Kimi K3发布技术报告时，在官方部署文档中明确建议“在64卡及以上超节点配置中部署”，这是超节点首次被写入大模型的“安装说明书”，且作为硬性门槛而非可选优化。Kimi K3拥有2.8万亿参数、896个专家，MoE架构下通信量巨大，跨节点通信一旦卡顿，推理效率将大幅下降。随后，阿里云真武M890超节点实例上线，Kimi K3和通义千问3.8 Max均开始运行其上，供给端与需求端形成相互推动的循环。

行业集体转向超节点，并非因为技术突然成熟，而是传统路径已难以为继。据SemiAnalysis估算，单颗国产AI芯片性能约为英伟达Blackwell的三分之一，先进制程受限短期内难以突破。同时，大模型参数向数万亿级迈进，MoE架构下每生成一个词元，成千上万颗GPU需同步参数、交换数据。传统8卡服务器在扩展时，通信等待时间增长，算力利用率反而下降。算力每两年翻三倍，内存带宽仅增1.6倍，互连带宽仅增1.4倍，芯片算力再强，数据供不上也徒劳。

超节点的思路是用高速互联将成百上千颗芯片绑定为逻辑统一的算力集群，减少数据交换瓶颈。华为内部测算，单颗昇腾虽不及英伟达，但昇腾950超节点整体性能达到GB200 NVL72的1.7倍。这标志着竞争焦点从单卡转向系统级能力。英伟达的CUDA生态是其护城河，但超节点比拼的是集群调度、互联效率、系统稳定性等系统工程能力，英伟达在此领域并无几十年先发优势，起跑线相近，因此超节点被视为绕开英伟达正门、从侧面突破的路径。

今年WAIC上，各厂商展示了不同超节点方案。华为昇腾950超节点支持1024卡，满配可扩展至8192卡，为业内最大规模。中科曙光则推出十万卡集群曙光8000，落地郑州国家超算互联网核心节点，上线即满载。该集群采用“原生超智融合”设计，同一系统可覆盖FP64科学计算至INT8推理精度，既能训练大模型，也能用于气象预报、基因测序。中科曙光高级副总裁李斌表示，从万卡到十万卡，规模扩大十倍本身不难，难在性能能否同步提升，任何环节短板都会导致性能折损。

另一路线是壁仞的NPO光互连方案，用光信号替代铜线，单个超节点可扩展至1024卡。铜缆电信号超过3米严重衰减，现有方案最多支持128张GPU，英伟达也在面临此瓶颈——2026年GTC上黄仁勋表示将用光互连把系统从NVL72扩展至NVL576。壁仞还将GPU节点与交换机节点物理分离，用光纤灵活互连，摆脱传统大机箱形态。

中兴则走开放解耦路线，兼容多家芯片，让客户自行搭配。中科曙光还推出scaleX40，全球首个无线缆箱式超节点，40卡标准19英寸箱式设计，部署时间从小时级压缩至分钟级，可直接融入现有机房。40卡规模被视为性能与成本的平衡点，适合大多数企业。中科曙光同时押注十万卡天花板与中小企业门槛，这种“两头押注”策略在超节点竞赛中较为少见。

英伟达的路径是先迭代GPU架构，再升级NVLink互联，最后以NVL72形态打包成超节点。国产算力产业则相反，先构建超节点系统方案，再倒逼芯片设计。制程差距难以追平，便在系统层面重新定义规则。一旦系统级效率成为新标准，单卡性能差距的重要性将下降。英伟达被挑战，并非因单卡被超越——AMD、英特尔均未做到——而是因有人在系统层面重新定义了算力供给方式。国产算力产业正赌注于此，避开英伟达的优势战场，在其尚未建立绝对优势的领域抢先布局。