昇騰掀起的“超節點”浪潮，正在改寫算力產業的游戲規則

一位很久未聯系的朋友，突然問了我們一個問題：最近總是刷到超節點的帖子，這到底是個什么技術？

一個星期前的華為HC 2025上，正式拋出了“超節點”的概念，朋友圈、行業群乃至資本市場，幾乎都在一夜之間都被“超節點”刷屏。原本只在算力行業討論的話題，迅速走進了大眾視野。

進一步翻看過去兩個月的新聞，和“超節點”概念有關聯的不只是華為，百度、浪潮、騰訊、字節跳動等都官宣了超節點服務器的布局，已然成了算力產業的新風向，演變為一種新的產業敘事。

問題來了：為什么“超節點”能一夜走紅？到底是什么樣的創新？又將怎么改變AI產業的格局？

讓我們來一一回答。

01 一場應用驅動的架構革命

回答超節點概念走紅的原因前，先來梳理下大模型的現狀：

在大模型訓練層面，正沿著“規模定律”不斷演進，參數與集群規模實現了“雙萬”跨越，即大模型參數從億級躍遷至萬億級，訓練集群從“萬卡”走向“十萬卡”，呈現出了驚人的倍數級增長趨勢。

在大模型推理層面，當前中國的日均Token消耗量已經超過30萬億，考慮到Agentic AI、Physical AI的演變趨勢，推理需求還將指數級增長，要求計算集群同時滿足低時延、高吞吐的需求。

這些變化和“超節點”有什么關系呢？

9月18日舉辦的昇騰AI人工智能產業峰會上，中國信息通信研究院、中國電子技術標準化研究院、全球計算聯盟GCC、國家信息中心攜手產業界正式發布了《超節點發展報告》，給出了專業的解釋。

傳統的服務器集群主要采用“橫向擴展”的架構，能夠很好地適配松耦合的計算負載，但不同機柜間由于線性度的影響會有算力性能損失，導致1+1<2。確切地說，面臨著三重系統性挑戰：

首先是通信墻，千億級模型一次梯度同步就有TB級的數據，傳統以太網難以承受；其次是功耗與散熱墻，為破通信墻而提升密度，促使液冷、48V供電成標配；以及復雜度墻，萬卡集群進一步抬升了運維復雜度。

時間回到2025年4月，“超節點”成了技術圈的熱門話題，原因是華為實現了業界最大規模的384卡高速總線互聯。

和傳統集群的最大區別，昇騰采用了“以網聯算”的技術路徑，基于高速互聯總線突破了算力協同瓶頸，讓計算集群像一臺計算機一樣高效工作，并可實現“一卡一專家”并行推理。

昇騰驗證了超節點技術的可行性，這場架構革命激起的漣漪，迅速在產業中擴散，算力廠商紛紛擁抱“超節點”。

02 “超節點”的三個技術特征

怎么判斷什么是真正的“超節點“呢？最直觀的指標無疑是性能。《超節點發展報告》歸納了三個技術特征：

一是超大帶寬。

傳統計算集的卡間互聯依賴PCIe或以太網，目前跨服務器互聯帶寬多為50Gb/s上下。在千億級模型訓練的并行計算場景中，頻繁的GB級數據傳輸造成的通信阻塞，會導致計算等待通信，浪費算力資源。

“超節點”的高速互聯協議打破了傳統的架構限制，可實現更大范圍、更高流量的數據傳輸。以昇騰384超節點為例，通信帶寬提升了15倍，即使是千卡集群也能像“單機多卡”一樣高效協同，告別“等數傳”的現象。

二是超低時延。

跨服務器互聯帶寬的時延普遍高達數十微秒，同樣是制約算力利用率的誘因。特別是MoE模型，要求在不同專家間頻繁調度數據，如果互聯帶寬和時延跟不上，模型規模越大就越難跑起來。

還是以昇騰384超節點為例，單跳通信時延從2微秒做到了200納秒，降低了整整10倍。比性能指標更有說服力的，是實戰中的表現，比如在DeepSeek、Qwen等多模態、MoE模型的并行計算中，昇騰384超節點的通信效率實現了3倍以上的提升。

三是內存統一編址。

傳統集群的每個節點有獨立的內存池，而“超節點”實現了跨設備的統一尋址與靈活訪問，大模型訓練中頻繁的參數同步操作，不再需要“序列化—網絡傳輸—反序列化”流程，直接通過內存語義通信完成，大幅提升了小包傳輸與離散隨機訪存的效率。

在訪問模式上，超節點還應支持異步與同步兩種機制，滿足客戶在不同場景下的需求：批量數據的快速傳輸與處理，采用能夠高效進行大塊數據搬移的異步模式；對小塊數據的精細化處理，則采用同步模式。

不難發現，“超節點”最大的技術挑戰在于互聯技術，如何做到長距離且高可靠、如何做到大帶寬且低時延，都不是一朝一夕可以解決的。相對樂觀的是，走開源開放模式的昇騰，在互聯技術上沒有“藏私”。

在HC 2025上，華為正式發布了靈衢——一個面向超節點的互聯協議，并宣布將開放靈衢2.0技術規范。

“靈衢”的命名，可以追溯到“九省通衢”，寄托了大規模算力聯通的愿景，也是華為從2019年就開始研究的技術。無論是前面提到的昇騰384超節點，還是支持8192張卡的Atlas 950超節點，都是基于“靈衢”開創的。在業內人士看來，靈衢的革命意義不亞于AI基礎設施的再造。

不只是互聯協議的開放，華為還將全面開放超節點技術，包括開放超節點參考架構、開放超節點基礎硬件、開源操作系統靈衢組件等，允許產業界基于技術規范自研相關產品或部件，自主設計基于靈衢的各種產品。

同時也意味著，堅持硬件開放、軟件開源的華為，希望和伙伴打造面向行業的超節點場景化解決方案，讓超大帶寬、超低時延、內存統一編址成為一種算力新范式。

03 來自產業側的認可與回應

最能回答“超節點”價值的，無疑是需求最強烈、嗅覺最敏銳、行動最迅捷的大中型企業，他們處在AI落地的第一線，既是大模型應用的生力軍和探路者，也是檢驗創新成敗和成效的風向標。

比如昇騰AI人工智能產業峰會和《超節點發展報告》提及的幾個行業案例。

第一個是制造業。

家電作為典型的高頻使用場景，早在2015年前后就開始探索AI語音交互、智能感知等功能的應用。到了大模型時代，涵蓋研發、制造、渠道、服務全鏈條的家電廠商，為AI的全面落地提供了天然土壤。

其中昇騰超節點為某家電巨頭開展模型訓練提供了堅實支撐，雙方聯合優化算力利用率，加速了AIGC戰略落地。目前AI已經在158個核心場景中落地應用，包括企業經營提效、業務模式創新和商業模式升級。

第二個是金融行業。

如果說家電是“場景驅動+終端規模”的AI應用先鋒，金融就是“數據驅動+風險導向”的AI應用深水區，對提升金融安全性、提升效率、提升決策力，有著毋庸置疑的剛需，也是最早試水AI的行業。

某銀行攜手昇騰構建了高性能千卡訓推算力集群，并部署了大規模專家并行推理方案，相比傳統方案實現了3倍吞吐性能提升，加速了大模型的規模化應用，深度賦能智能客服、審貸助手、后訓練數據合成等業務場景。

以及更普適的落地案例。

對于業務多元的行業大型集團來說，智能化轉型的最大痛點不是怎么轉，而是業務場景需求激增、低資源算力重復建設等問題，需要構建集中化、平臺化的基礎設施，避免因算力困局拖了業務的“后腿”。

某集團型企業的做法是引入昇騰384超節點，通過超節點的大規模、高帶寬、低時延、算力切分、虛擬化、訓推一體等能力，面向企業內部提供統一的大模型API服務，滿足不同業務場景對訓、推算力的需求，目前已經服務智慧運營、智慧管理、智慧運維等核心場景。

按照昇騰官方公布的數據：昇騰384超節點自發布以來，累計部署量已經超過300套，服務了20多家客戶。

比數字更有價值的，或許是這些案例所揭示的一個事實：一旦產業一線的“頭雁們”打破了算力瓶頸，爆發往往是指數級的。在海量場景和需求的牽引下，中大型企業AI落地的深度和廣度，已然超出了許多人的想象。在“群起效應”的作用下，這些“頭雁”將帶動成千上萬家企業邁向智能化。

04 寫在最后

當我們談論超節點時，不僅是在討論一組組冷冰冰的性能指標，同時在展望一條通向未來的道路。

靈衢互聯協議的開放、軟硬件生態的共建，如同曾經的電力和互聯網一樣，將算力從“頭部企業專屬”帶向了“全產業可用”。屬于“超節點”的故事才剛剛開始，點亮的不只是算力的躍遷，還有智能化時代的序章。