超节点 三国杀

第三季度临近，正在逼近的时间轴上一个焦点不断放大——超节点架构。对于AI基础建设圈而言，这看起来像是被AI算力焦虑绑架的斯德哥尔摩症候群，以技术进步的名义。

鼓点密集。5月份，黄仁勋在COMPUTEX 2025上宣布GB300 NVL72将于今年第三季度开始升级部署。而就在此前一个月，华为正式发布了CloudMatrix 384超节点，并宣布该架构已在芜湖数据中心规模上线。同样是在4月，ETH-X技术规范1.0发布，首台ETH-X超节点原型机在华勤东莞基地下线，ETH-X联盟说他们正在推进大规模集群测试。

7月份，当人们在WAIC大会上亲眼目睹华为首次线下展出的Atlas 900 A3 SuperPoD（昇腾384超节点），并宣称其性能超越英伟达NVL72集群时，一时间，仿佛超节点的硬件实体已经是一种普遍存在，支撑着算力中心解决通信的瓶颈。

无远弗届

可以把超节点架构理解为AI算力基础设施设计范式的一种创新，即通过将传统需要多台服务器协同完成的任务，集成到一个物理或逻辑上的“超级计算单元”（即超节点）中，通过更紧密的内部互联和资源共享，来实现更高的计算密度、更低的通信延迟和更强的整体性能。

超节点架构的核心在于解决大规模并行计算中的通信瓶颈问题，其实现路径有三个：内部高速互联技术、资源池化设计和规模扩展机制。

在内部互联技术方面，主要分为私有协议方案和开放标准方案。前者以英伟达和华为为代表，后者在国内主要是ETH-X联盟。

英伟达的NVL72超节点采用第五代NVLink技术，每个B200 GPU提供7.2Tbps的Scale-up（纵向扩展）连接带宽，通过PCIe对外提供400Gbps的Scale-out（横向扩展）连接带宽，Scale-up带宽是Scale-out带宽的18倍。

华为的CloudMatrix 384则采用自研的UB（统一总线）网络，每个昇腾910C芯片集成七个高速收发器，每个收发器工作速率为224Gbps，单向带宽达196Gbps，双向带宽为392Gbps。

ETH-X联盟的ETH-X开放超节点采用基于以太网的开放标准（RoCEv2），支持112Gbps Serdes速率（未来升级至224Gbps），交换芯片时延低至200ns，通过NOC（片上网络）级拓扑实现跨GPU直接访问 。

资源池化设计是超节点架构的另一关键特征。

英伟达NVL72通过NVLink和NVLink C2C，所有GPU都可以任意访问其他GPU的内存空间，整机柜支持13.5TB的HBM和17TB的LPDDR5X内存容量。

华为通过UB网络实现计算、内存和网络资源的动态池化，例如将鲲鹏CPU内存与昇腾NPU共享，支持零拷贝传输和统一内存访问。

ETH-X则利用以太网统一内存编址，支持跨GPU直接内存访问（Direct Access）与零拷贝传输，根据实际测试数据，跨卡数据访问时延能够降低12.7倍。

在规模扩展机制方面，超节点架构采用Scale Up和Scale Out相结合的方式。

英伟达NVL72通过L2 NVLink Switch进行16个NVL36超节点互联，完成Scale-up方向NVL576的扩展，提供576卡的计算能力??。

华为CloudMatrix 384由12个计算柜和4个总线柜组成，支持384个昇腾910C NPU和192个鲲鹏920 CPU的全互联，通过UB网络实现无阻塞的all-to-all拓扑。

ETH-X支持8~512卡弹性组合，单柜最高支持64 GPU，通过交换节点扩展至更大规模。

表1：三大超节点技术方案比较

来源：响指

焦虑缓解

如前所述，超节点架构是一种范式上的创新，赋予性能以近乎无远弗届的想象。它的确缓解了AI训练、推理和科学计算等应用场景中的算力焦虑：

在AI训练场景中，超节点架构通过高带宽、低延迟的互联网络，有效支撑起张量并行（TP）和专家并行（EP）等通信密集型任务；

在AI推理场景中，超节点架构通过资源池化减少数据搬运开销，提升吞吐量；

在科学计算场景中，超节点架构通过高带宽互联加速数据同步。

然而，这并不是说，超节点架构已然白富美。

除了显而易见的散热与供电问题外，跨机柜通信延迟问题在ETH-X等开放标准方案中尤为明显，其跨机柜延迟约2微秒，是Scale Up内部延迟（200纳秒）的10倍，可能影响分布式科学计算任务效率。此外，还有运维复杂度的问题，例如华为的方案光模块数量多达6912个，推高了硬件成本；ETH-X铜缆方案布线虽然简单，但开放标准的兼容性还需要验证。

三分天下

放眼国内市场，目前超节点架构领域的主力可谓三分天下：超节点概念的提出者英伟达、华为，以及由开放数据中心委员会（ODCC）主导的ETH-X联盟。如前文所述，英伟达（NVLink、InfiniBand）和华为（UB）都采用私有协议路线，ETH-X（以太网）则是开放标准路线。

英伟达通过CUDA生态绑定用户，形成强大的软件生态壁垒；华为则通过芯片与架构的深度协同设计，实现昇腾910C与UB网络的高效配合，其昇腾云脑提供的智能调度能力，则可保障超节点运行的长期稳定性。

比较特别的是ETH-X，该联盟由中国信通院与腾讯携手发起，联合了包括华勤技术、立讯精密、燧原科技、壁仞科技、新华三、锐捷网络等在内的30余家产学研机构共同成立。

从已发布的ETH-X技术规范1.0看，其AI Rack整机柜布局包括计算节点、交换节点和关键组件，单柜支持64 GPU，通过交换节点扩展至更大规模。

ETH-X目前采用Cable Tray铜缆方案降来低布线成本（英伟达也是铜缆，华为则是光缆），支持动态重构超节点规模，同时通过800G光模块实现跨柜互联，平衡成本与时延。不过，

未来发展到512 卡以上规模时（ETH-X Ultra 项目），将转向全光互联。

此外，ETH-X的硬件设计实现了完全解耦，计算、交换、互联三大子系统均可独立进行研发，且能够兼容来自不同厂商的硬件设备，例如兼容壁仞、燧原等国产GPU，这一特性可谓体现出有别于其他两家的“开放性”的价值。

截至目前（8月份），ETH-X成员已扩展至35家，包括浪潮信息、寒武纪、中兴通讯等，生态开放性在持续增强。

表2：国内超节点架构主力差异

来源：响指

走向何方

不论是哪种技术路径，超节点架构的发展方向十分明确：规模突破、技术融合与生态竞争。

从规模上看，百卡级已然是标配级，千卡级甚至更大规模才能缓解算力焦虑。

英伟达的NVL576就是扩展至576卡，但受限于私有协议的成本与物理限制，千卡级的扩展面临挑战。

华为的CloudMatrix 384通过参数面交换机（Parameter Plane Switches）支持最大16万卡集群规模！想象一下，这个Scale-out如果拉满，是不是有点恐怖？

ETH-X表现的中规中矩，8~512卡，可通过动态重构弹性组合单元，身段灵活。

扩张规模，超节点架构需要多种新兴技术的加持。例如与CXL 3.0的结合，CXL 3.0支持64GT/s数据速率，能提供更高的带宽和更低的延迟，未来可能通过协议转换适配ETH-X等开放标准，实现跨厂商内存共享。

液冷技术也是超节点的标配，包括冷板式液冷和浸没式液冷。

再就是被广泛关注的光互连技术，主旋律是从“可插拔光模块”向“芯片级光I/O”快速演进，包括机柜内 Scale-Up的CPO/NPO（硅光引擎与交换芯片共封装）、片间光总线（oNET/oNOC）、PCIe 走光（PCIe over Optics）等，机房级 Scale-Out的800 G/1.6 T 可插拔 DR8/FR8、LPO/LRO 低功耗直驱、分布式全光交换（HyScale/Torus）等。

讲到生态竞争，可以说，私有协议与开放标准并存将是超节点架构不变的格局。英伟达通过CUDA生态和高端硬件性能保持市场主导地位，但面临来自开放标准和国产替代方案的竞争压力；华为通过昇腾云脑等云服务降低用户使用门槛，实现资源利用率的最大化，同时构建昇腾+鲲鹏+昇腾云脑的闭环生态，强化用户粘性；ETH-X开放标准则加速国产技术生态建设，通过ODCC网络组推动多方厂商参与，构建大型多GPU互联算力集群系统。

结语

终点遥不可及，焦虑永在路上。随着大模型向万亿参数、千亿用户并发演进，对AI基建中的算力密度、通信效率的要求只增不减。无论是国际巨头，还是国产力量，都在忙于探索适合自身的路径。

如果说，三国杀的赢面在于能否精准洞察局势、灵活运用角色技能与手牌资源，那么能否推动竞争从单一芯片性能转向系统级整合能力，能否实现生态协同、工程优化，并兼顾成本控制，将成为超节点竞争中的关键胜负手。