模型催热算力战
作者／ IT时报记者 毛宇 贾天荣
编辑／ 潘少颖 孙妍
沐曦科技展台前，一排散发着幽蓝光芒的超节点算力机柜格外醒目，机柜如钢铁巨人般矗立，单柜128 GPU的标识凸显强大算力，纯液冷设计让它摆脱传统风冷的繁杂散热装置，引得参观者纷纷驻足。
“在你面前的其实是一个千卡集群！”沐曦科技展台工作人员告诉《IT时报》记者，此次展出的是沐曦最新算力技术——超节点机柜，每个机柜128GPU，10个机柜共1280GPU。超节点机柜去掉了传统风冷装置，仅设计了液冷装置，整个机柜能耗较先前的单机柜群组更加节能。
不仅是沐曦，在WAIC2025展馆内，算力展品琳琅满目。超聚变展出了全球首个多元智算即插即用超级集群系统，单柜128张AI加速卡；燧原科技的DeepSeek一体机系列展台前有不少参观者，这款产品2025年初刚推出，支持国产CPU平台和多种场景调优能力。
众多企业超节点算力的扎堆发布，恰似一场国产算力创新的“集体冲锋”。随着年初Deepseek爆火，大模型时代来临，算力需求暴涨，正倒逼国产算力芯片行业加速创新，超节点就是这场攻坚战的关键武器。但创新浪潮下，行业仍对潜在风险保持高度警惕。
“超节点可以理解为大规模集群，以前一台服务器算一个节点，现在超节点把多个节点‘拧成一股绳’，像我们的高密度机柜超节点，一台机柜集成多台服务器，实现128卡甚至更高密度的算力聚合。”沐曦展台工作人员表示，超节点算力，本质是应对大模型时代极致算力需求的集群化解决方案。“以前摊开部署多机柜，现在超节点把算力集中，既省了机柜租金、电费，还不用风冷技术，液冷就能搞定散热，契合大模型时代降本增效的需求。”
简单来说，它将多台服务器、多张算力芯片卡整合为规模更大、算力更强的整体算力单元，突破传统算力部署的边界。这种聚合，并非简单的硬件堆叠，而是通过优化节点内互联技术、液冷散热等手段，提升集群整体能效、通信带宽与空间利用效率。
而在以“芯聚算力开芯局，源引AI共未来”为主题的论坛上，沐曦联合创始人、CTO兼首席硬件架构师彭莉带来旗舰GPU曦云C600，曦云C600集成大容量存储与多精度混合算力，支持MetaXLink超节点扩展技术，并内置ECC/RAS多重安全防护模块，能满足下一代生成式AI的训练和推理需求。“沐曦又一次完成从‘研发优势’向‘产品优势’的关键跃迁。”彭莉表示。
在WAIC现场，超节点的技术特征与创新价值清晰展现。
燧原科技的云燧ESL超节点系统，单节点最高可实现64卡全带宽互联，采用液冷方案，追求“高性价比、高密度、高能效”。展台工作人员向《IT时报》记者介绍：“大模型参数量从几百亿级往万亿级跳，传统算力部署在节点通信、空间功耗上扛不住，超节点通过优化内部互联，让算力集群‘跑起来更快、用起来更省’。”
超聚变发布的全球首个多元智算即插即用超级集群系统，单柜128张AI加速卡，112G/224G的高速互连，单柜240kW的超级供电，一柜顶32柜，使用第五代100%原生液冷，能够节能20%以上。超聚变打造的软硬件基础设施技术与算力生态，可兼容10多家加速卡，提供双生态南北向安全异构算力。
超节点扎堆发布，背后是大模型发展倒逼的算力变革。传统算力部署的节点间存在通信瓶颈、空间占用大、功耗高等问题，无法满足大模型训练与推理需求。正如行业共识，模型参数量越大，需要的卡越多，超节点把分散的算力“攥成拳头”，减少机柜占用，提升通信效率，是支撑大模型发展的必然选择。
瓶颈 国产算力还卡在哪？在人工智能产业蓬勃发展的当下，算力作为其核心驱动力，重要性不言而喻。然而，国产算力在前进的道路上却面临着诸多阻碍，发展现状不容乐观。
从硬件基础来看，制程代差成为国产算力芯片难以忽视的痛点。太极股份数字基础设施业务集团总经理孟凡池向《IT时报》表示，国内独角兽GPU企业的主力制程集中在7/12/14纳米，与国际领先的3/4纳米制程相比，存在明显的代际差距，导致的性能差距最高可达10倍。这意味着在处理相同复杂任务时，国产算力芯片在速度、效率等关键指标上，远不及国际先进水平，极大限制了其在高端应用场景的使用。
在算力网络架构方面，国产算力也处于初级阶段。多名GPU企业的展台工作人员也向《IT时报》记者坦言，如今仍受限于光刻机复杂的工艺流程，国产GPU发展之路还有待继续突破。
而数据数量、接口闭环等标准尚在起草之中，不同设备间的互联率较低，延迟、带宽瓶颈以及网络拥塞等问题频发，严重影响了算力资源的高效利用。即便拥有先进的智能算法体系，面对海量业务资源和复杂任务，也会因算力调度不畅，出现效率低下和资源分配不均的情况，无法充分发挥国产算力的潜力。
散热问题同样掣肘着国产算力的发展。随着GPU服务器功耗不断激增，传统风冷散热方式已难以满足需求，而液冷技术虽然被视为解决之道，但目前其成熟度仍有待提升，成本仍有下降空间。
面对通用GPU的“卡脖子”困境，中昊芯英创始人及CEO杨龚轶凡认为“多芯多技术路径”是中国AI芯片产业的必然选择，“当市场体量足够大时，定制化芯片设计的性价比将远超通用器件，至少提升2~3倍，甚至可达5~10倍，这将显著降低大模型等应用的生产成本。”
他以大模型演进为例：“去年行业普遍认为7B参数模型足矣，今年已全面迭代至70B。未来参数膨胀趋势下，唯有支持多芯片高效互联的专用架构才能承载。”
“当前算力市场正处于‘一卡难求’的饥渴状态。”孟凡池向《IT时报》透露，互联网大厂正掀起算力军备竞赛：阿里计划两年投入3800亿元，腾讯、字节跳动也斥巨资布局，但美国芯片禁令导致英伟达高端GPU进口受阻，国产芯片供应链尚未完全畅通，“对大厂们来说，目前都面临算力供应短缺，真实需求仍在持续攀升”。
据孟凡池观察，数据行业自2025年起持续下行，至2023年触底，而智算中心需求却逆势爆发。太极股份作为北京市政务云等国家级项目的建设者，正在将政务云经验转移至算力服务领域。“过去用CPU服务器组网提供SaaS服务，现在用算力服务器组建算力网。”他坦言，从去年开始，很多算力订单一减再减，不是用户需求减，是拿不到算卡，目前我们服务的终端客户，无论是国产的芯片，还是进口芯片，我觉得现在主要是缺芯，但是实际上需求还是蛮旺盛的。
未来 国产GPU替代率或超80%在全球AI算力需求以每两年750倍速率极速扩张的当下，国产GPU发展态势备受瞩目。
英国皇家工程院院士郭毅可在沐曦论坛上预测，到2027年中国云端AI芯片市场规模将突破480亿美元，国产GPU替代率预计超80%，这为国产GPU产业描绘了一幅充满潜力的未来蓝图。
技术创新是国产GPU发展的核心驱动力。尽管目前国产独角兽GPU企业主力制程与国际顶尖水平存在代际差距，但企业从未停止追赶的脚步。众多企业在制程工艺、芯片架构等方面持续投入研发，部分企业已取得阶段性成果，产品性能逐步提升。同时，定制化芯片设计崭露头角，有望凭借更高的性价比，在市场中占据一席之地，为国产GPU技术发展开拓新路径。
生态构建层面，企业间合作愈发紧密。如阶跃星辰联合近10家芯片及基础设施厂商发起“模芯生态创新联盟”，推动“芯片—模型—平台”全链路技术贯通。
此外，标准制定工作稳步推进。论坛上，中国电子技术标准化研究院建立的人工智能国家标准评测基准体系“求索2.0”，为国产芯片设计等提供国家级技术指南，将推动构建“安全可控、成本优化、场景适配、持续创新”的国产算力体系。并且，开源开放趋势明显，部分企业开源芯片技术与模型框架，吸引全球开发者参与，这些均加速国产GPU生态繁荣。
排版／ 季嘉颖
图片／ IT时报 WAIC
来源／《IT时报》公众号vittimes
E N D
