今天市场走的很强，特别是在阿里还将加大资本开支之后，整个AI科技方向快速拉升。

从近期的市场来看，市场对阿里的动态关注度持续在提升。

笔者刚刚花了快3个小时，把今天阿里的云栖大会都看了一遍，确实有些印象深刻。

可以说相较以往，本次云栖大会更侧重技术与产品发布，七款大模型技术产品，覆盖语言、语音、视觉、多模态、代码等模型领域。

在这里面，笔者发现有一个方向值得我们来关注，那就是超节点，这次阿里发了磐久AI超节点，单柜128卡，百纳秒延迟，Pb/s级互联带宽。

磐久AI Infra2.0 128超节点服务器

因为超节点在前几天的hw也有所提到，另外之前市场也关注了一波昇腾384超节点。

我们不妨花点时间来好好了解一下当下超节点是什么？背后发展的逻辑是什么？产业趋势如何？

一、什么是“超节点”？

先说结论：超节点（Super Node）的本质，不是堆硬件，是解决AI训练中的“通信延迟”问题。

你可以把它理解为：把几十甚至上百张GPU，用一条“高速专线”连在一起，让它们像在同一台电脑里工作。

因为目前AI训练架构存在短板，跨服务器通信依赖外部网络，延迟高、带宽低，GPU大量时间在“等数据”，算力利用率常下降。

而“超节点”（Super Node）则采用Scale-Up架构，通过高速互联技术（如NVLink、hw的UB、阿里PPU）将上百个AI芯片深度整合，形成一个逻辑上的“单台超级计算机”。

而“超节点”干的事，就是把多台服务器“粘”成一个逻辑上的“单机”，通过NVLink、UB总线、PPU+HPN等高速互联技术，实现：

延迟从微秒级降到百纳秒级（0.1μs vs 10μs）；

带宽冲到1800GB/s以上；

支持GPU间直接访问内存，减少数据拷贝。

如果大家了解AI训练，就知道它意味着训练周期从30天缩到15天，省下的不只是时间，还有数百万美元的电费和机会成本。

所以，超节点不是“更多GPU”，而是“让已有的GPU更高效”。

二、超节点的发展趋势

超节点最早由英伟达提出（NVL72），hw随后推出昇腾384，现在阿里云也来了个128卡磐久。

目前超节点发展呈现三大方向：

1、技术路线

英伟达：NVLink + InfiniBand + CUDA，软硬一体，体验好但成本高、绑定深；

hw：昇腾芯片 + CloudMatrix 384，全栈自研；

阿里云：自研CIPU 2.0 + HPN8.0 + 开放架构，支持多种AI芯片。

阿里此次强调的开放架构，与AWS Nitro系统在理念上有相似之处，外围接口开放。它的目标不是卖服务器，而是让客户用更低的成本跑AI任务，从而吸引更多流量上云。

2、从“单点突破”到“系统集成”

早期大家比的是“一张卡多快”，现在比的是“一百张卡怎么连”。

超节点已进入“系统工程”阶段，比如Cable Tray铜连接、液冷散热、高密度背板。

比如网络用HPN、ETH-X等新架构，试图用以太网挑战NVLink。

3、规模并不是优势

规模越大，超节点的组网越简单，运维成本越低。

但代价是：功耗、散热、可靠性挑战指数级上升。

超节点不是越大越好，而是要在“效率”和“成本”之间找平衡点。

三、产业链上受益的方向是什么？

阿里云发布超节点，市场上“核心合作伙伴”跳出来蹭热度。

但现实是，我们要从产业发展的趋势（也就是第二大点的逻辑）出发，集中在三个环节：

1、高速互连硬件：铜缆、交换芯片

因为超节点需要Pb/s级带宽，柜内短距传输，Cable Tray铜连接方案兴起。

Serdes速率向112Gbps甚至224Gbps演进，对高速连接器要求极高。

部分公司在该领域已有订单落地，具备一定技术壁垒

2、高密度服务器

阿里这次是128卡/柜，功耗可达数百千瓦，对电源、散热、结构设计要求极高。

这类生意看似“传统”，具备强粘性。

3、国产AI芯片

比如阿里云强调“开放架构”，支持多种AI芯片，可能为部分国产芯片厂商带来新的合作机会。

过去因为AI生态相对比较封闭，现在阿里提供了一个“非NVidia”的入口。

但要注意，最终还得看芯片性能、软件栈成熟度、性价比。

写在最后

当全球AI竞争进入“万卡级训练、万亿参数模型”的深水区，拼的可能不再是单点性能，或许是系统整合能力。

超节点，可能正是这场竞赛的重要一环。

特别声明：以上内容绝不构成任何投资建议、引导或承诺，仅供学术研讨。

如果觉得资料有用，希望各位能够多多支持，您一次点赞、一次转发、随手分享，都是小猎豹坚持的动力~