AI发展的必经之路：AI Infra全面走向超节点时代。超节点是训练侧和推理侧算力基础设施发展的必选项，是未来百万卡集群的基石。
核心观点：
- AI模型发展趋势：模型从语言走向多模态，参数规模提升至十万亿级，算力集群规模逐步迈向十万卡、百万卡。AI Scaling Law从预训练扩展到后训练和逻辑推理全流程，对算力需求持续增长。
- 超节点成为最优解：模型参数规模持续增长，单卡GPU远不足以承载模型，分布式训练成为必需，超节点服务器通过内部高速总线互连，有效支撑并行计算任务，缩短大模型训练周期。推理任务对KV Cache缓存要求较高，超节点有效解决“内存墙”问题，且单W每秒生成Tokens更高，在推理侧更具性价比。
- 百万卡集群，Scale up先行：超节点集群（SuperPod）通过高速互联协议与专用交换芯片构建的高带宽域（HBD），有效解决“通信墙”、“内存墙”问题。超节点是百万卡集群的基石，Scale up协议走向开源开放，助力国产卡“弯道超车”。
超节点类型及内部结构：
- 超节点可分成整机柜超节点、分机柜超节点、Matrix超节点（级联超节点）。
- 主要由计算节点、交换节点、TOR交换机、供电单元、供电母线、电缆桥架/正交背板、液冷散热配套等单元组成。
超节点组网架构：
- Clos架构：如英伟达NVL72，通过NVLink组成全互联无阻塞架构。
- FullMesh类架构：如AMD MI350，采用Infinity Fabric互联。
- Torus拓扑：如谷歌TPU，立方体内的TPU处理器通过铜互连连接。
- Dragonfly与Dragonfly+：可扩展性更强，成本效益显著。
Scale up协议及对应项目：
- NVLink：英伟达主导，支持GPU之间直接进行内存访问。
- SUE：博通主导，以以太网为基构建传输层和数据链路层。
- UALink：AMD主导，支持大规模数据集处理、深度神经网络训练。
- UB：华为主导，支持UBPU中的计算单元直接发起同步和异步访存指令。
- HSL：海光主导，实现各家AI芯片厂商与海光CPU的“紧耦合”。
- OISA：中国移动主导，解决万亿参数大模型训练中的通信墙问题。
- ALS：阿里云主导，横跨国内外GPU芯片、互连芯片、服务器整机硬件、云计算等产业领域。
- EthLink：字节跳动自研，优化了链路层报文头，减少传输开销。
- ETH+：阿里云和中科院计算所主导，在Scale up场景取得关键进展。
超节点带来五大变化趋势：
- Scale up交换机与交换芯片用量增加：超节点服务器内部新增Scale up交换机互联，有望带动交换机及交换芯片等需求。
- 新增PCB背板与光互连需求：Cable tray、正交背板、光纤连接，铜缆成为首选，光互连方案适用于高密架构。
- 液冷成为超节点刚需，100%全液冷时代渐进：当单机柜总功耗≥50KW时，液冷成为必选方案，机柜最终或走向100%全液冷方案。
- 服务器ODM厂商价值重估：超节点服务器准入门槛相对较高，供应商格局较8卡机时代大幅改善，服务器厂商与芯片、客户绑定关系进一步提升。
- 超节点重构供电系统：超节点采用集中供电方式，带来Powershelf、Basbar需求，机柜功耗持续提升带动PSU价值持续提升，AI机柜逐步迈入MW级，功耗持续提升带动HVDC、SST系统需求。
投资建议：
超节点是国产算力进攻的“矛”，通过超节点方式弥补单卡性能不足，2026年是国产超节点放量元年。相关标的包括交换芯片、服务器整机、PCB、半导体制造、光模块、铜缆连接器、液冷、供电等领域的厂商。
研究结论：
超节点是AI算力基础设施发展的必然趋势，国产超节点集群加速崛起，相关产业链公司迎来发展机遇。
