AI算力告急，超节点是最终解吗？

算力告急、结构失衡，中国AI站在十字路口。

2026年7月，Kimi K3暂停新用户订阅，头部模型公司提价、限购正成为常态，这并非偶然，而是中国AI算力基础设施结构性矛盾的集中体现。尽管我国智能算力总规模庞大，但高端算力供不应求、中低端算力供过于求的困局，正将AI产业推向十字路口。在此背景下，“超节点”被寄予厚望，2026年更被公认为国产超节点元年。但它究竟是打通瓶颈的钥匙，还是权宜之计？

算力总量可观，但结构失衡

当前，中国AI算力基础设施正处于从规模领先向质效提升的关键转型期，即原生智算基础设施大规模建设的扩张初期。联通数字科技有限公司车凯表示，近几年随着国家算点协同、一体化算力网等项目推进，算力基础设施建设将保持强劲势头，新建智算中心普遍采用AIDC原生架构，在性能、绿色、安全等方面实现全面提升。

截至2026年3月，我国智能算力总规模已达1882 EFlops，在用算力中心标准机架达1445万架，超过70条算力大通道已建成。算力网已被正式纳入国家“六张网”战略性基础设施阵列。中国工程院院士高文透露，中国算力网第一阶段“算力资源汇聚”已完成70%，全国七成算力资源已纳入统一数据库。

Omdia人工智能首席分析师苏廉节指出，目前中国AI算力朝向有效多元算力和实际利用率迈进。在智能体时代，AI算例既要满足持续增长的模型训练需求，也要承担更多低时延高吞吐的模型推理和高效的词元生成负载。

但算力的另一面是冷峻的结构性矛盾。

中国工程院院士郑纬民此前表示，目前高端算力供不应求，中低端算力供过于求。他指出，高端算力的供不应求直接源于美国对华AI芯片的出口管制；而在中低端市场，国产算力芯片的产能并不低，真正的问题是软件生态不成熟，大量硬件资源难以被高效调动。

这意味着，中国的算力困境并非简单的总量不足。一方面，高端GPU被卡脖子；另一方面，已经部署的国产算力因缺乏成熟的软件栈，利用率远低于设计预期。安永大中华区审计服务市场联席主管合伙人汤哲辉表示，当前所谓“算力过剩”，主要是低端通用算力过剩、缺乏实际负载的无效智算中心产能，以及部分上一代训练集群完成迭代后的阶段性闲置，高端训练算力及面向C端/企业落地的推理算力持续处于紧缺状态。

“总量可观、结构失衡”，已然成为现阶段中国AI算力基础设施最真实的发展底色。

算力供需紧张，产业回归理性

7月19日，Kimi K3上线后48小时，月之暗面因用户请求量超出预期、现有算力接近集群承载上限，宣布暂停面向新用户开放会员订阅。对于普通用户而言，原本隐藏在模型背后的算力供需关系，由此变得具体可感。

近期，几家头部模型公司相继推出更先进的模型，但提价、限购正成为常态，算力短缺是主要诱因之一。车凯分析称，随着AI落地场景持续扩展，算力需求持续攀升，供需缺口逐步凸显。但更深层的原因在于，AI产业正从“烧钱发展”转向“理性经营”。算力紧缺正倒逼算力市场进入良性发展阶段，推动产业从粗放扩张走向精耕细作。

在算力紧缺的背景下，重复计算已成为当前AI产业的核心痛点之一。通过扩大缓存、提高命中率来降低算力调度与消耗，已成为行业共识，也是AI企业应对算力紧缺的关键转变——从拼算力到拼效率，再次印证AI产业正在走向成熟和理性。

面对算力短缺困境，苏廉节指出，AI云厂正积极推进全栈式优化，以系统性能力弥补算力短缺，涵盖算存网的集中调度与管理、MaaS能力提升、异构算力智能协同等方向；各大芯片厂商亦在加速布局，摩尔线程等纷纷力推大训推集群。

他指出，中低端算力则将在中长期逐步向推理服务倾斜，尤其是分布式和异构化的边缘侧推理系统，但这有赖于全行业的深度协作。与此同时，国内各类算力调度平台不断涌现，有效推动跨区域、跨架构的算力调度，将算力输送至需求端。

超节点，成为阶段性破局方向?

算力已成为AI时代发展的关键变量。补足算力短板，除盘活现有智算中心闲置产能，算力扩容是重要路径，但芯片供给、机房建设、电力容量和网络布局等多重因素，持续制约着算力产业的扩张速度。面对日益凸显的算力瓶颈，国内产业界给出的答案是“超节点”。

所谓超节点，核心是依托高速互联技术，将大量GPU或加速卡从“多台服务器”深度整合成逻辑上像一台“超级计算机”的系统，以解决传统集群跨机器通信的带宽和延迟瓶颈，从而大幅提升GPU或加速卡的利用率，降低单位Token成本。

2026年被业界公认为“国产超节点元年”。华为昇腾950超节点实现1024卡规模与1EFLOPS FP8算力，其去年推出的384卡超节点已商用落地750多套；阿里云正式发布‌灵骏真武 M890 超节点实例‌；中科曙光发布全国首个十万卡AI超集群，国产超节点产业生态加速成型。

然而，超节点能否从根本上解决算力短缺难题，行业态度趋于谨慎。车凯认为，超节点是弥补高端算力不足，推动算力国产化的一条路径，目前正从概念验证迈向规模化商用。但从本质来看，超节点仍是依托低端算力的堆叠，通过集群级系统调优来弥补单卡性能短板，并非解决算力短缺的长久之策。

他还指出，实现同等算力规模，国内主流超节点的采购成本和运营成本（电力）基本都是国外主流产品的2倍左右，机柜占用更是达到国外的10倍。这种“人海战术”虽能短期缓解算力燃眉之急，但更长远的问题在于：后期国产高端算力设备真正问世时，前期为超节点配套的基础设施（电力、制冷等）将难以匹配改造，可能造成更大的资源浪费。

苏廉节也表示，超节点短期内可缓解算力短缺，但无法根治，毕竟其本质上是工程化产产品，旨在提升算力集群效率。真正的算力短缺仍需依赖高端芯片制造规模化和先进封装突破。

五年期望：国产算力走出焦虑

展望未来五年，车凯预判，在国家政策引导与产业协同发力下，国产算力或将彻底告别单点芯片参数内卷，转向聚焦系统效率、能源协同和资源调度，实现从“单点技术比拼”到“整体体系竞争”的战略升级。未来算力竞争的核心，将聚焦全国一体化算力网络和算电协同的落地能力，比拼单TOKEN成本最低与算力效率最优。

“届时，国产算力将走出被动追赶的焦虑，迈向更高效、更绿色、更协同、更具中国特色的体系化时代。”车凯说道。

苏廉节补充表示，未来五年，国产AI训练与推理芯片将持续迭代升级，行业全新发展趋势加速孕育。国产算力厂商需加快生态共建步伐，推进超节点商业化落地，持续优化算电一体化协同模式，培育完善的行业应用与开发者生态，同时加大对开源模型、推理框架的投入与推广力度，全方位夯实国产算力产业根基。

WAIC 透视：Token 经济时代电信运营商的发展路径

WAIC 观察：关于AI，中国联通清晰传递三大产业信号

WAIC 2026|中国工程院院士王坚：基础模型是AI赋能基础科学的全新转折点

责编/版式：朱文凤

审校：梅雅鑫

监制：刘启诚

【媒体矩阵】

今日头条 | 微博 | 微软MSN | 百家号

网易号 | 人民号 | 腾讯新闻 | 搜狐

新浪看点 | 雪球号 | 知乎

【运营团队】

编辑｜梅雅鑫 孙天 朱文凤

审校 | 梅雅鑫

监制｜刘启诚