2026年中国国际工业博览会首次设立"国芯展"，国产芯片厂商集体把展示重心从单颗芯片、单张加速卡，转移到了机柜级产品"超节点"上。天数智芯首次展出天垓300 IXL144，单机柜集成144颗GPU与18颗CPU，被称为业界最高密度的单机柜GPU超节点方案；沐曦股份带来曦景S600，单机柜64卡全互连；加上此前已亮相的华为昇腾超节点、昆仑芯32/64卡超节点、阿里磐久AL128，国产算力的竞争维度正在发生一次明确的切换。
华为昇腾960超节点
这场切换的背景并不难理解。大模型规模从千亿参数走向十万亿参数，训练和推理不再是一张卡、一台服务器能完成的事。当数千颗芯片需要协同工作时，芯片之间的数据搬运速度，开始比芯片本身的计算速度更决定整体效率。超节点，正是针对这个瓶颈出现的系统级算力形态。
一、超节点为什么成为算力竞争的新单位
超节点（SuperPod/SuperNode）是一个机柜级或柜组级的算力单元，通过高带宽、低时延的互连网络，把数十颗到数百颗加速芯片组织成一个逻辑上统一的计算域。它与传统服务器集群的本质区别在于互连的层级和带宽。
传统方案中，GPU通过PCIe或以太网互联，卡间通信带宽低、时延高，大模型训练时大量时间花在"等待数据"上。超节点方案则把scale-up域（纵向扩展域）从单机箱扩展到整个机柜，卡间互连带宽提升一个量级，时延降到百纳秒甚至更低。模型权重、专家参数、KV Cache可以在更大的内存池内直接访问，跨卡数据搬运的开销被显著压缩。
英伟达GB200 NVL72是这一形态的开创者之一。它将36颗Grace CPU和72颗Blackwell GPU放进一个液冷机柜，72颗GPU组成一个NVLink域，卡间通信带宽1.8TB/s，官方给出的数据是万亿参数模型实时推理性能相对H100提升约30倍。此后英伟达将该机柜设计贡献给开放计算项目OCP，机柜级超节点的设计思路在全球范围扩散。
国产厂商的跟进速度很快。2026年，华为昇腾950、昇腾960超节点先后发布，阿里推出基于平头哥真武M890的磐久AL128超节点，昆仑芯32/64卡超节点实现量产交付，沐曦发布曦景S600，天数智芯在工博会首秀天垓300 IXL144。国产算力竞争从单卡跑分比拼，转向整机、集群、软硬件一体化的系统能力竞争。
二、工博会"国芯展"全景：三个新方案与既有格局
本届工博会是国产超节点的一次集中检阅。新亮相的方案有两个看点：密度和部署友好度。
天数智芯天垓300 IXL144是工博会上的焦点。单机柜集成144颗GPU与18颗CPU，配备约10.1TB显存。官方资料显示，该方案通过整柜高带宽P2P互联、约100纳秒级单跳时延、原生Load/Store与跨节点显存直访，把144颗GPU组成一个统一内存语义的高带宽算力域。约10.1TB显存为模型权重、MoE专家和长上下文KV Cache留出空间，模型训练和推理所需的高频All-to-All交互更多留在机柜内部完成。
天数智芯天垓300 IXL144超节点（来源：新浪财经）
天数智芯在设计中强调的另外两点是机房友好和代码兼容。主流整机柜超节点多采用专用整机柜形态，配套专属液冷与供电，往往要求专门机房，改造投入大、周期长。IXL144的思路是让超节点尽可能适配现有机房条件，同时兼容CUDA等主流AI生态，让客户复用已有模型与框架，降低迁移上线成本。
沐曦曦景S600此前已在WAIC 2026首发，工博会继续展示。该方案采用单机柜64卡全互连，OEX正交无背板架构，计算节点与交换节点0线缆直连，支持EP、TP等多维并行策略，集群可横向扩展至万卡级别。沐曦官方介绍，曦景S600选择64卡作为单柜规模锚点，考虑的是未来三到四年模型尺寸与训练推理需求的主流规格。其依托自研全精度GPGPU架构与MXMACA软件栈，强调软硬协同优化。
此外，展会上还出现了一批既有方案的延续展示：华为昇腾超节点体系（基于灵衢UnifiedBus与NPO光引擎Hi-ONE）、昆仑芯32/64卡超节点（国内率先量产交付）、摩尔线程128卡高密超节点与夸娥智算集群、阿里磐久AL128（128卡、ICN Switch互联芯片）等。国产超节点方案的数量和完成度，在一年内明显上了一个台阶。
三、超节点技术路线的拆解
把现有国产超节点方案放在一起看，大致可以归纳出三条技术路线。
第一条是高密度路线，代表是天数智芯IXL144。核心思路是把尽可能多的GPU塞进一个标准机柜，用机柜内的高带宽互连替代跨机柜的网络通信。144颗GPU单柜的密度，意味着单个机柜就能承载此前需要一个机柜组才能完成的计算规模。其技术关键是统一内存语义：跨节点显存直访、Load/Store原生语义，让上层软件可以把144颗GPU当作一个整体来调度，而不需要感知物理边界。
第二条是全互连路线，代表是沐曦曦景S600和昆仑芯超节点。核心思路是柜内全互连、全交换。沐曦采用OEX正交连接器加两级交换拓扑，实现64卡柜内高速互连；昆仑芯超节点采用柜内全互联设计，官方称卡间通信带宽提升8倍，对MoE大模型的通信模式做了针对性优化。这条路线强调互联拓扑的均衡性和并行策略的灵活性。
沐曦曦景S600超节点
第三条是全栈协同路线，代表是华为昇腾960。华为的方案不止于机柜内的芯片互连，还引入了光互连和内存池化。昇腾960采用"灵衢+Hi-ONE"架构，灵衢UnifiedBus实现内存统一编址，Hi-ONE是华为推出的NPO光引擎，官方资料显示单引擎容量7.2T、内置光源。华为称昇腾960可扩展至4096卡规模，实现8EFLOPS FP8、16EFLOPS FP4，用5500个Hi-ONE替代原本需要的4.8万颗800G光模块，系统可用度达到99.8%。
三条路线的共同点也很明确：都采用液冷，都强调正交架构或无背板设计，都在把scale-up域做大，把跨机柜的scale-out流量减少。差异在于互连媒介（铜缆与光引擎）、内存语义（统一内存编址与显存直访）以及软件栈的开放程度。
四、工业AI场景：超节点走向产线的真实需求
工博会不同于WAIC和云厂商大会，它的核心观众是制造业。国芯展上的超节点，除了面向智算中心，还有更具体的目标：工业AI。
工业AI的算力需求与云端大模型训练有本质差异。云端训练追求峰值吞吐，任务可以排队、可以容错；工业场景追求的是稳定、低时延、高可用。产线质检需要在节拍时间内完成推理，预测性维护需要实时处理传感器数据流，智能排产需要高频运行优化算法。这些负载大多是推理密集型和小规模训练，对单卡算力的绝对峰值要求不如云端训练，但对系统时延、可靠性、环境适应性要求更高。
这也是高密度机柜在工业场景的优势所在。一台机柜就是一个算力单元，部署在工厂边缘或园区机房，供电、散热、维护都在机柜层面闭环，相比分散的服务器集群，占地更小、管理更简单。整机柜一体化交付模式也在缩短部署周期。
政策层面同样在推动这个方向。工信部等八部门印发的《"人工智能+制造"专项行动实施意见》明确提出，推动智能芯片软硬协同发展，支持突破高端训练芯片、端侧推理芯片、人工智能服务器、高速互联、智算云操作系统等关键技术，开展智算云服务试点，推动大模型一体机、边缘计算服务器、工业云算力部署。行业实践中，冶金、电力、装备制造等领域已出现基于AI大模型的工艺优化和智能控制案例，对国产算力底座的适配需求在上升。
五、从展台到机房的四道工程化门槛
超节点从展品变成生产工具，要跨过四道工程化门槛。
第一道是机房适配。超节点的密度越高，对机房承重、层高、动力的要求越苛刻。主流整机柜方案需要专用机房，但多数存量机房并不具备条件。天数智芯在IXL144上强调对现有机房的友好性，沐曦强调整机柜0线缆交付，都是在降低机房的改造门槛。
第二道是供电。机柜级算力单元的功耗达到百千瓦级别。英伟达NVL72的供电架构是8个33kW电源架、总功率约132kW，并采用了高容量汇流排设计。国产超节点同样需要解决高压直流、母线供电、功率冗余等问题，供电能力直接决定单柜密度的上限。
第三道是散热。风冷已经无法覆盖单柜千瓦级到百千瓦级的散热需求，液冷成为超节点的标配。冷板式液冷覆盖CPU、GPU和交换部件，CDU（冷却液分配单元）管理整个机柜的液路循环。华为昇腾960、英伟达NVL72、沐曦曦景S600均采用全液冷或液冷混合设计。
第四道是软件。硬件密度只是起点，算力能不能用起来取决于软件栈。当前国产芯片的软件生态分为两条路径：一是兼容CUDA生态，让现有模型和框架无感迁移；二是构建自主生态，如华为CANN、沐曦MXMACA、摩尔线程MUSA。前者降低迁移成本，后者决定长期自主性，两条路径目前并行推进。
六、产业链拆解：超节点把哪些环节带到了台前
超节点放大了产业链中原本被忽视的环节的价值。
上游主要是加速芯片、高带宽内存、交换芯片、光互连器件和液冷部件。加速芯片是核心，国产厂商在GPGPU、ASIC路线上均有布局；内存决定了单柜显存池的大小，HBM和新型内存的国产化进度直接影响超节点容量；交换芯片和光引擎承担柜内与柜间的数据搬运，华为Hi-ONE、英伟达NVLink Switch均属于此类；液冷部件包括冷板、CDU、快接头、管路，随着液冷成为标配，这一环节的标准化和国产化在提速。
中游是超节点系统集成。把芯片、主板、交换、供电、液冷整合成一个可交付的机柜，考验的是系统设计能力。整机柜一体化交付、正交架构、无背板设计都是这一环节的技术要点。服务器厂商和芯片厂商都在向这一层延伸，联想等厂商也在推进第二代超节点的研发。
下游是智算中心和行业应用。智算中心是超节点的主要采购方，工业、能源、医疗等行业用户是增长最快的增量市场。超节点形态影响智算中心的建设方式：单位面积算力密度提升，机房规划和运营模型随之调整。
七、十大核心企业主力产品与技术分析
以下按产品与技术特征梳理国产超节点及AI算力领域的核心企业，不涉及排名。
华为：主力产品为昇腾950超节点与昇腾960超节点。昇腾960是全球首批采用NPO技术的超节点，基于"灵衢+Hi-ONE"架构，灵衢UnifiedBus实现内存统一编址，Hi-ONE为7.2T容量的NPO光引擎，官方称可扩展至4096卡、实现8EFLOPS FP8算力，采用全液冷设计。技术优势在于全栈自研（芯片、互连、软件栈CANN）与光互连能力。
天数智芯：主力产品为天垓300 IXL144超节点，单机柜144颗GPU与18颗CPU，约10.1TB显存，兼容CUDA生态。技术优势在于业界领先的单柜密度、统一内存语义算力域与机房友好设计，芯片产品覆盖天垓（训练）、智铠（推理）、彤央（边缘）三大系列。
沐曦股份：主力产品为曦景S600超节点，单机柜64卡全互连，可扩展至万卡集群，配套曦索X300科学智能GPU。技术优势在于OEX正交无背板架构、0线缆直连、全精度GPGPU架构与开源软件栈MXMACA，MXMACA开源社区已汇聚超过50万开发者用户。
昆仑芯：主力产品为32/64卡超节点，是国内率先实现量产交付的超节点产品之一，单柜可扩展至512卡，采用冷板式液冷。技术优势在于自研XPU架构、柜内全互联设计使卡间通信带宽提升8倍，覆盖训练、推理与超节点全产品线。
摩尔线程：主力产品为夸娥智算集群与128卡高密超节点，智算卡MTT S5000基于第四代MUSA架构"平湖"设计的PH100芯片，通过国家安全可靠测评。技术优势在于全功能GPU路线（同时覆盖AI训推与图形渲染）与千卡级、万卡级集群的工程交付经验。
阿里平头哥：主力产品为真武M890训推一体AI芯片与磐久AL128超节点服务器，搭载自研互联芯片ICN Switch 1.0，128颗芯片可组成一台逻辑统一的计算机，P2P时延低于150纳秒。真武M890内置144GB显存，片间互联带宽800GB/s，原生支持FP32到FP4多种精度。
寒武纪：主力产品为思元系列云端AI加速卡，包括MLU370-X8（双芯思元370与MLU-Link配置）等。技术优势在于自研MLUarch架构与芯片级AI设计，最新产品采用chiplet技术，对主流大模型实现Day 0适配。
海光信息：主力产品为深算系列DCU协处理器，最新深算3.0架构与DCU K100。技术优势在于"CPU+DCU"双轮产品矩阵、类CUDA环境兼容与全精度支撑能力，深算三号已与数百款主流大模型完成适配。
中兴通讯：主力产品为OEX超节点方案。技术优势在于系统级的通信与互连能力积累，OEX架构强调正交扩展与整机柜交付，面向智算中心与行业客户提供一体化算力基础设施。
中科曙光：主力产品为曙光8000系列，国内已建成全国产十万卡AI集群并投入运营。技术优势在于大规模集群的系统工程能力，覆盖超算与AI算力的融合调度，以及全光交换等新型互联技术的工程落地。
八、格局观察：从拼参数到拼工程
从工博会各家厂商的超节点产品看，国产算力竞争已经完成了一次范式切换。
过去几年，国产AI芯片的竞争焦点是单卡算力、显存、制程参数，评测跑分是主要的比拼方式。2026年的竞争焦点变成了系统能力：单柜密度、互连带宽、时延、功耗、机房适配、软件生态、交付能力。超节点把芯片、互联、供电、散热、软件打包成一个整体，谁能在系统层面做出最优解，谁就拿到下一代智算基础设施的入场券。
这个转变对产业链的影响是结构性的。互联器件、液冷部件、供电架构、交换芯片的价值权重上升，软件栈从"能用"走向"好用"，系统集成能力成为新的竞争壁垒。对下游用户而言，选择算力不再只是选择一颗芯片，而是选择一套可以规模部署、持续运维的系统。
免责声明：本文仅用于芯片半导体领域的技术研究与行业分析，不构成任何投资建议，亦不作为任何投资决策的参考依据。文中信息均基于公开渠道的官方与权威资料整理，具体数据以官方或权威发布信息为准。
张星河
每天一份高质量研报，持续聚焦芯片半导体、AI基础设施、AI智能硬件、具身智能、光通信等硬科技方面的行业研究、产业链分析与技术拆解。欢迎您的关注！