夜雨聆风从 “堆芯片” 到 “拼系统”，一场决定未来 AI 基础设施格局的深层变革正在上演。
2025 年，英伟达 GB300 AI 服务器机柜出货量预计同比增长 129%，而它的下一代平台 Rubin 已箭在弦上。与此同时，谷歌的 9216 卡 Ironwood、微软的 6144 卡 Maia 200、AWS 转向交换结构的 Trainium3，以及国内如火如荼的开放解构超节点（ODS）实践，共同勾勒出一幅波澜壮阔的 AI 算力超节点 “战国版图”。
我们正在见证一个历史性转折：AI 算力的竞争，已从单一的 GPU 芯片性能比拼，彻底转向以 “超节点” 为单位的系统架构、互联网络与全栈生态的立体化战争。 这不仅是硬件的堆叠，更是一场关于设计哲学、生态掌控和未来话语权的深层博弈。
一、演进简史：从封闭探索到开放共识
超节点的故事，始于对极致算力的追求，历经了深刻的思想碰撞与路线抉择。
早期探索（2025 年前），舞台属于两大先驱：英伟达的 DGX SuperPod 和谷歌的 TPU Pod。前者基于 HGX 服务器和 NVLink 互联，后者凭借 3D Torus（环面）拓扑和光电路交换（OCS），共同证明了千卡级集群训练大模型的可行性。然而，这仅是 “能用” 的起点，远非 “最优” 的终点。
2025 年，路线大分化与思想启蒙。 英伟达祭出 Blackwell NVL72—— 一个 72 卡液冷封闭机柜，将计算、NVLink 交换、散热深度耦合，树立了性能标杆，但也筑起了高墙。根据官方企业参考架构，GB300 NVL72 由18个计算托盘（每个含4颗Blackwell Ultra GPU和2颗Grace CPU）和9个NVLink交换托盘构成，通过复杂的“线缆海洋”（Cable Tray）实现第五代NVLink（1.8TB/s）的全互联。
GB300 NVL72 系统硬件架构框图，展示机柜内计算托盘、交换托盘、电源和液冷的布局与互连。）
与此同时，另一种声音响起：“开放解构超节点（ODS）”。其核心主张是将计算、网络、电源散热物理分离，像搭积木一样用标准化模块构建集群，追求灵活性、可维护性与终极的成本效益。华为的 UB-Mesh、昇腾 384 超节点则代表了另一条路径，尝试用激进的 “全光互联” 方案挑战物理极限。
这一时期，关于 “超节点究竟是 SuperPod 还是 SuperNode” 的讨论达到高潮，本质是分布式集群与放大版刀片服务器的理念之争。
转折发生在 2025 下半年至 2026 年初，产业惊人地走向务实共识：
网络协议统一：ESUN 联盟成立，确立以太网为超节点互联的统一基座。更具里程碑意义的是微软 Maia 200，它通过自研的 AI 传输层（ATL），在标准以太网硬件上实现了 Scale-Up（纵向扩展）和 Scale-Out（横向扩展）网络技术栈的统一，完成了一次 “软件定义硬件” 的完美示范。
拓扑结构共识：曾经深信 3D Torus 的 AWS，在 Trainium3 UltraServer 上果断转向基于 NeuronSwitch 的交换结构，并计划在 Trainium4 上采用全交换网络。这一转变的根源在于 MoE（混合专家）模型的兴起，其动态的 “全对全” 通信模式让跳数多、热点明显的 Torus 拓扑效率低下，而扁平化的全交换拓扑在延迟均匀性和带宽可预测性上展现出巨大优势。
架构理念趋同：AMD 宣布其 MI500 将采用开放解构架构，为理念提供了关键背书。国内产业迅速跟进，移动云 ODS、腾讯 ETH-X Ultra、阿里 UPN512 从概念走向实践。有趣的是，就连英伟达自己，在 Rubin NVL72 的部署策略上也提供了 “旗舰配置”（8 台 NVL72 互联成 576 卡）和 “平民选择”（72 台 NVL8 互联）的弹性方案，与 ODS 的 “变形金刚” 理念异曲同工。
物理互联务实化：业界从对 “全光互联” 的浪漫想象，迅速回归 “光铜混合” 的务实主义。铜缆在 7 米内短距互联的成本、功耗与可靠性优势被重新确认，光互联则专注于机架间及更长距离的连接。英伟达在 Rubin 上实现 “无缆化” PCB 直连，并重申铜缆价值，标志着这一共识的彻底形成。
Blackwell 与 Rubin GPU 封装结构对比图 和 Vera Rubin NVL72 背板PCB无缆互联示意图，直观展示从“线缆海洋”到“无缆化”的设计革命。）
这场历时两年的思想运动，最终证明在 AI 算力成本占绝对主导的时代，任何增加不必要复杂性、牺牲可靠性、盲目推高 TCO（总拥有成本）的技术理想主义，终将被工程务实主义所修正。
二、市场现状：一超多强、生态割据与国产崛起
当前超节点市场，呈现 “一超多强，生态割据，国产务实崛起” 的三层格局。
英伟达（NVIDIA）：规则的制定者与性能天花板。 它不仅是硬件供应商，更是生态标准的定义者。其 NVL 系列凭借 NVLink 私有互联协议（五代 1.8TB/s，六代 3.6TB/s）和 CUDA 软件生态的绝对优势，占据了高端市场和研发心智的制高点。通过 “长臂管理” 供应链策略，直接控制 HBM、水冷板等关键部件采购，ODM 厂商仅负责组装，进一步强化了其产业主导权。客户主要是追求极致性能、且预算充足的顶级科技公司、云服务商和国家级实验室。
云服务巨头（谷歌、微软、AWS）：最大的挑战者与自研路线践行者。 它们的战略目标高度一致：打破供应依赖，优化 TCO，并为自身云服务打造差异化竞争力。
- 谷歌 Ironwood
是垂直整合的极致代表，规模惊人（9216 卡），但其 3D Torus 拓扑与封闭生态，更像一个服务于内部需求的 “超级器官”，难以对外输出。 - 微软 Maia 200
开创了 “基于标准以太网构建高性能超节点” 的范式，其通过软件（ATL）释放硬件潜力的思路，影响深远，为行业提供了另一种可能性。 - AWS
的快速转向最具象征意义，它证明了即使巨头也会为追求更优的工程效率而果断放弃原有路径，产业对全交换拓扑的认可已成为不可逆的趋势。
国内厂商与开放生态阵营：不可忽视的务实力量与落地先锋。 核心优势在于灵活、可扩展、高成本效益和快速落地能力。它们不追求单一指标的极致，而是通过计算与网络解耦、支持异构算力、利用成熟以太网生态，快速打造出能够实际部署、满足多种场景需求的 “经济适用型” 超节点。在 AI 算力迫切追求普及化和实用化的当下，这种 “多、快、好、省” 的务实主义，正在中国市场乃至更广泛的场景中展现出强大的生命力。
三、产品矩阵全景：从 72 卡到万卡的军备竞赛与架构精进
| 英伟达 | ||||
| Vera Rubin NVL72 | 无缆化（PCB背板直连） | |||
| (架构形态) NVL144 | 由两个NVL72背靠背互联构成的逻辑/物理形态 | |||
| Rubin Ultra NVL576 | ||||
| 谷歌 | 3D Torus v4拓扑 | |||
| 微软 | 两层交换 | |||
| AWS | 从3D Torus转向交换结构 | |||
| 华为 | UB-Mesh统一总线 | |||
| 生态代表 | 移动云ODS | 开放解构典范 |
产品演进的两条主线清晰可见：
规模竞赛的物理极限：从单机柜 72 卡，到通过多机架互联实现的 576 卡、千卡、甚至谷歌的 9216 卡。单机架盲目堆叠 GPU 的模式已彻底触及功耗（>600kW / 柜）、散热和运维的物理天花板，“多机架超节点” 成为规模扩展的唯一出路。 英伟达 Vera Rubin 的推出，标志着其路线正式从 “单机架超节点” 升级为 “多机架超节点体系”。
架构精进的工程哲学：英伟达的演进最具代表性：从 Blackwell NVL72 复杂的 “线缆海洋”（Cable Tray），到 Rubin NVL72 的 “无缆化”革命（PCB 直连），将维护时间从小时级降至分钟级，是可靠性设计的巨大飞跃。同时，其第三代 MGX 机架成为标准化模块，意味着超节点的建设开始走向 “预制化、模块化” 的工业制造模式，与建筑行业的 “预制件” 革命异曲同工。
四、深度对决：架构优劣、生态壁垒与场景真理
英伟达 NVL 系列：王者之矛与高墙之困
- 优势
：性能绝对领先，NVLink 互联带宽与效率目前无人能及；CUDA 生态护城河深不可测，涵盖从芯片到应用的全栈优化。 - 短板
：封闭系统，成本高昂，是 “顶级奢侈品”；“长臂管理” 供应链使用户定制空间有限，且面临地缘政治供应链风险。 - 场景真理
：高端 AI 研发、万亿参数模型训练、对推理延迟有极致要求的商业场景。它是突破性能边界的利器，但非普惠之选。
谷歌 Ironwood：规模巨兽与生态孤岛
- 优势
：软硬一体垂直整合带来内部极高效率，规模庞大；OCS 在降低交换功耗和延迟上有理论优势。 - 短板
：Torus 拓扑已不适配现代 MoE 模型，通信效率有先天缺陷；完全封闭的生态，仅供谷歌自身使用，无法作为通用方案输出。 - 场景真理
：谷歌内部大规模预训练任务的专属利器，是其闭环生态的一部分，不具备行业通用性。
微软 Maia 200：范式创新者的平衡术
- 优势
：成功验证了用标准以太网也能构建高性能 Scale-Up 网络，打破了专用互联协议的神话；软件定义网络（ATL） 实现了灵活优化与硬件解耦；两层交换架构在全局扩展性与局部优化间取得了精妙平衡。 - 短板
：成功高度依赖自研 Maia 芯片与深度优化的软件栈，生态建设处于早期，其模式能否被行业广泛复制并构建起强大应用生态，尚待观察。 - 场景真理
：微软 Azure 云 AI 服务的基石，以及为行业提供一种基于开放标准、软硬协同的超节点参考设计，影响力在于其开创的范式。
AWS Trainium3：务实主义转型的标杆
- 优势
：作为云巨头，及时从低效的 3D 环面转向更适应现代 AI 的交换结构，展现了敏锐的技术判断力和工程务实精神。 - 短板
：当前代次可视为过渡架构，部分通信仍需转发，性能与极致优化的全交换网络尚有差距，需待下一代（Trainium4）完善。 - 场景真理
：AWS 云上大规模 AI 训练任务，是其降低 TCO、提升服务竞争力的关键基础设施。
华为昇腾系列：全栈自研的挑战者
- 优势
：全栈自主可控，UB-Mesh 统一总线实现多机柜扩展，在国内 “新基建” 智算中心市场有深厚基础和份额。 - 短板
：早期全光互联方案面临工程复杂性与成本挑战；昇腾生态（CANN）的开放性与全球开发者吸引力仍在持续建设中。 - 场景真理
：国内智算中心、对供应链安全有极高要求的行业 AI 基础设施，是国家科技战略的重要支撑。
开放解构超节点（ODS）：产业共识的落地载体
- 优势
：灵活、可扩展、成本效益高；解耦设计便于维护、升级和异构算力集成；已被中国移动、腾讯、阿里等主流厂商采纳并规模化部署，产业链成熟度快速提升。 - 短板
：需要更强的系统集成与调试能力；在追求单集群极致性能时，可能略逊于深度协同的封闭系统。 - 场景真理
：企业级 AI 平台、多云异构算力池、对 TCO 敏感的大规模训练集群，是当前落地最快、最务实、最具普及潜力的选择，代表了 “网络即计算机” 理念在 AI 时代的复兴。
五、直面挑战：狂欢下的五大技术痛点与产业瓶颈
超节点的狂奔背后，一系列严峻挑战已从技术论文走向工程现场：
功耗与散热的物理极限：单机柜功率从几十 kW 猛增至 600kW 量级，相当于数百个家庭同时用电。这使得全液冷从 “高端可选” 变为 “生存必选”。然而，复杂的液冷系统（冷板、CDU、管路）本身就成了新的故障点、成本中心和运维噩梦，其可靠性与能效比成为新的关键指标。
“内存墙” 与 “互联墙” 成本飙升：在英伟达 B200 芯片中，HBM3e 内存成本占比已高达 45%，首次超过了逻辑芯片本身。同时，构建 TB/s 级互联网络的 NVSwitch、高速网卡、专用线缆 / 光模块，成本占比激增。AI 算力的成本结构正在发生根本性转变：从 “为计算付费” 转向 “为内存和互联付费”。
超大规模下的运维噩梦：当集群规模达到万卡甚至十万卡，故障的快速诊断与隔离、性能瓶颈的精准定位、资源的动态调度与平衡的复杂度呈指数级上升。一个微小的网络拥塞或单卡性能降级，都可能导致整个千亿级训练任务效率骤降。英伟达推出 Mission Control 等统一运维平台，正是试图解决这一史诗级挑战。
生态适配的长期壁垒：CUDA 生态积累了超过十年的软件、库、工具和开发者习惯，构成了几乎无法用短期硬件优势逾越的护城河。其他硬件厂商面临的是一场艰难的 “生态战争”，需要巨大的耐心、持续的投入和差异化的价值主张。
供应链安全与地缘政治风险：英伟达对关键部件的集中控制，以及全球半导体供应链的波动与地缘政治摩擦，使得超节点的稳定生产、交付和升级充满不确定性。这不仅是成本问题，更是业务连续性问题，进一步刺激了各国和各巨头追求技术自主与供应链多元化的决心。
六、未来展望：融合、分层与系统级竞争
展望未来，超节点的发展将呈现以下清晰趋势：
架构融合：封闭与开放的边界模糊化。英伟达会持续吸收开放架构的灵活性（如多元部署选项），而开放生态阵营也会在标准化的基础上，追求更深度的软硬件协同优化。“多机架、模块化、预制化” 将成为所有玩家的共同选择。Vera Rubin Pod 与开放解构超节点（ODS）在目标上的高度趋同，已预示了这一趋势。
（技术配图说明：知识库文章《GTC2026：英伟达超节点路线揭晓》中应包含 Vera Rubin Pod 与 开放解构超节点 (ODS) 对比分析表，以表格形式清晰对比两种路线的设计思路、机架模型、网络路线与生态模式。）
技术务实：铜光混合与以太网统一基座不可动摇。铜缆在短距、光互联在长距的混合模式，因其在成本、功耗和可靠性上的最佳平衡，将持续至少五代产品周期。同时，以太网凭借其无与伦比的开放性、规模经济和持续演进能力，将彻底巩固其作为 Scale-Up 和 Scale-Out 统一网络基座的地位，实现数据中心网络的技术栈归一。
竞争升维：从硬件参数到全栈软件与运维能力。未来的竞争，将是 “芯片 + 互联 + 系统设计 + 系统软件（调度 / 监控 / 诊断）+ 运维平台” 的全栈能力比拼。硬件是基础，但软件，尤其是能最大化硬件利用率、降低运维复杂度的平台软件，其价值愈发凸显，并可能成为新的利润中心和差异化关键。
市场分化：分层满足多元需求。高端市场（顶级研发、超大模型训练）仍将由英伟达和云巨头自研方案激烈角逐；而广阔的企业级、行业 AI 和普惠 AI 市场，将是开放解构超节点（ODS）和标准以太网方案的广阔天地。一个分层、多元、适配不同预算和需求的超节点市场生态正在加速形成。
结语
AI 算力超节点的演进史，是一部从技术理想主义回归工程务实主义的史诗。它清晰地揭示：在算力成本主导的 AI 时代，最终的胜利不属于拥有最快单芯片的理论家，也不属于追求最完美拓扑的理想家，而属于那些能深刻理解 AI 工作负载本质、在性能、成本、可靠性和灵活性之间找到最佳平衡点的系统架构大师。
未来的赢家，将是那些能实现 “从芯片到机架再到集群的极致协同设计”，并构建起繁荣、开放或强大闭环生态的体系。 这场以超节点为舞台的竞赛，远未结束，它正从硬件的 “战国时代”，迈向软硬一体、生态制胜的 “帝国时代”，并将最终决定我们以何种效率与成本，触及那个名为 AGI 的彼岸。
