2026 世界人工智能大会上，超节点（Super Node）一跃成为全场焦点，风头超越大模型。所谓超节点，是通过高速互联协议，将大量 NPU/GPU 等加速卡紧密耦合，形成具备统一内存编址、逻辑上如同 “一台巨型计算机” 的算力系统。随着万亿参数大模型、世界模型、AI 智能体持续迭代，算力需求从传统单机八卡，快速迈向万卡、十万卡集群；头部模型企业、云厂商、算力运营商纷纷将规模化超节点作为标配，一场底层算力基础设施战争全面打响。

　　资本市场已经率先反应。7 月初至 7 月 22 日，紫光股份股价上涨 58%，市值突破 1300 亿元；浪潮信息涨幅达 41%，市值接近 1400 亿元，算力硬件板块迎来估值重估。服务器厂商透露，2026 下半年至 2027 年超节点将持续上量，头部互联网客户洽谈供货已经锁定 2027、2028 年产能，采购门槛抬升至 “十万片算力芯片起谈”。多家企业密集推出产品，华为昇腾 950 超节点 1024 卡真机亮相，标准版由 16 个机柜组成，最大可扩展至 8192 卡；前代昇腾 A384 超节点商用交付已经超 750 套。新华三 UniPoD S80000 覆盖 32 卡～1024 卡全谱系，训练性能提升 70%，推理性能提升 3 倍，同步建设大型 AI 超级工厂。中兴通讯发布 OEX 超节点，单柜最高支持 128 张加速卡，集群可横向扩展至万卡规模，走开放多芯片生态路线。中科曙光推出全国产十万卡级 “曙光 8000（登峰）” 超节点，接入国家超算互联网。曦望、奕行智能、摩尔线程等 AI 芯片创业公司，也陆续发布自有超节点方案，奕行打造全球首套全栈 RISC-V 万卡超节点 Token 工厂，摩尔线程 MTT C256 超节点面向模型训练与 AIGC 场景。行业测算，超节点硬件售价较传统服务器高出 50%，综合性能最高提升 10 倍。虽然初始投入高达数百万元至数千万元，但大型客户能够通过算力利用率提升算清 ROI，订单持续释放。

　　产业链目前形成两条清晰并行的技术路线，没有简单的优劣之分，适配不同市场客户需求。华为昇腾代表全栈垂直自研路线，从算力芯片、高速互联协议、散热、整机硬件到上层软件栈实现一体化自研，优势是软硬件深度协同优化，系统整体效率更高，短板在于研发投入体量巨大，生态相对封闭，客户选型自由度受限。中兴通讯则主打开放生态路线，联合壁仞、沐曦、燧原等多家芯片厂商打造通用算力底座，不绑定单一算力芯片，支持客户灵活混搭不同加速卡，适配政企、云厂商多元化采购与国产化分步替代需求。除此之外，阿里平头哥、百度昆仑芯、清微智能等企业的超节点方案，更多立足云厂商自有业务场景，侧重推理场景性价比优化。行业普遍认为，短期各家技术路线并行发展，很难出现单一垄断赢家，最终将形成多元共存的产业格局，而长期拉开企业竞争差距的核心，并非纸面算力参数，而是完整的系统工程能力，涵盖芯片架构、高速互联网络、底层软件栈、供电散热、集群运维调度在内的一体化交付能力。

　　超大参数模型的持续迭代，是超节点需求持续爆发的核心底层逻辑，也是算力竞赛愈演愈烈的关键原因。月之暗面 Kimi K3 模型参数达到 2.8 万亿，行业预判未来模型规模将持续攀升至 5 万亿、10 万亿级别，头部大模型厂商普遍遭遇严重算力瓶颈，只能通过产品涨价、用户限购等方式调节市场需求，缓解算力供给压力。智谱 AI 收购中科加禾、自建 1GW 国产算力中心的举措，正是头部模型企业向上掌控算力基础设施、破解算力卡脖子问题的典型布局。行业认知已经彻底更新，十万卡算力集群早已不再是产业天花板，马斯克、黄仁勋均已规划百万卡级超大算力集群，新一代超大模型的部署门槛大幅提升，Kimi K3 等前沿模型的落地部署，最低需要 64 卡以上规模的超节点集群支撑。摩尔线程创始人张建中明确提出，前沿模型的能力上限，本质取决于 AI 模型工厂的基础设施水平，除传统大语言模型外，多模态模型、世界模型、物理仿真模型、具身智能训练等新兴场景，都会持续拉高大规模紧耦合算力集群的建设需求，让超节点成为 AI 产业发展的刚需底座。

　　当前算力产业迎来颠覆性结构性变化，传统 GPU 独大的算力架构彻底重构，GPU 的核心主导地位逐步弱化，CPU、高速存储的产业地位快速抬升，成为制约超节点性能的关键核心。过往超节点架构中，GPU 与 CPU 配比长期维持 8:1 或 4:1，但随着 AI 智能体时代到来，行业预判未来二者配比将逐步趋近 1:2 甚至 1:1。AI 智能体的多轮对话、长期记忆调取、上下文调度、复杂任务规划等大量核心工作，均在 CPU 与内存系统中完成，GPU 仅负责最终推理计算环节，算力工作负载持续向 CPU、内存、存储环节扩散，未来智算机房将从传统 GPU 中心架构，全面升级为 GPU、CPU、存储协同联动的一体化架构。需求爆发带动供给紧张，服务器 CPU 市场供需失衡，英特尔等头部厂商持续上调服务器级 CPU 售价，同时，AI 智能体依赖的长期记忆存储、知识库读写、上下文缓存技术，让高速存储不再是配套辅助环节，其容量、带宽、低时延能力成为决定超节点长上下文推理性能的核心指标。除此之外，超节点的核心难点早已不是简单堆叠算力芯片，高速互联、散热温控、供电系统的工程优化成为竞争关键。传统铜缆互联已触及带宽与传输距离上限，光互联成为主流发展方向，但同时带来电、光、热多物理场耦合的全新技术难题，高功耗芯片与光模块的热耦合问题亟待攻克。高密度机柜功耗达到数百千瓦，新型风冷、液冷散热方案持续迭代，整套供电链路的协同设计、集群异构算力算子融合、自动化调度与故障自愈能力，全方位考验企业底层软件与硬件工程实力，也让超节点系统工程师成为各大科技大厂核心争抢的人才。

　　超节点属于典型的重资产赛道，单套设备造价高昂、建设周期长，天然成为头部科技企业、大型云厂商的竞争领域，中小创业企业难以入局自建。超节点的盈利逻辑高度依赖算力负载率，只有保持高利用率跑满算力吞吐，才能实现正向 ROI，一旦负载不足，巨额投入将难以回本。目前行业采购客户高度集中，主要为头部 AI 模型企业、大型公有云厂商、省级智算中心，赛道竞争不再局限于硬件产品比拼，逐步延伸至算力租赁、集群运营、模型训练一体化服务的综合能力较量。

　　整体来看，AI 算力行业竞争已经完成范式迭代，从过去单一比拼芯片峰值性能，升级为超节点整套系统综合效能的角逐。超节点的普及，是 AI 算力组织方式的系统性重构，并非简单的算力堆叠。随着大模型、AI 智能体、世界模型、具身智能技术持续突破，超节点将成为支撑通用人工智能与物理 AI 落地的核心基础设施。未来，能够同时掌握芯片研发、硬件互联、底层软件、机房工程、算力运营全链条系统能力的企业，将在这场算力生死竞赛中牢牢占据产业主动权。