超节点专题（三）：从服务器堆叠到系统工程
2026-08-11
以下文章来源于微信公众号——全球计算联盟GCC
前文回顾：在上一篇《什么才是真正的超节点？白皮书首次给出三条“硬”标准》中，我们厘清了超节点的核心概念与判定标准：超节点的关键不在物理规模，而在是否具备跨节点统一内存编址能力，并需同时满足内存语义、超低时延、超高带宽三大技术特征。文章同时指出，高带宽RDMA集群与整机柜硬件堆叠均不构成真正的超节点。
本期带来《超节点专题（三）：从服务器堆叠到系统工程》，全面拆解超节点如何推动AI基础设施从“服务器堆叠”迈向系统工程，并系统梳理液冷、供电、网络、运维等环节的全产业链分工重构。
2026年是超节点规模化商用的“元年”。WAIC 2026期间，昇腾超节点披露已商用部署750余套，全面进入互联网、医疗、交通、制造等行业。据测算，2028年中国超节点市场空间有望突破3400亿元，未来三年复合增速约194%。
超节点不只是一类新设备，而是数据中心建设范式的切换。《超节点定义与实践白皮书》给出判断：超节点技术的本质是推动AI数据中心从“服务器堆叠”转向机柜级、Pod级的系统工程。算力竞争也随之从比拼芯片参数转向系统级解决方案。这一转向如何发生，又将重构哪些产业环节？
01 服务器堆叠，还是系统工程重构
先看“堆叠”的局限。传统模式以单台服务器为单元，计算、网络、存储各自设计、现场拼装，跨节点通信依赖软件协议栈层层转发。当前，XPU芯片算力每年成倍提升，而内存与互联带宽每年仅提升15%至30%，单点性能的增长正被系统接缝处的损耗所吞噬。
系统工程的思路，是不再盲目追求单机峰值算力，而是聚焦整个系统的有效算力、可靠性与总拥有成本。AI基础设施系统架构的重构核心在于：将XPU、CPU、HBM、交换、供电、液冷、机柜、运维及软件调度，统一为一个整体设计对象。
02 超节点形态演进：从单机多卡到数据中心级
超节点的发展可划分为四个阶段，每个阶段各有明确的工程重心，连起来看，是一部统一编址域逐级放大的历史。
第一阶段是单机多卡，重点在服务器内部互联。8卡GPU/NPU服务器是典型形态，设计重心在机内互联拓扑与散热。随着模型参数与KV Cache规模快速增长，8卡的资源粒度优势逐渐减弱；跨机通信依赖RoCE等Scale-Out网络，带宽、尾延迟与拥塞控制直接制约训推效率。
第二阶段是整机柜超节点，重点在rack-scale计算域。整机柜形态核心价值是把一部分XPU集群通信从Scale-Out网络前移至带宽更高、时延更低的柜内互联域，系统性提升训练与推理效率。
第三阶段是Pod级多机柜，重点在数百XPU的统一域。某些新一代整机柜超节点系统进一步将整机柜超节点通过高速互联连接为机柜级系统，会将计算、网络、存储、电源、冷却和设施控制纳入超节点整体系统框架。未来AI算力的采购与交付单位，不再是单台服务器，而是液冷机柜、Pod和超节点。昇腾950 SuperPoD以1024卡规模提供256TB全局统一内存编址空间，是标志性产品。
第四阶段是超节点集群化，重点在数据中心级拓扑。通过Scale-Out将多个超节点聚合为统一算力池，全局设计网络层级、路由策略与流量调度，目标是无阻塞、低跳数、高对称的互联架构，让万卡集群保持近似本地访问的通信效率——实现“池化”而非“堆叠”。
需要强调的是，四个阶段是技术演进而非产品替代：百卡级是当前规模化落地的商用主力，千卡级主要面向万亿参数级大模型预训练和中心推理等前沿场景，万卡级则指向国家级智算基础设施与大科学装置。
03 超节点产业：从“卖服务器”到“交付整机柜系统”
计算架构形态的演进重新定义厂商能力边界：超节点厂商的能力范围，从主板设计和整机装配延伸至整机柜级系统交付，所需能力包括整机柜热设计、XPU/网卡/CPU拓扑规划、液冷歧管与快接头维护、机柜级burn-in测试、整柜吊装与接液接电接网、故障托盘快换。
每一项都超出传统服务器制造的范畴。整柜交付，意味着产品出厂前完成柜级验证，而非把集成风险转嫁给客户的机房；整柜运输，意味着吊装、接液、接电成为标准交付工序——超节点第一次作为“基础设施”而非“IT设备”被交付。
04 液冷与电源产业：机房底层的深度重构
传统通用服务器机柜功耗普遍维持在10至30kW，早期AI算力机柜峰值不超过120kW；伴随机柜拓宽、超高密集成、高速光模块与液冷辅助设备叠加，未来超节点峰值功耗将突破MW兆瓦级时代。
散热首当其冲。风冷在单柜30至40kW附近即触及物理极限，未来液冷成为算力建设的“必选项”。预计风液混合冷却将逐步退出高端算力场景，下一代超高密超节点全面转向全液冷架构。
液冷企业的定位随之改变：从“散热方案”转向“基础设施平台”。机会从冷板均温、快接头盲插可靠性，延伸到CDU冗余控制、漏液检测与预测性维护；关键部件的接口与性能规范正在统一，液冷产业有望从项目制走向标准化供应链。
供电是另一条战线。传统48V低压直流母线在兆瓦级机柜、单XPU5kW级负载下缺陷突出——电流过大，线缆与母排发热严重，±400V/800V高压直流将成为主流。相比48V方案，800V母线电流降至约十五分之一，铜材用量减少45%，端到端供电效率从约83%提升至92%以上。随着相关能力从数据中心设施层下沉至机柜层，电源厂商、机柜厂商和整机系统厂商之间的边界将进一步交叉。
05 网络与光互联产业：网络墙成为下一阶段瓶颈
超节点把网络分成两层：域内，Scale-Up总线负责“一台计算机”的紧耦合通信，追求纳秒级时延与TB/s级带宽；域间，Scale-Out网络负责超节点间的集群级调度。《超节点定义与实践白皮书》指出，当单个超节点内部XPU数量持续提升后，多个超节点之间的Scale-out网络将成为影响集群效率的关键环节。业内对AI网络瓶颈的关注日益增强，未来性能约束不仅在于链路速率，还包括交换芯片Radix、网络拓扑、拥塞控制以及MoE通信模式等多重方面。
流量正在向光互联倾斜，端口配比发生显著变化：AI集群GPU与网络端口的配比，已从1:1至1:1.5升至高层级网络的1:2.5以上，光模块用量成倍增长；以昇腾384超节点为例，单系统光模块用量达6912只。“以光换电”正从可选走向必选。
06 运维厂商：从单节点维护到集群级统一运维
运维体系围绕“高可靠、易维护、可观测、可扩展、安全运行”五大目标重建，升级为整机柜级、集群级统一运维：架构上支持模块化供电与AB路切换；可靠性上保障管路密封、冷板防堵防腐、漏液检测与自动告警；维护性以电、液、网盲插接口和故障托盘快换缩短恢复时间；并以整机柜级统一监控实现故障快速定位与潜在风险提前预警。
可靠性工程被拆解为预防、检测、隔离、恢复四道防线：上线前检查与例行巡检是预防，捕捉硬件异常与SLA指标劣化是检测，剥离故障单元是隔离止损，数据重传、器件与链路冗余、业务重调度是恢复；度量指标覆盖MTBF、MTTR、可用度、MFU、吞吐量与时延。
持续演进的智能化运维体系围绕供电、散热、液冷、网络、固件和安全建立完整的统一运维闭环。
结语
从服务器堆叠到系统工程，改变的不只是设备形态，更是整个产业链的分工逻辑。《超节点定义与实践白皮书》预判，未来2至3年，全球AI基础设施竞争的主线将从单点XPU性能比拼升级为系统级工程能力竞争：谁能以更低功耗、更高可靠性、更低维护成本，把大量XPU组织为可交付、可维护、可扩展的超节点系统，谁就能在新一轮竞争中占据主导。这一步，整个产业链都必须跨过去。