么，存储架构决定能记住多少，高速互联决定能扩多大，供电与散热决定能否稳定交付，开放标准决定产业能否协同。

当超节点从可选项变成智算中心的主流形态，竞争也会从“有没有”转向“好不好、能不能持续演进”。Agentic AI、物理AI和科学智能（AI for Science）等新负载，把模型推理、工具执行、记忆访问和通用计算放进同一条任务负载链。超节点也不再只是训练设备，而要成为复杂业务的系统底座。

《超节点定义与实践白皮书》给出的下一阶段演进主线：多样性算力决定能跑什么，存储架构决定能记住多少，高速互联决定能扩多大，供电与散热决定能否稳定交付，开放标准决定产业能否协同。

01 多样性算力：混合计算

单一类型的XPU很难同时做好数据预处理、大模型训练、轻量推理和长序列运算。未来超节点会把CPU、GPU、NPU以及面向语言、长序列的LPU等芯片放进同一系统：CPU负责调度与控制，GPU/NPU承担通用训练和推理，LPU等专用芯片处理更细分的负载。对多模态、物理AI和科学智能等复杂任务，多精度混合计算往往比单纯堆叠同构算力更有效。

真正的门槛在协同。硬件层要让多芯片高速互通，软件层要统一调度、编程接口和资源编排。只有把不同算力分配到合适环节，才能提升整机利用率，而不是把多张加速卡装进同一机柜。因此，看多样性算力不能只数芯片，还要看跨芯片迁移成本和调度效率。

02 存储：以存代算

AI应用越走向长上下文和复杂记忆，存储就越从配角变成影响性能的变量。KV Cache需要高频在线访问：全放HBM，成本高；放远端存储，时延又难以接受。SSU（存储服务单元）通过低时延、高带宽总线，让计算单元直接访问存储，用 “以存代算” 承接更大的上下文和记忆，也为Engram等新型记忆架构预留接口。这里的“代算”，本质上是减少重复计算和HBM扩容压力。

这项能力不只服务大模型。数据库场景中，低时延直访可提升事务处理能力，减少内存扩容压力；数据重平衡时，SSU可接管部分搬迁任务。分布式存储场景中，EC（纠删码）编解码、垃圾回收等后台工作可下沉到存储侧，释放主机CPU，提高主I/O效率。未来比拼的不只是容量，更是算与存能否统一调度。用户最终看到的是更长上下文、更高并发和更低扩容成本。

03 高速互联：从电到光的临界点

当超节点从百卡走向千卡、万卡，传统电互联会在带宽密度、传输距离和能耗上逼近工程极限。光电融合因此成为重要方向：电连接负责短距高密度，光连接承担长距高带宽，两者结合，才可能支撑跨机柜、跨集群的全域资源池化。

但光电融合不是把电模块换成光模块这么简单。底层要推进硅光以及LPO、NPO、OIO、CPO等不同集成深度的光电器件；中层要统一互联协议、总线和集合通信调度；上层还要引入光交换与混合组网，并处理故障自愈、负载均衡和租户隔离。未来比拼的不是单条链路的峰值带宽，而是端到端互联体系能否在高带宽、低时延、低能耗之间长期稳定。实验室跑通只是第一步，生产环境长时运行才算真正过关。

04 工程底座：兆瓦级功耗、800V供电与全液冷

功耗将成为最现实的约束。传统通用服务器机柜多为10—30kW，早期AI机柜峰值一般不超过120kW；随着机柜加宽、芯片功耗上升，以及光模块和液冷设备增加，部分下一代高端超节点正迈向600kW—1MW区间。进入这一功率量级后，配电、线缆、消防和冷却都不能照搬传统IDC方案，机房建设标准也要同步重构。

供电的答案是升压。 48V低压直流面对兆瓦级机柜和5kW级单芯片负载，会带来大电流、高发热和复杂布线。±400V/800V高压直流因此成为重要方向，并探索向1500V演进。升压不只降低传输损耗，也能减少线缆占用，把宝贵的机柜空间留给计算、交换和液冷部件。

散热同样要换代。 风冷受风量和换热效率限制；风液混合主要用冷板覆盖高功耗芯片，其余部件仍依赖风冷，更适合中低功耗阶段。随着整机功率密度继续提高，全液冷将成为高端超节点的重要选择：整机取消风扇，把冷板、管路、换热和机房水系统作为一套系统来设计。

05 开放生态和标准

当超节点进入多厂商、多场景阶段，竞争就不再只是硬件指标。操作系统、虚拟化管理层（Hypervisor）、运行时框架、通信库和云平台，都要能稳定识别、调度和治理底层资源。产业还需要统一术语、能力分级和接口描述，推进跨厂商互操作，并建立覆盖功能、性能、可靠性与安全的测试认证体系，让设备可组合、结果可比较、验收有依据。

2026年4月举行的Open AI Infra Summit上，全球计算联盟（GCC）发布三项液冷整机柜与AIDC基础设施规范，以及AISBench V3.0、ClusterBench V1.0两款基准工具，150余家产业链单位参与。标准与测试正在从共识走向落地，也意味着生态竞争开始进入 “可验证”阶段。

∞

结语

随着超节点从AI训练推理扩展到云计算、大数据、数据库、分布式存储和智能体，评价重心也会从单点性能转向全生命周期成本：采购成本、机房改造、能源消耗、运维复杂度和软件适配，都要算进同一本账。这会倒逼厂商把目标从峰值性能，扩展到单位能耗算力、故障恢复时间和资源利用率。

回顾这个系列，第一阶段竞争是“把算力连起来”，比带宽、时延和MFU；下一阶段竞争是“把系统做成生态”，比多样性算力调度、光电互联纵深、兆瓦级工程底座，也比多厂商设备能否讲同一种语言。规格可以追赶，生态只能共建。

拓展阅读

CompuWave旗舰，邀您共赴计算星辰大海！

欢迎投稿GCC CompuWave专栏！

栏目下设两大板块：

「大咖观点」

汇聚业界专家前沿洞察，打造技术思想阵地

「计算前沿」聚焦前沿技术与创新实践，推动关键技术路线落地讨论

欢迎业界同仁踊跃投稿！

投稿邮箱：icd@gccorg.com