单卡神话褪色之后，国产算力走入“超节点”交卷时代

7月17日至7月20日，2026世界人工智能大会（WAIC）在上海如期举行。世博展览馆H2算力馆内，高光灯带下的单颗GPU展柜被悄然推至边缘，取而代之矗立于展区中央的，是一座座高度突破两米、布满无线缆正交互联与液冷管路的“超节点”整机柜。当买家的注意力从规格书上的峰值算力（TFLOPS），转向测试日志里的显存瓶颈、计算空转与掉卡恢复，单卡时代的数字神话逐渐走向终结。

在这个算力账本被极度精算的新阶段，拼单卡参数的战术逐渐失效，基于拓扑互连、高密散热、先进封装与软件适配的“系统级工程硬实力”，成为了算力厂商在展场攻防的核心。

大厂竞逐千卡直连与极端低时延

当单芯片制程撞上物理极限与供应链天花板，重构网络与内存拓扑便成了头部大厂的共识——将上千张加速卡打造成逻辑上的“同一台超级计算机”，是眼下最明确的突围路径。

华为在展区现场展示了昇腾950超节点（Atlas 950 SuperPoD）真机。这套系统由16台计算柜组成、共部署1024张昇腾卡，单柜固定为64卡布局。支撑上千张芯片协同运行的核心，是其自研的“灵衢2.0”高速互连协议，实现了跨物理节点的256TB全局统一内存编址。现场技术人员介绍，统一内存编址能够让计算卡直接互通内存资源，减少大模型在长上下文调取时的频繁数据搬运，将RTT时延压缩至3微秒以内，主要应对Agentic AI时代对高并发推理与超长文本处理的算力需求。

昇腾950超节点真机首次公开亮相（图源：华为）

阿里云则在现场带来了基于平头哥新一代AI芯片“真武M890”打造的磐久AL128超节点服务器。该机柜采用单机柜128卡紧密耦合部署，底层搭载自研互联芯片ICN Switch 1.0，将卡间P2P通信时延降低至百纳秒级（低于150ns）。其设计逻辑在于针对Agent多轮调用、高频小包通信的特征，通过物理层高密堆叠与极低时延互连，提高算力集群在并发推理场景下的响应吞吐。

百度智能云展出了其国产超节点“天池”系列的自研突破。天池256/512超节点底层基于昆仑芯P800万卡集群构建，从XPU-Link互联协议、交换架构到Cable Tray铜缆互连均采用自研方案，把卡间Scale-Up全互联通信域从传统的32节点扩展至1024节点。展台公布的数据显示，天池超节点实测带宽有效率达到77%，并在昆仑芯全国产集群上完成了文心5.1重要版本的训练，万卡规模集群的线性扩展度超过85%。

垂直厂商押注单层全互联与无线化机柜

在云巨头之外，一批专注于GPU与算力硬件的垂直厂商，则把赌注押在了网络拓扑创新与先进封装上。

摩尔线程在WAIC现场发布了MTT C256超节点的架构规划，底层基于自研MTT S5000 GPU搭建。传统AI集群的一层Scale-up网络普遍受到物理拓扑限制，单层全互联规模往往止步于64卡，超出的规模需引入二层甚至三层网络，从而带来带宽损失与额外延迟。MTT C256通过计算与交换一体化的高密设计，突破了这一行业限制，在单层Scale-up网络下实现了2柜256卡GPU全互联。现场展示日志表明，该方案可将万卡集群的算力线性扩展效率提升至95%，展台同步呈现了针对“词元生产”与智能体训练的专用算力工厂完整方案。

沐曦股份将重点新品“曦景S600”超节点放在了展台核心位置。该系统采用单机柜固定64卡布局，柜内实现无阻塞全交换互连。硬件原生支持横向扩展至万卡乃至十万卡集群，旨在覆盖百卡规模的主流推理场景以及千卡级的大模型训练需求。

燧原科技则联合中兴通讯推出了“云燧ESL64-O”超节点。该机柜采用了正交无背板（OEX）架构设计，直接消除了机柜内部的冗余线缆，实现了柜内“0线缆”连接，以此降低硬件部署、散热阻力与后续维护成本。同时，燧原科技还发布了配套的CoPoS（Chip-on-Panel-on-Substrate）面板级先进封装样品，通过优化高带宽互连封装工艺，配合国内先进封装产业链完成落地闭环。

从近存堆叠到端侧推理的效能攻坚

如果说网络拓扑重构解决的是“怎么把卡高效连起来”，那么深入芯片底层与存储堆叠去破除“存储墙”，则是展台现场另一条清晰的攻坚主线。

东方算芯在WAIC期间首次展示了DF1000芯片。该芯片定位为软件定义近存计算3D芯片，采用三维集成工艺，将计算逻辑单元与高密度存储单元直接进行垂直堆叠。展台的对比测试看板显示，在特定的矩阵运算与向量检索任务中，DF1000通过缩短数据在计算与存储单元之间的物理搬运距离，将DRAM调取延迟降幅超六成，在显著降低显存带宽依赖的同时保持了较低的功耗输出。

天数智芯携天垓、智铠、彤央三大通用GPU系列参展，并在展会期间举办了算力生态峰会。天数智芯现场公布的运营数据表明：截至去年底，其芯片已服务超过340家商业客户，集群在线运行规模突破万卡，万卡集群连续稳定运行时间突破1000天。在其开源社区DeepSpark展示区，官方公布其软件中间层已实现400余种AI模型的适配，底层算子复用率达到95%。

在端侧与边缘推理领域，芯片的竞争焦点正在向“单位功耗下的Token输出效率”（Tokens/s/W）转移。爱芯元智在展会上发布了“元曦”系列大算力AI推理芯片，主打具身智能与车载终端。在展台的机器人演示区，搭载元曦芯片的人形机器人展示了手眼协调抓取：芯片在12W的功耗预算下，同时处理触觉感知矩阵与实时视觉动作规划模型，边缘推理延迟控制在个位数毫秒区间。

算力从展台走向机房的三道现实难题

展台上的超节点机柜虽然阵仗宏大，但算力硬件最终能否转化为商业采购，取决于极度现实的物理部署条件与运维成本。

第一个物理限制是功耗与散热。当单机柜卡数从传统的8卡、16卡骤增至64卡、128卡乃至256卡时，单机柜的物理功耗普遍突破了80kW。传统的风冷散热模式在如此高的热密度下彻底失效，全液冷架构成为了超节点出货的标准配置。例如华为Atlas 950 SuperPoD全液冷方案将PUE压缩至1.15；百度天池超节点也推出了Side-Car CDU液冷方案，试图让存量风冷机房在不做大范围基建改造的前提下，具备部署液冷高密机柜的能力。

第二个门槛则是软件栈与生态兼容迁移。尽管多家芯片厂商在展台上公布其对PyTorch等主流框架的算子覆盖率已达95%以上，但多位大模型工程人员坦言，当遭遇复杂的自动并行（Tensor/Pipeline Parallelism）策略以及频繁更新的底层算法架构时，编译器的自动优化能力依然有限。许多复杂模型的迁移与性能调优，仍需要芯片厂商派遣现场技术支持（FAE）团队进行手动干预，这无形中拉长了部署周期。

第三个核心指标是集群的持续稳定运行能力。在动辄数月的不间断大模型训练任务中，集群的平均无故障运行时间（MTBF）成为了采购方极其看重的硬指标。单卡性能再强，若集群频繁发生掉卡或检查点（Checkpoint）保存失败，大模型厂商便不会在生产环境中大规模采用。这也是为何百度智能云将“85%以上的线性扩展度”、摩尔线程将“30秒故障隔离恢复”、天数智芯将“万卡集群连续稳定运行超1000天”作为展台核心数据进行展示的原因。

产业竞争最终回归系统工程的长跑

2026年WAIC算力馆呈现出的硬件图景表明，靠概念与单卡PPT参数驱动AI芯片产业的时代正在走向终结。

单卡战术的失效，逼迫着整个产业链向系统工程要效率。从华为Atlas 950的1024卡全光互联，平头哥磐久AL128的百纳秒级时延，到摩尔线程单层256卡全互联、沐曦S600的64卡柜内全交换直连，以及燧原CoPoS面板级封装与OEX架构的落地，国产厂商正在拓扑互连、高密度散热、先进封装以及软件适配等各个维度寻找突破口。

对于算力厂商而言，展台上的超节点与测试日志只是起点。在这场比拼工程耐心、生态粘性与真实性价比的长跑中，谁能把展台上搭建的超节点，真正转化为客户机房里稳定、低成本、高效率输出的Token，谁才有望在这场竞争中立足。