2026超节点定义与实践白皮书

超节点研报总结

超节点发展趋势和影响

• 发展阶段：超节点发展分为四个阶段，从单机多卡到整机柜、Pod级、多机柜超节点，最终发展为数据中心级超节点集群。
• 产业影响：超节点推动服务器/OEM/ODM从“卖服务器”转向“交付整机柜系统”，液冷企业从“散热方案”转向“基础设施平台”，电源企业发展高压直流和机柜级供电，网络和光互联企业关注网络墙瓶颈，运维厂商升级为整机柜级、集群级的统一运维。
• 核心观点：超节点技术本质是推动AI数据中心从“服务器堆叠”模式向机柜级、Pod级、超节点系统工程模式转型，将xPU、CPU、HBM、交换、供电、液冷、机柜、运维及软件调度系统统一为一个整体设计对象，实现AI基础设施架构的根本性重构。

超节点的核心定义与特征

• 核心定义：超节点是物理上由多个计算节点通过高效的互联协议紧密连接组成，具备跨物理节点的统一内存编址能力，逻辑上具备“一台计算机”特征的计算系统。
• 架构特征：具备跨物理节点的统一内存编址，三大核心技术特征为“内存语义”和“统一内存编址”、超低时延、超大带宽。
• 关键观点：超节点为AI大模型计算等“单体紧耦合”软件构建了一个具备统一地址规划与数据布局的计算环境，使所有处理单元能够实现高效协同执行，从而为大规模、高性能计算场景提供近乎线性的算力扩展能力。

超节点架构

• 总线与协议：超节点总线定义了超节点设备模型、操作模型、互联规模等关键技术要素，超节点协议定义了超节点总线的实现算法和互操作方式。
• 硬件集群：超节点超大规模、高性能的基础是硬件集群技术，需要通过液冷、高功率供电、高密布局布线等硬件技术实现高密度的算力部署，并通过电、光互联的方式把各计算单元高速互联起来。
• 互联拓扑与交换：超节点的互联拓扑和硬件集群形态、互联规模密切相关，可以采用FullMesh、CLos、或FullMesh&Clos混合方式，交换技术决定了超节点的规模。
• 芯片：超节点要构建“Scale-Up”算力集群，需要算力芯片在指令层面实现超节点总线的跨节点操作，并和算力芯片的调度、cache、预取、乱序执行、同步等微架构机制深度融合和优化。
• 算子与算法：超节点域内数据交互通过集合通信库、共享内存库、点对点通信库等为上层应用封装好发送、接收、复制、节点间进程同步、内存访问等基础操作，对外呈现为一组或一类算子。
• 超节点软件：超节点系统软件对硬件能力进行抽象与封装，通过拓扑感知、故障切换、负载均衡等机制实现算力资源池化，并为应用程序提供内存对等访问、统一编址与亲和性调度等核心能力。
• 超节点设备管控：良好的设备管控可以让超节点中所有部件获得一致、有序的运行环境，并灵活应对故障、变更、扩容、升级的各自日常维护和操作。
• 可靠性与可服务性：超节点需要创新超节点硬件架构设计，例如无线缆正交架构，并实现全面、完善的故障检测、冗余恢复机制，降低单个部件故障对系统的影响。
• 系统协同：超节点是AIInfra的全新构建单元，需要与AIInfra的其他存储、网络协同一致，因此，超节点的架构设计需要与存储系统、网络扩展系统协同设计。

超节点价值应用场景

• 大模型预训练：超节点架构通过NPU间大带宽低时延互联，有效降低并行通信开销，在DeepSeekV3训练中，系统训练性能实现3倍以上提升。
• 推理：超节点架构通过NPU-to-NPU大带宽低时延互联与高效统一语义能力，实现高性能Dispatch/Combine通信，显著降低多专家通信时延，并基于全局资源池化架构提供多层次KVCache卸载与加载能力。
• 后训练与强化学习：超节点架构基于NPU-to-NPU大带宽互联，将模型传输时延从数十秒级降至毫秒级，并支持数百卡并行推理，承载更大BatchSize。
• 多模态内容理解与生成：超节点架构将多个xPU组成逻辑资源池，提升分布式3DGS重建效率；支持不同类型NPU异构组网，增强资源动态调度能力；基于内存语义通信实现小包超低时延，支撑Token级分组与Re-order，显著提升多模态推理与3D渲染生成效率。
• AgenticAI：超节点架构提支持多样性算力平等协同，实现多模态数据高吞吐预处理、RAG检索及慢思考推理优化；全局资源池化支持热迁移，应对KVCache与RAG数据指数级增长；高速互联架构实现沙箱镜像毫秒级热加载，提升AgenticAI负载亲和性。
• 虚拟化：超节点架构针对虚拟化场景提供系统性优化方案，基于全局内存资源池实现弹性分配，依托大带宽低时延大带宽通信与统一语义实现50ms极速热迁移，借助页面访问统计完成透明冷热内存分级，显著提升内存利用率。
• 大数据与数据库：超节点架构通过全局资源池化与大带宽低时延互联实现：大数据场景下，内存弹性分配与智能超分使Spark任务效率提升30%；数据库场景下，多主架构消除写瓶颈（线性度>0.75），全局缓冲池与冷热迁移使TPC-C提升20%。
• 分布式存储：超节点架构通过多样性算力平等协同提供系统性方案：构建跨节点存储资源池，SSD带宽利用率最高提升60%；将垃圾回收与EC重构等任务卸载至SSU，IOPS提升25%~35%。
• 高性能计算：超节点架构提供系统性优化方案，基于高带宽低时延互联与拓扑感知调度，分子动力学等通信密集型应用性能提升10%；内存语义通信使小包时延从微秒级降至百纳秒级，融合算子减少访存次数，AI4S推理性能提升8%。
• 行业场景：超节点架构通过场景深度定制提供差异化解决方案。例如，在自动驾驶领域，贵阳汽车超节点专区提供百Eflops级算力支撑虚实结合仿真训练；在金融领域，邮储银行超节点与实现数据不出域的安全推理，支持2000+金融智能体并发运行。

总线分层能力框架

• 物理层和数据链路层：通过适配和编码子层，提供灵活的可变速率机制；链路状态管理支持故障自动检测、自动降Lane；极低时延物理层编码和动态轻量化FEC编码选择；支持LPO/NPO/OIO/CPO等光互连。
• 网络层和传输层：支持网络地址编址和转发功能；支持拥塞标记，协同传输层拥塞控制降低动态时延；支持IPv4/IPv6格式；支持超大规模部署；支持超节点和以太网高效互通、支持超节点和参数面网络的融合组网。
• 事务层和功能层：同时提供同步Load/Store/Atomic访问和异步DMA访问；提供基于用户态内存指针引用的过程调用；提供原生的多设备协同机制。
• 资源和内存管理：实现超节点的全局统一编址，支持多样性XPU平等互连、池化共享；支持带内和带外等不同方式的管理架构。

超节点案例

• 多尺度超节点：超节点作为突破传统计算集群通信、功耗与复杂度等瓶颈的新技术形态，重点面向AI大模型全流程训推等新式计算需求构建了梯度化、多尺度的架构体系，可延展覆盖百、千、万卡级多尺度架构体系。
• 超节点案例：鹏城云脑Ⅲ是国内首个采用超节点架构的国产智算集群，采用计算刀片与交换刀片直接正交盲插的全电交换架构，展现出高密度、低时延与高可靠性的显著优势。
• 应用场景案例：包括大吞吐推理案例、低时延推理案例、TTFT时延降低案例、大模型训练加速案例、大模型训练易用性提升案例、搜推广案例、虚拟化案例、数据库案例、大数据案例、分布式存储案例、通智融合应用案例。

超节点的未来发展

• 多样性算力：单一xPU算力无法覆盖模型预处理、大模型训练、轻量化推理、长文本序列运算全业务场景，多样性算力融合部署成为超节点重要形态。
• 存储：SSU通过低时延、高带宽的灵衢总线，实现计算单元对存储的高性能直访，支持“以存代算”，并为未来Engram等记忆技术发展奠定基础。
• 高速互联：光电融合技术可突破物理约束，搭建全域互联底座，实现跨机柜、跨集群纳秒级高速通信与全局资源池化。
• 功耗：未来超节点峰值功耗突破MW，正式进入兆瓦级时代，对机房底层基础设施提出全新要求。
• 供电：±400V/800V高压直流HVDC成为主流母线规格，未来持续向1500VHVDC演进。
• 散热：下一代超高密超节点将全面采用全液冷架构，整机取消风扇等风冷部件。
• 标准化：需持续推进超节点统一标准与产业生态构建，围绕机柜硬件、机房部署、跨节点互联、软件栈、运维管理接口等全链路开展分层标准化建设。