超节点之战：NVIDIA、Google、华为、AMD的AI算力架构大分化

摘要

2026年，AI超节点（Supernode）成为算力竞争的核心战场。NVIDIA以NVLink 6.0实现单GPU 3.6 TB/s带宽但受限于72卡全交换域，Google TPU v7以9,216芯片Superpod刷新规模纪录，华为昇腾Atlas 950以8,192卡+灵衢全光交换跻身第一梯队，AMD Helios首次以72卡机架级系统正面对标NVL72。四条路线在互联拓扑、带宽密度、扩展极限和软件生态上做出截然不同的工程取舍，AI基础设施正从"单一GPU主导"走向"多架构并存"的新格局。

事件概述

2026年上半年，全球AI超节点领域密集发布：1月CES上NVIDIA发布Vera Rubin NVL72，单GPU互联带宽翻倍至3.6 TB/s，机架级总带宽达260 TB/s ✅已验证；4月Google发布TPU v7 Ironwood Superpod，9,216颗液冷芯片、42.5 EFLOPS FP8算力、1.77 PB内存 ⚠️厂商宣称；6月WAIC 2026上，华为以真机形态展出Atlas 950 SuperPoD，最大支持8,192颗昇腾NPU，灵衢2.0实现16.3 PB/s全光互联带宽 ⚠️厂商宣称；同月台北电脑展上，AMD首次展示Helios机架级系统，集成72颗MI455X加速器、31 TB HBM4显存、2.9 EFLOPS FP4算力 ⚠️厂商宣称。

这四款产品分别代表了四种完全不同的超节点技术哲学：全交换GPU路线、3D Torus大规模Pod路线、分层Mesh+光交换路线、环形拓扑机架路线。

---

技术纵深：六维对比

一、互联拓扑——架构的基因选择

超节点的核心是将数十乃至数千颗芯片连成一个逻辑统一的计算系统，而"怎么连"——即互联拓扑——决定了系统的一切性能特征。

NVIDIA选择全交换（Full-Mesh via NVSwitch）：72颗GPU各自通过18条NVLink链路连接到9颗NVSwitch ASIC，任意两颗GPU之间单跳直达，总聚合带宽130 TB/s（GB300 NVL72），延迟约0.5-1微秒 ✅已验证。这是带宽最高、延迟最低的方案，但代价是交换芯片端口数与GPU数成平方关系增长——72颗GPU已接近NVSwitch端口密度的物理极限。

Google选择3D Torus：9,216颗TPU排列成三维网格，每颗芯片与6个邻居直连，ICI带宽9.6 Tb/s（约1.2 TB/s）⚠️厂商宣称。无需集中式交换芯片，成本可控，但远程通信需要多跳，有效带宽随距离衰减。Google通过OCS光路交换在毫秒级重构拓扑来缓解这一问题。

华为选择UB-Mesh分层混合拓扑：柜内64颗NPU通过2D-Mesh全电互联，柜间通过灵衢OCS全光交换机连接，形成"短距电互联+长距光互联"的分层架构 ⚠️厂商宣称。这种设计的核心思想是让不同类型的并行通信（张量并行、数据并行、专家并行）在物理拓扑上找到最匹配的层级，华为宣称网络成本降低约5倍。

AMD选择环形（Ring）拓扑：8卡节点内P2P环形互联，Helios机架扩展到72卡 ⚠️厂商宣称。实现简单、无需交换芯片，但All-to-All通信的有效带宽与卡数成反比（Ring All-Reduce效率为2(N-1)/N），大规模全局通信场景下存在固有劣势。

二、带宽密度——每颗芯片能"喝"到多少数据

关键洞察：带宽数字不能孤立比较。NVLink 5.0的1.8 TB/s是全交换带宽——任意两颗GPU之间独享；而Torus和Ring的1.2 TB/s是链路带宽——实际有效带宽取决于通信模式和距离。对于张量并行这种全局All-Reduce密集型操作，全交换架构的实际有效带宽可能是Torus的3-5倍。

三、扩展性极限——单域能装多少芯片

NVIDIA的策略是"小而精的全交换域+大规模横向扩展"——在72卡域内做到极致带宽，域外交给InfiniBand；Google和华为则追求"超大单域"——用Torus或Mesh拓扑在单Pod内容纳近万颗芯片。两种思路各有代价：前者域内性能极强但跨域通信开销大，后者域内通信丰富但单链路带宽受限。

四、功耗与散热

旗舰超节点功耗已全部进入液冷时代。GB200 NVL72单机架功耗142 kW，Google TPU v7整Pod功耗近10 MW（约70 kW/rack）✅已验证。华为Atlas 950和AMD Helios均采用液冷方案但未披露具体功耗。液冷不仅是散热手段，更涉及机械设计、供电架构、管路布局、漏液安全的整机柜级重构——超节点已从"堆服务器"演变为系统级工程。

五、软件生态——最深的护城河

CUDA的生态壁垒是当前超节点竞争中最难逾越的护城河。但推理市场对框架灵活性的要求低于训练，非CUDA方案可能率先在推理侧突破。

---

财务逻辑

超节点背后是一笔关于"每Token成本"的经济账。NVIDIA NVL72机架售价约300万美元，每GPU约4.2万美元；Google TPU不对外销售但自用成本据估算约为同等算力的60-70%；华为昇腾384超节点已商用750+套，价格显著低于NVIDIA方案但单卡性能约为GB200的1/3 ⚠️高置信度。

核心经济逻辑：大模型推理的边际成本主要由每Token的算力和内存访问成本决定。NVIDIA凭借最高带宽和成熟生态在"每Token性能"上领先；华为凭借更大内存容量（Atlas 950为NVL72的3.6倍）和更低硬件价格在"每Token成本"上可能形成优势；Google凭借自研芯片和定制网络在内部使用场景下成本最低但不对外输出。

---

战略纵深：四条路线的竞争格局

全球AI超节点已形成三极并立、多元补充的格局：

第一极：NVIDIA全交换路线。 凭借NVLink/CUDA的硬件+软件双重优势，主导全球大模型训练市场。Vera Rubin平台进一步引入异构机架（GPU+LPU+推理机架），从"一种架构通吃"走向"多类型协同"。⚠️高置信度

第二极：Google TPU自研路线。 以超大规模Pod服务内部训练需求，Ironwood首次专为推理设计。TPU不对外销售，但通过Google Cloud对外输出算力。其OCS光交换+3D Torus的组合在规模和能效上独树一帜。✅已验证

第三极：华为昇腾系统级路线。 在单芯片性能暂时落后的约束下，通过更大规模互联（8,192卡）和全光交换实现系统级追平。昇腾384超节点已落地750+套，Atlas 950预计2026年Q4上市。这条路线的核心驱动力是国产替代需求——国内客户无法获取高端NVIDIA GPU，必须依赖国产方案。⚠️高置信度

多元补充： AMD Helios首次具备机架级对标能力，MI350X的288GB HBM3E在推理显存容量上领先60%；Cerebras WSE-3以晶圆级单芯片占据极端 niche；Intel Gaudi 3押注开放以太网路线降低客户总体成本；国产生态中寒武纪/海光/浪潮多线并进。⚠️厂商宣称

---

薄弱点与隐忧

• NVIDIA的扩展性天花板：NVLink全交换域的72卡物理极限短期内难以突破，更大规模必须依赖InfiniBand，跨域通信效率骤降。如果未来模型架构对大规模All-to-All通信的需求继续增长（如MoE专家并行），全交换域的小规模劣势将被放大。
• Google TPU的封闭性：TPU不对外销售，生态深度绑定Google内部技术栈。对于非Google Cloud用户，TPU路线不可及。OCS光交换的可靠性在超大规模下的长期表现仍需验证。
• 华为昇腾的单芯片性能差距：昇腾910C单卡BF16性能约为GB200的1/3，虽然通过系统级优化弥补，但能效比和TCO仍存差距。CANN生态月活仅3,500+开发者，与CUDA百万级社区差距悬殊。
• AMD的软件生态短板：Helios硬件规格对标NVL72，但ROCm生态成熟度仍落后CUDA约2-3年。客户从CUDA迁移的实际成本和风险不可忽视。
• 行业共性风险：液冷系统的长期可靠性和运维复杂度、HBM产能瓶颈（AI memory紧张预计持续至2028年）、光互联技术（CPO）商业化进度不确定性。

---

预判

12个月内： NVIDIA Vera Rubin NVL72开始交付，单GPU带宽翻倍至3.6 TB/s巩固训练市场领先地位；华为Atlas 950 Q4上市，国产超节点从"试点"进入"规模部署"阶段；AMD Helios获得Microsoft等首批客户订单，但实际交付量有限。

2年内： 光互联技术（CPO/硅光）取得关键突破，超节点单域规模有望从千卡级跃升至万卡级以上；CUDA生态壁垒在推理侧率先被打开缺口，ROCm和CANN的市场份额合计或达15-20%；国产超节点在中国政企市场的份额超过50%。

3年内： 超节点架构从"单一类型"全面走向"异构多类型"——GPU训练+LPU推理+专用推理机架协同部署成为标配；晶圆级（Cerebras）和确定性网络（Groq/LPU）等差异化路线在特定场景证明商业价值；全球AI超节点市场形成"NVIDIA训练主导+多方案推理竞争"的双层格局。