电子行业深度报告_超节点方案重塑AI算力产业趋势_开启系统级算力新周期_65页_7mb

报告摘要

电子行业深度报告总结：超节点方案重塑 AI 算力产业趋势

核心内容概述

本报告聚焦于 AI 算力产业的演进趋势，分析超节点架构在算力供需共振下的崛起及其对行业格局的深远影响。随着 AI 模型从单轮问答向复杂任务处理演进，训练与推理算力需求大幅上升，推动算力基础设施从“扩充算力卡”转向“提升有效算力”。超节点架构通过高带宽域内互联、低时延通信、系统级协同设计，成为突破传统集群效率瓶颈、实现大规模算力协同的关键路径。

主要观点

算力需求激增：AI 前沿模型和 Agent 化应用推动算力需求持续增长，预计 2026-2028 年中国智能算力规模年均增速约 40%。
超节点架构演进：超节点通过高带宽域内互联和系统级协同，解决通信墙、功耗墙和复杂度墙等瓶颈，成为 AI 算力基础设施的新范式。
通信与工程成为核心变量：超节点的通信架构（Scale Up 与 Scale Out）和整柜工程能力（液冷、供电、结构、可靠性、软件）决定其性能和可复制性。
多路线并行发展：英伟达、AMD、华为、阿里、字节、腾讯等厂商在超节点领域形成闭环生态、开放路线和国产体系并行发展的格局。
系统级交付成为趋势：超节点推动 AI 服务器需求从单机采购转向整柜系统和智算中心级方案交付，服务器厂商角色从整机制造向整柜集成、系统测试和现场部署升级。

关键信息

1. 全球算力需求激增

AI 应用升级：GPT-5.5、DeepSeek V4 等模型具备百万 Token 长上下文能力，推动算力需求激增。
Agent 化应用：AI Agent 的任务拆解、多模态信息融合和复杂推理特性，使 Token 消耗呈指数级增长。
市场预测：IDC 预测 2027 年推理算力在智能算力总需求中的占比将超过 70%，成为算力需求增长主引擎。

2. 国产算力需求释放

国产大模型放量：DeepSeek V4 等国产大模型加速商业化，带动训练与推理负载同步提升。
国产算力卡出货量：2025 年国产算力卡出货量约 165 万张，市场份额达 41%。
“东数西算”工程：通过跨区域资源调度优化算力布局，缓解区域性供需错配。

3. 超节点架构演进

高带宽域内互联：通过 NVLink、UB、HSL 等技术，实现多计算模组的低时延、高带宽协同。
Scale Up 与 Scale Out：Scale Up 负责高频通信，Scale Out 负责横向扩展，二者边界从物理服务器转向性能边界。
光互联与 CPO：随着超节点从单柜走向多机架，光互联成为通信系统升级的重要方向。

4. 超节点系统架构升级

通信系统升级：高带宽互联（如 NVLink 6.0）和整柜级交付成为产品化门槛。
整柜工程能力：液冷、集中供电、结构设计、可靠性管理、系统软件成为超节点交付的关键。
系统仿真与验证：热管理仿真、虚拟调试、数字孪生等技术提升整柜设计效率和可复制能力。

5. 主流超节点产品演进

英伟达路线：从 NVL72 向 AI Factory 演进，实现从单柜到多机架、百万卡级超节点的规模化部署。
AMD/Intel 路线：通过 UALink、Helios 等开放互联方案，为非英伟达生态提供接口，推动多芯片协同。
华为路线：以灵衢 UB 为核心，构建国产超节点体系，从 384 卡级产品走向万卡级 SuperPoD 和 SuperCluster。
云厂商路线：阿里磐久 AL128、字节 EthLink、腾讯 ETH-X 等方案，推动超节点从协议走向样机，实现开放生态下的系统级交付。

6. 服务器厂商价值链重塑

整柜交付成为关键：超节点推动服务器厂商从整机制造向整柜集成、系统测试和现场部署延伸。
主要参与者：
- 工业富联：全球 AI 服务器与整柜制造链核心平台。
- 华勤技术：平台型 ODM 向 AI 服务器和数据中心产品延伸。
- 浪潮信息：国内 AI 服务器龙头，液冷整柜与智算中心交付能力突出。
- 紫光股份（新华三）：网络底座与政企智算优势强化系统交付能力。
- 超聚变：运营商与政企场景中的整机柜液冷系统交付平台。
- 宁畅：以液冷整柜与高密 AI 服务器切入智算场景，超节点卡位仍待规模验证。

风险提示

算力需求不及预期
技术路线与商业化落地不匹配
整柜工程量产交付不及预期
行业竞争加剧与盈利水平下滑

附录：图表目录摘要

图1：2021-2027E 海外 CSP 资本开支预测
图2：2025 年国产算力卡出货量
图3：中科曙光 scaleX 万卡级超集群首次亮相
图4：基础计算架构通信范式的演变
图5：大模型采取并行策略训练
图6：超节点优化推理架构
图7：GB200 NVL72 以整柜级 NVLink 互联证明高带宽系统交付成为新壁垒
图8：Scale Up & Scale Out 组网示意图
图9：AI 流量在集群中的负载不均和拥塞问题
图10：Scale-Up 和 Scale-Out 融合与独立组网对比
图11：英伟达 GB200 内部使用铜连接
图12：Scale-up 互联由铜互联向光互联迁移
图13：CPO 有望率先在跨机柜 Scale-up 场景落地
图14：整柜系统集成覆盖液冷、电力、线缆与结构工程
图15：GB200 液冷计算托盘内部结构
图16：机柜背板通过 manifold 供水
图17：机柜功耗攀升带动 Power shelf 和 PSU 需求
图18：采用 Busbar 为各节点提供电源
图19：OEX 与 Cable Tray 方案对比
图20：超节点系统级 RAS 管理架构
图21：硬件可靠性策略
图22：系统软件支撑集群调度、监控与恢复
图23：NVLink 的 Scale up 域迅速扩张
图24：GB200 NVL72 由计算托盘走向整柜级 Scale Up 系统
图25：英伟达首款 CPU-GPU 超级芯片
图26：DGX GH200 通过 NVLink 连接最多 256 个 GH200 超级芯片
图27：GH200 NVL32 单柜级 NVLink 系统结构
图28：Blackwell NVL72 推理吞吐与能效提升
图29：GB200 NVL72 模块化布局确立 72 GPU 标准交付形态
图30：GB200 NVL72 以 2 CPU + 4 GPU 计算托盘为基本单元
图31：GB300 NVL72 网络带宽与 FP4 推理性能提升
图32：Rubin NVL72 推理性能与能效提升
图33：Rubin NVL72 以更少 GPU 完成同等训练任务
图34：Rubin 推理成本降至 Blackwell 的十分之一
图35：Vera Rubin NVFP4 推理性能达 3.6EFLOPS
图36：Vera Rubin 强化 CPU-GPU 一致性内存与 NVLink-C2C 互联
图37：POD 以五类机架系统扩展为多机架 AI Factory 单元
图38：Vera Rubin POD 由 40 个机架、1,152 个 Rubin GPU 组成
图39：Vera Rubin 通过“七芯片、五机架”协同提升系统级 token 产出效率
图40：Rubin Ultra NVL576 系统性能约为 GB300 NVL72 的 14 倍
图41：英伟达 Polyphe 原型机，基于 GB200 的多机架 NVL576 架构
图42：Kyber 是下一代 MGX 机架，将首先应用于 Rubin Ultra
图43：NVLink Fusion 显示英伟达向开放芯片生态延伸
图44：UALink 面向 Scale Up 机架基础设施构建多节点、多平面交换网络
图45：AMD Helios 以开放机架切入超节点系统竞争
图46：Helios 计算托盘集成 CPU、GPU、DPU 与 AI NIC
图47：UALink 分层架构
图48：UALink 联盟董事会成员
图49：UALink 演进时间线
图50：灵衢 UB 通过两级 scale up 交换组织 384 NPU + 192 CPU 协同计算域
图51：灵衢协议栈
图52：超节点集群组网架构（以昇腾 384 超节点为例）
图53：昇腾 384 推动国产算力从服务器堆叠走向多柜超节点形态
图54：Atlas 900 A3 构建国产 Scale Up 能力
图55：Atlas 900 A3 机柜整机示意图
图56：Atlas 900 A3 部署落地情况
图57：昇腾芯片路线持续提升算力、互联带宽与内存
图58：Atlas 950 SuperPoD 采用昇腾 950DT，Scale Up 域扩展至 8,192 NPU
图59：Atlas 960 SuperPoD 进一步扩大至 15,488 NPU
图60：Atlas 950 SuperPoD 互联带宽与推理吞吐
图61：scaleFabric 构建从网卡、交换机到管理软件的集群级高速互联底座
图62：scaleX640 实现开放架构下的单柜超节点产品化
图63：scaleFabric 构建集群级高速互联底座
图64：scaleX 万卡超集群标志中科曙光从单柜走向集群级基础设施
图65：scaleX 万卡超集群由 16 个 scaleX640 互联组成
图66：字节 EthLink 协议栈
图67：ETH-X Scale Up 互联协议示意图
图68：ETH+ Scale up 协议架构
图69：基于 ETH+ 光互联的超节点解决方案
图70：从 L10 到 L11 整机柜、L12 多机柜交付
图71：2025Q4 分架构营收（亿美元）
图72：2026 一季度 AI GPU 机柜、AI ASIC 服务器与 800G 交换机高增
图73：“3+N+3”产品平台覆盖多元终端与服务器
图74：数据中心业务持续高增，AI 服务器与超节点加速产品升级
图75：ETH-X 原型机在华勤技术东莞智能制造基地点亮
图76：元脑 SD200 与 HC1000 强化国产芯片互联与推理能力
图77：新华三 102.4T 智算交换机提升吞吐与低时延能力
图78：新华三智算广域网融合核心路由器与 800G 交换机
图79：UniPoD S80000 支持 1024 卡 Scale Up 互联与 128 卡单柜部署
图80：全栈协同定义新一代 AI 基础设施
图81：超聚变产品体系覆盖服务器、操作系统与 AI 解决方案
图82：FusionPoD for AI 集成液冷、供电与运维管理
图83：宁畅 B8000 整合计算、交换、供电与液冷单元
图84：DeepSeek 大模型一体机解决方案产品矩阵
图85：宁畅“全栈全液”AI 基础设施方案架构
图86：AI 整柜功耗从十千瓦级跃升至百千瓦级
图87：数据中心温湿度与冷冻水工况仿真
图88：冷却系统虚拟调试与控制策略验证
图89：数字孪生平台贯通设计、运行、资产与仿真
图90：AI Factory 多物理场仿真体系
图91：机架集成流程覆盖设计、装配、烧机、交付与现场部署

表格目录摘要

表1：并行策略下的 TP、EP 对带宽有极高要求
表2：Scale up 协议全景

总结

超节点方案正在重塑 AI 算力产业格局，从架构探索走向产品化，成为实现大规模协同、提升有效算力的关键路径。随着 AI 应用复杂度提升，算力需求持续增长，超节点通过高带宽域内互联、整柜工程能力、系统级协同设计，突破传统算力瓶颈，成为未来智算中心的核心部署形态。各厂商在超节点领域形成闭环生态、开放路线和国产体系并行发展的格局，推动 AI 算力基础设施向系统级演进。

展开完整摘要