——以NVIDIA Kyber NVL144为坐标，重估华为、新华三与曙光的Scale-Up路线

企业是否应该采购超节点，不取决于厂商能否把1024张卡装进一个系统，而取决于四件事：企业的主力模型是否已经受到通信瓶颈限制，现有数据中心能否承受百千瓦级机柜，软件团队能否承担平台迁移，以及系统在未来三年能否保持足够高的有效利用率。

本文不按卡数和峰值算力给厂商排名，而是分析各家分别控制了哪些系统层、将工程复杂度转移到了哪里，以及这些选择在真实训练和推理负载下，是否更可能降低单位有效Token成本。

引语：超节点解决的不是“卡不够”，而是算力无法有效协同

2026年WAIC最值得观察的变化，不是又出现了多少国产AI芯片，而是几乎所有主要算力厂商都开始把产品展示的中心从单卡、服务器转向超节点。华为第一次线下展示了1024卡Atlas 950 SuperPoD真机；中兴联合壁仞、沐曦、燧原、天数智芯等厂商发布OEX超节点；壁仞展示1024卡NPO光互连方案；沐曦、燧原、摩尔线程、百度智能云和阿里云也分别给出了64卡、128卡、256卡乃至千卡级的系统方案。WAIC由此呈现出一个非常明确的产业信号：国产AI基础设施的竞争边界，已经从“芯片能不能用”推进到“系统能不能长期、高效、低成本地运行”。

这种转变并不是厂商为了展示更大的机柜，而是大模型工作负载本身改变了计算机的边界。

传统8卡GPU服务器以CPU和PCIe为中心，GPU之间可以在服务器内部高速通信，但一旦跨出服务器，就要经过网卡、交换机和Scale-Out（横向扩展，通过网络连接多个计算域）网络。对数据并行时代的大量AI任务，这种结构仍然有效；但在张量并行、超大MoE、长上下文推理和Prefill/Decode分离场景下，GPU或NPU之间需要在极短时间内频繁交换激活、梯度、Token路由结果和KV Cache。此时，网络不再只是连接计算机的外部设施，而开始成为计算机内部结构的一部分。

超节点的目的，是把更多加速器放入一个低时延、高带宽、可直接访问彼此内存的Scale-Up（纵向扩展，在单个域内通过高速互联增加处理器数量）域。这里的关键不在于“连了多少张卡”，而在于：

• 多少端点真正处于同一个低时延通信域；
• 端点能否使用Load/Store、原子操作和统一地址空间；
• 网络二分带宽是否足以承载All-to-All热点；
• 单卡、交换板或光链路故障后，作业是否必须重启；
• 软件能否感知拓扑、缓存和故障；
• 机房是否承受得起相应的供电、液冷和维护复杂度。

因此，超节点并不是普通服务器的简单放大。它更接近一次计算机体系结构的重新组合：机柜逐渐替代服务器成为物理集成单元，Scale-Up Fabric替代PCIe成为加速器主干，CPU从系统中心退到控制和服务层，KV Cache、内存和存储则开始变成独立的资源池。

---

一、路线盘点：三种超节点背后，是三种产业分工假设

如果把当前产品放在同一坐标系中，可以看到三条不同路线。

NVIDIA代表的是高度垂直的闭环体系。Vera Rubin NVL72把72颗Rubin GPU、36颗Vera CPU、NVLink 6、ConnectX-9、BlueField-4和软件平台组合成一个机架级系统；下一代Kyber则计划把单柜NVLink域扩大到144颗GPU，并通过八柜直接光互联形成NVL1152。NVIDIA用固定芯片和固定拓扑换取可预测效率，也让客户接受更深的平台绑定。

华为虽然同样采用全栈路线，但目标并不是机械复制NVIDIA。它围绕昇腾NPU、鲲鹏CPU、UnifiedBus、CANN、Mind系列、Atlas整机和华为云，构建一套独立AI计算体系；同时又开放UnifiedBus 2.0技术规范、UB OS Component和部分基础软件接口，试图在保持端到端优化能力的同时，降低生态扩展阻力。

新华三的路线介于垂直闭环与传统系统集成之间。它不仅推出S80000整机，还在向南控制SUE、G-Link协议、自研Scale-Up交换、GT-Link端侧芯片和GT-Fabric交换芯片；向北则依托GT38600、102.4Tbps交换体系和CPO布局连接多个超节点。其目标不是只做兼容多种XPU的机柜，而是尝试掌握加速器进入Fabric的入口。

曙光则把HPC时代积累的正交结构、浸没相变液冷、高压直流、并行存储、长周期作业管理和大系统工程能力迁移到AI。scaleX640强调极端密度和千卡计算单元，scaleX40则采用16U、40卡、标准19英寸形态，说明曙光并未只押注最大规模，也在寻找企业级超节点的部署甜点区。

三条路线争夺的是系统定义权

从企业决策角度看，这三条路线分别把复杂度放在不同位置：

• NVIDIA、华为把大量复杂度留在厂商内部，客户付出的是平台锁定；
• 新华三、曙光把芯片选择权交给客户，但平台厂商必须承担更大的适配和验证矩阵；
• 芯片企业向系统上探，可以更充分释放自有芯片能力，却要迅速补上过去由服务器、网络和软件厂商承担的工程责任。

接下来的判断不能再问“谁的卡更多”，而要逐层拆解这些复杂度是否真的被解决。

---

二、五个技术维度：超节点竞争到底在竞争什么

1. Scale-Up互联：决定超节点是不是一台“计算机”

1.1 工作负载已经把网络推入计算路径

稠密模型训练中，张量并行会在几乎每一层交换激活，数据并行需要进行梯度规约，流水线并行则要控制阶段间气泡。此时主要通信形态是AllReduce、ReduceScatter和AllGather。

MoE将问题进一步复杂化。每一个Token都可能被动态路由到不同Expert，网络面对的是突发、偏斜、难以预测的All-to-All。某些Expert瞬间成为热点时，即使网络平均利用率不高，少数出口的拥塞也会让大量加速器等待。传统按流哈希的ECMP很难处理这种微突发，因此信元级喷洒、多路径流控、在网计算和拓扑感知调度开始进入Scale-Up交换层。

推理又增加了状态移动。Prefill偏计算密集，Decode偏显存带宽和KV Cache访问；进行PD分离后，缓存状态要在不同节点间移动。上下文越长、并发越大，数据移动越可能超过矩阵计算本身的成本。

因此，Scale-Up的价值不是把传统网络做得更快，而是减少消息封装、CPU参与和显式数据复制，让远端加速器内存更接近本地系统资源。

1.2 NVIDIA：以闭环Fabric建立现实基线

截至2026年7月，Vera Rubin NVL72是比Kyber NVL144更现实的工程基线。它包含72颗Rubin GPU和36颗Vera CPU，单颗GPU拥有3.6TB/s NVLink Scale-Up带宽，整柜NVLink 6交换带宽为260TB/s，20.7TB HBM4总容量和最高1580TB/s聚合显存带宽。NVIDIA还将ConnectX-9、BlueField-4以及Scale-Out的InfiniBand和Spectrum-X纳入同一平台。

这些数字本身并不是NVIDIA最深的壁垒。更重要的是，GPU端口、NVSwitch、拓扑、NCCL、运行时和模型框架由同一家公司设计。通信库知道每条物理路径，交换Fabric能够配合集合通信，上层框架可以针对固定拓扑规划张量和Expert布局。

NVIDIA对Vera Rubin公布的“一百万Token成本降至GB200的十分之一”和“Token/MW提高十倍”，采用的是特定Kimi模型、32K输入和8K输出长度，应当视为厂商在特定测试口径下的结果，不可直接推广到所有模型和业务。它的意义主要在于评价口径的变化：领先厂商已经开始用Token/MW而不是PFLOPS定义产品价值。

Kyber则代表下一阶段。NVIDIA计划用新的MGX机柜容纳144颗GPU，并通过八柜直接光互联形成1152颗GPU的All-to-All域。这里的“NVL144”是未来产品和架构坐标，不应与已经部署的超节点按同等成熟度比较。

1.3 华为：扩大Scale-Up域既是模型需求，也是系统战略

华为的现实起点是CloudMatrix384。该系统由384颗昇腾910系列NPU和192颗鲲鹏CPU组成，UnifiedBus支持计算、内存和IO资源之间的直接All-to-All通信。华为研发团队公开的CloudMatrix-Infer进一步把Prefill、Decode和缓存拆成三个相对独立的资源池，并利用UB支持EP320、分布式KV Cache和硬件感知优化。相关论文属于厂商研发团队披露，应理解为特定系统和软件版本的工程结果。

华为在WAIC 2026展示的Atlas 950 SuperPoD真机采用1024卡部署，公开指标包括1 EFLOPS FP8、2 EFLOPS FP4、256TB全局统一编址空间、TB级NPU互联带宽和3微秒RTT。华为同时披露，昇腾384超节点已部署750套以上，覆盖20多个行业。前者说明Atlas 950已经越过纯概念阶段，后者则为CloudMatrix384提供了相对较强的重复部署证据。

华为规划中的Atlas 950满配形态则更大：8192颗昇腾950DT、128个计算柜、32个互联柜，柜间全光连接，计划于2026年第四季度上市。满配系统的公开规划包括8 EFLOPS FP8、16 EFLOPS FP4和约16PB/s总互联带宽。这里必须区分两种状态：WAIC展出的1024卡真机属于工程产品，8192卡满配属于明确的产品路线图，尚需要交付和长期运行数据。

华为为什么比NVIDIA更积极地把Scale-Up域推到千卡乃至数千卡？

首先，MoE和长上下文本身需要更大的低时延域。Expert数量增加后，如果很早就跨入普通Scale-Out网络，All-to-All通信会迅速拉低MFU；分布式KV Cache也需要更均匀的访问路径。

其次，华为公开说明，UnifiedBus研究始于2019年，现实背景之一是先进工艺不可获得，需要通过连接更多计算资源持续增加系统算力。这说明扩大Scale-Up既是面向模型的选择，也承担了系统级组合更多芯片的战略任务。

但增加芯片数量并不会自动降低成本。更大的系统同时意味着：

• 更多交换级数和光电转换；
• 更高的总功耗和冷却需求；
• 更多光模块、连接器和故障点；
• 更复杂的Expert、缓存和请求调度；
• 更大的故障域和备件库存。

华为路线能否兑现，不取决于8192这个数字，而取决于大域Goodput能否持续高于新增芯片、网络、电力和运维的成本。

华为的开放性应如何评价

华为已经开放UnifiedBus 2.0技术规范，并将UB OS Component整体开源，使其可以进入openEuler等操作系统；CANN编译器和虚拟指令接口采取开放策略，Mind系列则全面开源。华为还提出UBoE，即在以太网上承载UB协议，以便客户利用现有以太交换体系。

这并不意味着UnifiedBus已经变成完全由多家厂商共同治理的中立标准。华为仍控制主要NPU、CPU、交换、整机和软件实现，开放首先服务于扩大其技术体系的生态边界。更准确的定义是：

华为采用全栈主导、协议和软件组件选择性开放的路线。

这种模式保留了深度协同能力，也允许第三方开发操作系统、模组和相关部件。下一步应观察非华为芯片、交换设备和软件是否出现成熟实现，以及是否建立公开的互操作和一致性认证。

1.4 新华三：G-Link已经从协议演进为芯片与Fabric体系

新华三的Scale-Up布局需要分成五层理解。

第一层是现有S80000产品。官方材料显示，S80000覆盖32至1024卡规划，并可向更大的Scale-Out集群扩展；柜内使用一级Scale-Up交换、双交换芯片以及102.4Tbps高容量交换体系，链路层采用信元级负载均衡，物理层布局NPO/CPO。

第二层是SUE。新华三公开技术专刊称，256卡超节点基于SUE Scale-Up协议，可实现100%无阻塞通信；不同产品形态覆盖32、40、64和256卡。

第三层是GLink。新华三称1024卡方案将采用自研GLink协议，支持原生内存语义、无损网络和在网计算，并采用“大禹”一体化架构。官方还把GLink描述为借鉴或基于UCIe相关思想，但UCIe本身主要面向封装内Chiplet，因此跨板、跨Tray和跨柜仍需要独立的PHY、交换、路由、流控和RAS设计。

第四层是GT-Link和GT-Fabric。新紫光集团公开信息显示，LT公司研发了全面支持G-Link的GT-Link/GT-Fabric芯片，提供“端侧+Switch”方案，支持单柜72卡、背靠背144卡以及1024至8192卡多级SuperPOD，并具备在网计算、全链路负载均衡和精准拥塞控制。由“端侧+Switch”的描述推断，GT-Link更接近部署在XPU或计算模组侧的协议接入芯片，GT-Fabric则承担Scale-Up交换。公开材料尚未披露GT-Link的详细模块、工艺、封装、功耗或量产状态，这一分工仍属于基于现有披露的合理推断。

会场资料进一步披露，GT-Fabric拥有144个112G Lane，支持单级和两级交换、8至8192卡拓扑、300纳秒级时延和在网计算；同一材料提到100GB至800GB的通信带宽，但没有明确单位是GB、GB/s、单向、双向、每端口还是每XPU，因此不宜将这一数据直接放入与NVLink或UnifiedBus的横向参数表。

按144×112Gb/s推算，GT-Fabric单向原始SerDes线速约为16.128Tb/s；若按全双工收发总量相加则约为32.256Tb/s，尚未扣除编码、FEC和协议开销。若一个端口使用8个112G Lane，则一颗芯片大约形成18个800G级端口；即便使用4 Lane，也只有约36个400G级端口。

这一计算说明，“支持8192卡”指由多颗GT-Fabric和多级拓扑组成的系统能力，绝不意味着一颗芯片直接连接8192张卡。评价GT-Fabric的关键指标应是：

• 72、144、256和1024卡分别需要多少颗交换ASIC；
• 多级拓扑中平均和最坏Hop数量；
• 网络二分带宽；
• MoE热点下的P99、P99.9时延；
• 单颗GT-Fabric故障影响多少XPU；
• 在网计算支持哪些Collective和数据精度。

第五层是GT38600和北向网络。新紫光集团同时发布了GT38600系列可编程交换芯片，覆盖3.2T、6.4T、8T和12.8T容量，并计划在2027年推出51.2T CPO交换机。这一系列更接近数据中心和Scale-Out交换，而GT-Fabric更接近超节点内部Scale-Up。新紫光还披露，LT和GT体系协同后，目标是构建南北向全栈智算互联；其“MFU由30%提高到80%、Token成本降至传统方案35%”属于厂商口径，公开材料没有给出模型、基线、功率和测试边界，不宜直接作为跨厂商结论。

由此可以得到一张更完整的技术拓扑：

XPU / OAM / 加速器模组
          │
       GT-Link
  端侧接入、协议与端网协同
          │
       GT-Fabric
  南向Scale-Up交换与在网计算
          │
H3C UniPoD / S80000系统平台
          │
102.4Tbps交换体系 / GT38600
   北向Scale-Out和数据中心网络
          │
       NPO / CPO
          │
   多个超节点和AI集群

这里需要保留一个重要的审慎判断：新华三S80000材料中的“102.4Tbps高容量交换芯片”，目前不能直接与“144×112G Lane的GT-Fabric”画等号。两者可能属于不同层级、不同代际，也可能一个是系统聚合容量、一个是单芯片参数；公开资料尚未给出明确产品映射。

紫光股份的上市申请文件还提出，下一代智能计算服务器将把专有GTLink芯片组与OpenUALink生态技术集成，构建全连接、无阻塞、高带宽互联通道。该内容位于未来研发计划，意味着新华三体系希望同时保留自有芯片控制力和开放标准兼容性，但不能按当前量产能力评估。

新华三路线的战略价值

如果GT-Link能够吸收不同XPU端侧接口差异，GT-Fabric能够提供统一的内存语义、流控、拥塞和故障机制，新华三就可能把Scale-Up交换从单一芯片厂商的附属能力，变成可独立演进的平台层。

这种模式为客户提供的是“生命周期选择权”。未来更换XPU时，理论上可以继续复用：

• 机柜与供电；
• 液冷和机械结构；
• 部分Scale-Up交换；
• Scale-Out网络；
• 监控、调度和计费；
• 部分集合通信和可观测体系。

但是，开放性不能只看物理兼容。至少要区分三个层次：

选型开放：同一平台可以装不同品牌XPU，但一个具体计算域仍是同构系统。

资源池开放：一个数据中心可以同时运行多种XPU资源池，统一管理，但不同作业分别运行。

作业级异构协同：同一个分布式作业跨不同品牌XPU运行，共享集合通信、内存语义和故障恢复。

前两层已经具有明显商业价值，第三层则要求地址转换、原子操作、内存排序、数据格式、编译器、算子和通信库共同兼容。不能因为端侧芯片能够连通，就认定跨品牌异构训练已经成熟。

因此，新华三路线当前最准确的评价是：

它已经从开放整机向自有端侧芯片和Scale-Up交换芯片推进，具备参与国产AI Fabric定义的可能；但从“多芯片可接入”到“多芯片可高效运营”，仍需要大量跨XPU联合验证。

1.5 曙光：高密度证明的是系统工程，不自动等于扁平内存域

曙光scaleX640采用超高速正交架构、超高密度刀片、浸没相变液冷和高压直流。公开资料称其形成单机柜640卡通信域，两套系统可组成千卡计算单元，并完成30天以上长稳测试。

这个方案的价值主要在高密度和系统工程：正交结构缩短电连接距离，浸没液冷减少风道，高压直流降低大电流配电压力。

但“640卡通信域”不能自动等同于“640卡完全扁平、统一Load/Store语义的Scale-Up域”。采购方必须进一步确认：

• 是否支持统一地址空间和原子操作；
• 采用几级交换；
• 网络二分带宽和收敛比；
• 单交换板故障影响范围；
• 同一作业跨两套scaleX640后性能下降多少；
• 多品牌加速卡是可选装，还是可以在同一作业中协同。

scaleX40则代表另一种思路：40卡、16U、标准19英寸、正交无线缆，公开指标包括超过5TB HBM和17TB/s Scale-Up聚合带宽。其宣传材料称可进入大部分存量机房，但“无需改造”“99%适配”等结论仍需客户按自身供电、承重和散热条件核实。

这两款产品放在一起看，反而比单纯强调640卡更有意义：曙光承认超节点不会只有一种规模。极端大域面向AI4S和头部训练，40卡形态则面向企业推理、微调和存量机房。

1.6 技术规范会分层，不会由一个协议包办全部互联

UALink 1.0面向加速器Scale-Up，支持200G每Lane、最多1024个加速器，强调低时延、内存共享和加速器到交换机互联。

UCIe主要面向封装内Chiplet互联。UCIe 3.0已支持48GT/s和64GT/s，并增强管理和3D封装能力，但它并不是直接用于多米距离机柜互联的完整规范。

CXL主要负责CPU、设备和内存的一致性与池化。CXL 4.0把速率提高到128GT/s，增强组合端口和内存RAS，更适合作为容量内存、KV Cache和CPU资源池的基础，而不是替代HBM或高速XPU Fabric。

Ultra Ethernet和InfiniBand则主要承担Scale-Out。UEC 1.0围绕多路径、拥塞、尾延迟和AI/HPC流量重新设计以太网传输，但其基本任务仍是连接多个节点或超节点，而不是完全取代内部Load/Store Scale-Up总线。

未来更可能形成的分层是：

• 封装内：UCIe；
• 加速器Scale-Up：NVLink、UnifiedBus、G-Link/GT-Link、UALink及其他厂商协议；
• CPU和内存：CXL；
• 超节点间Scale-Out：InfiniBand、Ultra Ethernet、Spectrum-X等；
• 板间、Tray间和柜间：根据距离混合使用铜、正交电连接、NPO、CPO和可插拔光模块。

1.7 这一维度谁领先

在闭环通信效率、软件成熟度和量产供应链上，NVIDIA仍然领先。

在国产大Scale-Up规模、统一编址和芯片—互联—软件全栈协同上，华为走得最远。

在开放南向Fabric、端侧芯片和交换ASIC的体系化布局上，新华三及新紫光体系已经超出传统系统集成商的角色，但其GT-Link/GT-Fabric仍需Datasheet、规模出货和客户长期负载证明。

在高密正交、浸没液冷和HPC系统工程上，曙光具有差异化积累。

在光交换、动态拓扑和千卡光互联方面，曦智、壁仞、中兴等联合方案是可能改变下一阶段架构的重要变量。WAIC 2026期间，壁仞的NPO方案提出1024卡Scale-Up，曦智也披露了光互连集群的部署进展，但仍应区分“光链路规模”和“统一内存语义Scale-Up域”。

---

2. 机电工程：当机柜成为主板，服务器制造逻辑必须重写

Scale-Up协议决定系统能否协同，机电工程决定它能否生产、运输、安装和维护。

2.1 NVIDIA：把复杂度封装在工厂，把维护界面留给Tray

Vera Rubin采用第三代MGX机架架构，计算和NVLink交换Tray强调PCB连接、模块化、无线缆、无软管和无风扇，目的是缩短现场维护时间，并让全球80多家生态伙伴能够围绕统一参考设计进行制造。

NVIDIA并没有在一代产品中消灭所有线缆，而是把复杂互联集中到预集成骨干，把客户现场接触的维护单元变成Tray。它牺牲部分材料和整柜重量，换取制造一致性与现场可维护性。

Kyber阶段，NVIDIA还将向800V直流推进。电压提高的基本原因是，在相同功率下减少电流和铜排尺寸，从而支持数百千瓦乃至兆瓦级机柜。800V并不是简单更换电源，它会同时改变绝缘、直流拉弧保护、连接器、维护流程和设施配电。

2.2 华为：正交电连接和柜间全光共同扩大物理边界

Atlas 950采用多计算柜和互联柜结构。短距离使用高密电互联，远距离和柜间则使用光连接。这种分层符合物理规律：铜在短距离上成本低、时延小；规模扩大后，距离、信号损耗和布线数量迫使光进入Fabric。

正交无缆架构会减少现场线缆，却把难度转移到机械设计：

• 连接器插损和串扰；
• 中板与背板加工精度；
• 导轨和盲插公差；
• 机箱刚度；
• PCB翘曲；
• 热循环后的位移；
• 液冷快接与高速电连接同时盲插的可靠性。

华为规划的8192卡系统由160个机柜构成，意味着光模块、连接器和光纤数量也会大幅增加。企业需要关注光链路的在线诊断、热插拔、备件率和自动重路由，而不是只看“全光”这一标签。

华为在WAIC同时展示Atlas 850E风冷超节点，支持标准机柜96卡部署，目标是降低存量IDC改造门槛。这说明华为也在区分新建高密数据中心和传统机房，而不是认为所有超节点都必须立即转向整柜液冷。

2.3 新华三：标准模组、盲插、工厂预集成和高压直流并行

S80000以“1颗CPU+4张AI加速卡”为计算节点，支持OAM和UBB模组；高速连接器支持盲插，并采用0.02毫米级检测。新华三同时规划800V高压直流、两相冷板和浸没液冷，宣称机柜工程能力可支持350kW以上功率。这里的350kW应理解为机柜承载和未来扩展能力，不代表所有32卡、64卡配置的实际功耗。

新华三把约90%的装配、理线、软件调试和模型预集成前移到工厂。这一点对企业非常实际，因为超节点现场最容易发生的问题并不是芯片失效，而是：

• 驱动、固件和框架版本不一致；
• 光纤或铜缆接错；
• 液冷快接污染；
• 交换拓扑配置错误；
• BMC、Fabric Manager和调度系统版本不匹配。

工厂预集成有助于降低这些错误，但也会增加整柜运输和现场就位要求。采购前必须确认机柜重量、货梯尺寸、楼板承重、搬运路径、门高、冷却水接口和母线位置。

开放平台还面临一个额外挑战：不同XPU的尺寸、功耗、冷板位置、固件和供电瞬态并不一致。物理上能够插入OAM，不等于整个机柜已经完成信号、电源、液冷和软件验证。新华三的系统工程价值最终取决于它能否为每一种认证组合提供完整测试矩阵，而不只是提供机械兼容。

2.4 曙光：极端密度与标准箱式同时存在

scaleX640采用正交架构、浸没相变液冷和高压直流，主要面向新建、高密度计算中心。其优势是缩短电连接、取消大量风道并提高密度；代价是客户必须接受完全不同的维护和冷却体系。

scaleX40采用16U标准箱式结构和正交无线缆一级互联，代表曙光对企业市场的另一种判断：很多客户不需要为千卡超节点重建机房，而更需要一个可以像标准设备一样采购和扩容的40卡系统。

企业不应把640卡视为比40卡“更高级”。前者优化单位面积算力和大型作业，后者优化部署速度、资源切片和存量基础设施利用。二者服务的经济问题不同。

2.5 机电工程的验收重点

超节点机电验收至少应覆盖：

• 高速链路误码率和眼图裕量；
• 热循环、振动和运输后的连接可靠性；
• 电源瞬态和大规模GPU同步升载；
• 单电源模块和母线故障；
• 液冷快接插拔寿命；
• Tray更换时间；
• 更换时是否需要排空整个冷却回路；
• 单部件故障的隔离范围；
• 机房实际PDU、UPS、冷却和楼板改造成本。

对存量数据中心，设备采购价可能不是最大的成本。供电扩容、CDU、水路、建筑加固和停机改造，完全可能抵消超节点带来的性能收益。

---

3. 散热工程：PUE低，不代表Token便宜

高端超节点将液冷作为主线已经没有太大悬念，但液冷并不是单一路线。

单相冷板液冷最接近传统服务器。冷却液在封闭管路内流经GPU、CPU和交换芯片，电子部件多数仍暴露在空气中，维护和供应链相对成熟。

两相冷板利用冷媒相变吸热，能够处理更高热流密度，但对压力、气液分配、材料、冷媒和密封提出更高要求。

浸没式把板卡直接放入绝缘液体中，可以获得更高密度并取消大量风扇，却会改变板卡维修、连接器选择、光模块、材料兼容和质保条件。

华为Atlas 950采用全液冷方向，同时保留Atlas 850E等面向风冷存量机房的产品；新华三S80000当前对高功耗部件采用约80%的液冷覆盖，并规划两相和浸没；曙光scaleX640则把浸没相变液冷作为核心差异。

散热评价不能停留在PUE。PUE衡量数据中心总用电与IT设备用电之比，却不反映加速器是否在做有效工作。

假设系统A的PUE为1.05，但由于网络和软件问题，GPU只有50%时间用于有效计算；系统B的PUE为1.15，但GPU有效利用率为80%。系统B的单位Token能耗可能更低。

企业更应测试： $$ \text{kWh/有效Token} $$ 以及训练场景中的： $$ \text{完成目标模型训练的总用电量} $$ 功率测量边界必须包括GPU/NPU、CPU、内存、Scale-Up交换、Scale-Out网络、DPU、存储、CDU和必要的设施冷却。若只测计算卡功耗，就无法比较整套超节点经济性。

液冷POC还要做异常测试：

• 单泵故障；
• 部分流路堵塞；
• CDU切换；
• 供液温度升高；
• 单冷板流量下降；
• 快接微漏；
• 局部热点和功率阶跃。

优秀的系统应能够把温度和流量状态传给BMC和调度器，在故障发生前迁移任务、限制功率或隔离局部资源。冷却只有进入算力控制面，才是超节点的一部分；否则仍只是外围设施。

---

4. 系统架构与扩展性：CPU没有消失，资源的绑定方式在改变

4.1 NVIDIA：同时进行紧耦合和解耦

Vera Rubin NVL72采用72颗GPU和36颗Vera CPU，CPU通过高速互联服务数据移动、控制和Agent任务。与此同时，NVIDIA又推出CPU Rack、Groq 3 LPX、BlueField STX和Spectrum SPX等专用机架，把低时延推理、CPU沙箱、存储、网络和上下文内存从核心GPU域中拆出。

这不是方向矛盾。GPU附近需要低时延CPU处理控制和数据路径，而Agent沙箱、工具调用、数据预处理和容量内存不值得占用昂贵的GPU资源，因此更适合独立池化。

未来AI Pod很可能不再只有一种服务器，而是包含：

• 核心GPU/NPU Scale-Up柜；
• CPU与Agent服务柜；
• KV Cache和容量内存柜；
• 存储与DPU柜；
• Scale-Out交换和光互联柜。

不同资源也不会使用同一种互联。

4.2 华为：PR、DT、CPU和缓存的分工已经进入芯片设计

华为的950PR和950DT共用Ascend 950 Die，却采用不同内存与互联配置。950PR面向Prefill和推荐，配备128GB内存和1.6TB/s带宽；950DT更侧重Decode和训练，规划144GB内存、4TB/s内存带宽和2TB/s互联。

这一设计比“同一GPU承担所有阶段”更激进。其潜在收益是：

• Prefill不必为过多显存付费；
• Decode获得更高内存和互联能力；
• 不同阶段可以独立扩缩；
• KV Cache可以从计算节点中解耦；
• 资源池按业务特征配置。

但专用化会带来新的容量规划风险。Prefill与Decode资源比例并不固定，它取决于输入长度、输出长度、并发量、批处理方式和模型结构。若PR和DT资源不能灵活互换，某一池可能闲置，另一池却排队。

因此，华为路线的评价重点应从单卡规格转向：

• PR和DT平均利用率；
• PD之间缓存迁移开销；
• 请求调度是否感知KV位置；
• 业务流量变化时资源能否重组；
• 单个资源池故障是否拖累整个服务；
• 不同芯片池的升级周期是否一致。

华为的技术努力，是把Token生产过程拆成不同物理阶段，再为每个阶段设计专用资源。它可能获得更低系统成本，也要求更强的软件调度。

4.3 新华三：模块化的价值在于替换能力，而不只是兼容

新华三以1颗CPU和4张加速卡构成基本节点，再通过SUE、GLink和Scale-Up交换组成更大域。该模式保留了较清晰的CPU—XPU模块边界，便于适配不同芯片、DPU和模组。

开放平台的真正商业价值，不是采购时可从几个品牌中选择，而是下一代XPU到来时，多少旧设施可以继续使用。

企业应在合同中明确：

• 机柜和液冷复用比例；
• GT-Fabric或其他交换层是否复用；
• 新端侧芯片是否需要更换；
• 旧、新XPU能否在同一管理平台并存；
• 模型迁移需要多少人周；
• 原有监控、调度和计费能否继续使用；
• 旧硬件退出和残值如何处理。

如果更换XPU同时需要更换交换板、电源、冷板、通信库和管理平台，那么“开放”主要是采购品牌开放，而不是生命周期TCO开放。

GTLink与OpenUALink的集成计划值得关注，正是因为它试图让端侧芯片既保留自有协议优化，又兼容更广泛的开放生态。但目前这一能力处于研发规划阶段，应被视为未来选择权，而不是已实现的互操作收益。

4.4 CXL和KV Cache池会改变推理系统，但不会取代HBM

CXL 4.0提高了CPU、设备和内存互联能力，为机架级内存扩展提供基础，但CXL内存与HBM仍存在明显延迟和带宽差异。

更合理的未来内存层次是：

• 当前计算权重和热点KV保留在HBM；
• 低活跃KV进入CXL内存或远端DRAM；
• 冷状态、模型副本和Checkpoint进入高速存储；
• 调度器根据缓存位置和请求特征选择执行节点。

新华三已经把KV Cache多级卸载、缓存感知调度和PD分离纳入S80000软件体系；华为CloudMatrix则提出独立缓存池和P2P访问；NVIDIA也在构建专门的上下文内存和推理Rack。

企业不应只比较“总内存有多少”，而要测试：

• HBM、CXL和存储层命中率；
• 缓存迁移量；
• 迁移后的P99延迟；
• 不同上下文长度下的吞吐；
• 缓存节点故障后的恢复；
• 多租户之间的缓存隔离和安全。

---

5. 软件生态与调度：硬件规格要经过迁移和故障两次折算

5.1 NVIDIA的软件优势，是减少客户的不确定性

CUDA的价值不只在API，而在编译器、算子库、NCCL、性能分析、调试工具、PyTorch支持、推理引擎、固件验证和大量模型优化经验。

在NVIDIA平台上，通信库知道NVLink拓扑，运行时知道GPU和内存结构，模型框架又可以直接利用成熟并行策略。硬件采购价格高，但客户通常可以减少模型迁移、Kernel调优和跨厂商排障的人力。

其风险是锁定。模型、算子、运维体系和团队技能都可能与CUDA深度绑定。企业在TCO中必须计算未来迁出成本，而不能只比较当前采购价格。

5.2 华为的软件工作已从“兼容模型”推进到“控制系统”

把华为的软件挑战简单归结为“CANN不如CUDA”，会忽略其已经进行的三类努力。

第一类是基础生态开放。华为披露，CANN社区已有67个项目、超过1244万行开源代码和3500名月活开发者；Mind系列和相关工具也在扩大开放。数量不能直接证明算子质量，却说明华为正在降低外部开发者参与门槛。

第二类是超节点级软件。CloudMatrix-Infer处理EP320、Prefill、Decode、缓存池和UB通信，这不是一个简单CUDA兼容层能够完成的，而是针对UnifiedBus拓扑重新设计推理服务。

第三类是生产运行。昇腾384的大量部署可以持续反馈驱动、通信、固件、算子和长周期故障问题。华为自报的750套应进一步通过客户数据验证，但其工程意义显著高于一次模型Benchmark。

华为软件仍需重点验证：

• 长尾算子覆盖；
• 新模型首发适配速度；
• 自定义Kernel开发效率；
• 性能分析工具；
• 低精度格式下的精度；
• CANN、固件和驱动版本兼容；
• CUDA模型迁移人周；
• 384卡向1024卡扩展时的软件修改量。

企业POC必须使用自己的模型、数据和精度目标。若只运行厂商已经深度优化的参考模型，无法测出迁移成本。

5.3 新华三的软件任务，是让多元硬件不变成多套孤岛

新华三软件体系包括集合通信、算子库、运行库、驱动、NingOS、BMC、容器、管控平台和业务平台，并强调拓扑感知、故障感知、逻辑切片、昼推夜训、KV Cache卸载和PD分离。

这条路线的价值在统一运营。如果一家企业采购多种国产XPU，却为每种芯片分别建设：

• 独立调度；
• 独立监控；
• 独立网络；
• 独立容器镜像；
• 独立模型服务；
• 独立运维团队；

那么供应多元化会迅速转化为管理成本。

新华三需要提供统一资源发现、拓扑、监控、计费和故障管理，同时允许每种XPU加载专门优化的编译器、算子和通信后端。若为了统一接口，只使用所有芯片都支持的最低公分母能力，开放平台的效率会明显低于垂直闭环。

判断新华三软件是否成熟，不应只看支持多少框架，而要看：

• 每一种XPU是否有独立优化后端；
• 性能差距能否定位到芯片、Fabric还是软件；
• 一个后端升级是否影响其他资源池；
• 不同芯片是否可以统一监控和计费；
• 故障责任是否有唯一总协调方；
• 客户是否需要长期维护大量兼容补丁。

新华三披露，S80000支持FlashCheckpoint、10分钟数据持久化、有效训练时长超过96%，以及通过KV Cache、PD分离和全栈优化提高单卡推理效率。这些属于厂商测试结果，采购方应按自己的模型、存储规模和故障条件复测。

5.4 曙光的软件优势更接近HPC长周期作业

曙光长期服务超级计算和AI4S，其软件强项更偏向：

• 批作业和大规模调度；
• MPI及传统并行生态；
• 并行存储；
• 长周期任务；
• Checkpoint；
• 资源配额；
• 集群健康管理。

对于运行数周、数月的模型训练和科学计算，作业完成率和恢复损失有时比单步峰值性能更重要。曙光下一步需要证明的是，在多品牌AI加速卡平台上，每种芯片是否拥有足够深的AI算子和通信优化，而不是只完成统一纳管。

三、跨维度评估：按公开证据，而不是发布会声量判断成熟度

超节点成熟度至少可以分成四级：

按这一标准，截至2026年7月：

这一分级评价的是公开证据，不代表厂商内部技术状态。厂商可能拥有未公开数据，但企业采购时应要求其进入POC或数据室，不能用“商业保密”完全替代验证。

当前没有足够统一、独立且跨工作负载的数据，可以证明任何一家在所有场景中达到普遍意义上的L4。不同厂商使用的模型、精度、上下文长度、功率边界和基准系统不同，不能直接把各自发布会上的“提升倍数”放到一张表中相除。

---

四、规模判断：32—144卡是商业主战场，256—1024卡是条件性选择

超节点不会无限向一个扁平域扩大。随着端点增加，交换级数、故障概率、光模块数量和运维复杂度都会上升。

未来比较合理的规模分层是：

32—64卡：企业级基础单元

适合：

• RAG和企业知识服务；
• LoRA和中型模型微调；
• 中等并发推理；
• 部分Agent业务；
• 存量数据中心。

这一档更看重软件易用性、低负载效率、资源切片和部署成本，而不是最大互联规模。

72—144卡：机柜级商业主战场

适合：

• 较大模型实例；
• 中大型MoE；
• 长上下文推理；
• 较大张量并行；
• 持续高并发服务。

这一规模既能形成显著Scale-Up收益，又没有把故障域和机房要求推到不可控程度。NVIDIA NVL72、未来NVL144、新华三72卡规划以及多家国产64/128/144卡产品，都反映了这一甜点区。

256—1024卡：头部模型和核心算力

适合：

• 大规模MoE；
• 万亿参数训练；
• 超长上下文；
• 云级Token服务；
• 持续高利用率的核心推理。

企业只有在已经证明模型受跨节点通信限制，并拥有稳定高负载时，才应为这一规模支付机电和运维成本。

1024卡以上：分层Scale-Up和多柜光互联

超过1024卡后，系统更可能形成多个可切片子域、多级交换和柜间光连接，而不是所有端点处于完全扁平、相同语义的统一域。

采购文件必须区分：

• 物理上连接了多少卡；
• 调度平台可以管理多少卡；
• 单一作业能使用多少卡；
• 多少卡处于统一Load/Store域；
• 故障后多少卡仍能继续运行。

---

五、企业决策：先判断是否需要自建，再判断买哪一种超节点

超节点并非默认比云服务或普通GPU集群经济。企业应先回答利用率和组织能力问题。

对多数企业，64至144卡很可能比1024卡更接近经济甜点区。它能够承载较大的模型实例、张量并行和MoE Expert域，同时故障范围、调度复杂度、资源碎片和机房要求仍相对可控。

256至1024卡Scale-Up具有充分理由的前提是：

• 主力模型已经证明受到跨节点通信限制；
• All-to-All或大规模张量并行占据较高时间比例；
• 企业有持续任务保持大域利用率；
• 机房具备相应供电和冷却；
• 软件团队能够管理模型并行和故障恢复；
• 厂商可以证明大域Goodput高于新增系统成本。

超过1024卡后，行业更可能采用分层拓扑、多个可切片Scale-Up子域和柜间光互联，而不是让所有端点处于完全扁平、无差别的一致域。企业采购时应明确“1024卡物理互联”“1024卡可调度集群”和“1024卡单一Scale-Up内存域”并不是同一个概念。

---

六、采购POC：不能用一次Benchmark决定三年基础设施

超节点POC至少应持续7天，核心训练平台最好进行30天测试。

对ScaleUp南向互联，可以考虑增加专门的芯片级验收：

• 工艺、封装、功耗和缓存；
• Lane配置和有效端口数；
• 端到端往返时延RTT测试；
• 多级拓扑下的Hop和收敛比；
• 在网计算支持的算子和数据格式；
• 信元级负载均衡是否产生乱序；
• 单ASIC故障的影响范围。

---

七、结论：谁的路线更容易兑现为低成本Token

首先要统一定义： $$ \text{单位有效Token成本}

\frac{ \text{硬件折旧} +\text{机房改造} +\text{电力与冷却} +\text{软件及支持} +\text{运维人员} +\text{故障及重跑损失} +\text{迁移与退出成本} }{ \text{满足精度、吞吐和尾延迟SLA的有效Token} } $$ 不满足精度要求、超过P99延迟、因故障重跑或没有交付给业务的Token，都不应计入有效产出。

训练业务则应看目标模型训练总成本、Time-to-Train和有效训练时长，而不是简单使用Token/s。

NVIDIA：在CUDA负载和供应约束不突出时，兑现风险最低

对于软件主要基于CUDA、追求最快上线、能够长期维持高利用率且可以接受供应商锁定的头部AI负载，NVIDIA仍是最容易把峰值算力转化为可预测应用性能的路线。

其优势来自GPU、NVLink、通信库、模型生态、整柜制造和故障运维的完整闭环。企业支付的不只是GPU价格，也是在购买较低的软件和集成不确定性。

但对利用率较低、负载仍在变化的企业，自建NVIDIA超节点未必比云服务便宜；采购溢价、软件锁定和下一代升级成本也必须进入三年TCO。

华为：国产全栈路线中，最接近一套完整可运营体系

华为的技术努力不能被简化为“用更多NPU堆规模”。其路线已经覆盖：

• 面向不同推理阶段的950PR和950DT；
• UnifiedBus大规模互联；
• NPU、CPU、内存和IO池化；
• CloudMatrix的PD及缓存解耦；
• 多柜全光；
• CANN、Mind和UB OS开放；
• 从384卡规模商用向1024卡产品推进。

华为最适合国产供应、数据主权和长期可获得性优先，同时具备较大持续负载的云、运营商、金融、政务和大型行业客户。

它能否形成更低Token成本，取决于大Scale-Up域能否维持较高Goodput，以及PR、DT、缓存、CPU和网络资源能否在真实流量中保持平衡。企业应关注每有效Token功耗、模型迁移人周、故障域和长期利用率，而不是只看8192卡规划。

从当前公开证据看，华为是国内最接近把芯片、互联、软件、服务器和云平台组织成完整AI计算体系的厂商。它的主要挑战已经从“能否构建超节点”转向“能否让更多模型以较低迁移成本持续跑满超节点”。

新华三：潜在收益最大的是生命周期选择权

新华三路线的技术含量不只在整机柜和数据中心网络。SUE、GLink、南向交换芯片、102.4Tbps交换、信元级负载均衡、NPO/CPO、GTLink/GTFabric体系表明，它正在尝试控制Scale-Up Fabric这一关键层。

对于希望长期使用多种国产XPU、避免一次性绑定某一芯片路线，并希望下一代硬件能够复用机柜、冷却、交换和运维平台的企业，新华三具有较大的结构性价值。

新增的GT-Link和GT-Fabric信息，显著强化了新华三路线的技术含量。它并不只是在机柜中兼容不同XPU，而是在构建：

• G-Link协议；
• GT-Link端侧芯片；
• GT-Fabric Scale-Up交换；
• S80000整机；
• GT38600和102.4Tbps北向交换；
• NPO/CPO光互联；
• 统一调度和运维。

若这一体系成熟，客户更换芯片时可能不必重建整套数据中心，生命周期TCO会有明显优势。

但它也是兑现风险最高的一条路线之一，因为开放Fabric需要同时解决芯片、协议、软件和责任边界。GT-Link/GT-Fabric是否成功，最终不看最大组网数字，而看真实MoE负载下的二分带宽、尾延迟、故障隔离和跨XPU软件效率。

曙光：更适合HPC、AI4S和高密新建数据中心

曙光的竞争力来自大型计算系统、浸没液冷、长周期作业和科学计算生态。对于AI4S、传统HPC与大模型混合场景，以及愿意重构机房和运维流程的客户，其系统工程能力具有独特价值。

需要进一步验证的是高密度卡数对应的逻辑Scale-Up边界、不同XPU的软件优化深度，以及长期故障和维护成本。640卡物理集成是工程成果，但客户最终应按模型Goodput和总成本采购，而不是为密度纪录付费。

---

超节点的终局，不是最大的机器，而是最稳定的Token生产系统

未来三到五年，行业大概率会在以下方向收敛：

• 机柜成为基本集成单元；
• 高端系统采用液冷和高压直流；
• Scale-Up、CXL和Scale-Out形成分层互联；
• 调度器感知拓扑、缓存、功率和故障；
• Prefill、Decode、KV Cache和CPU服务逐步解耦；
• 光互联从柜间向NPO和CPO推进。

同时，几种分化会长期存在：

• NVIDIA、华为式全栈闭环，与新华三、UALink、OEX式开放Fabric；
• 同构极致效率，与多元XPU选择权；
• 通用GPU池，与PR、DT、CPU和KV Cache专用资源池；
• 极高密度新建机房，与可进入存量数据中心的标准形态；
• 电互联的低成本低时延，与光互联的距离和扩展能力。

对大多数企业，千卡超节点不应成为默认目标。若主力业务仍是RAG、企业Agent、中型模型微调和稳定推理，64至144卡、能够切片、软件成熟且可以进入现有机房的系统，通常更容易获得合理利用率。

只有当企业已经用数据证明通信成为主要瓶颈，具备持续高负载、高密供电、液冷和复杂运维能力时，256至1024卡Scale-Up才有充分经济理由。

因此，谁的路线更容易兑现低成本Token，答案必须带有场景条件：

• 全球CUDA负载和快速上线优先，NVIDIA当前风险最低；
• 国产全栈供应和大规模核心算力优先，华为最接近完整兑现；
• 多元XPU和长期基础设施复用优先，新华三拥有最大的潜在选择权；
• HPC、AI4S和高密系统工程优先，曙光具有独特价值。

企业不应为发布会上的最大卡数付费，而应为可验证的Goodput、可控的迁移成本、可维护的机电系统和明确的升级路径付费。

规模写在发布会屏幕上，成熟度写在长期运行日志里，而一条超节点路线是否真正成立，最终要写在每兆瓦、每年能够交付多少SLA有效Token的账本上。