超节点的价值在哪里？随着AI发展步入推理时代，2027年进入超节点放量元年。1）在需求端：国产大模型迭代加速，K3为代表的开源模型迎来了质变；推理需求增长带动的ARR提升/token增长，CSP资本开支持续上修。2）在架构端，MoE架构模型参数大之后超节点成为了必然选择（参数存储需要），另一方面模型性能和集群规模存在非线性关系，超节点在互联、存储等方面亦随之优化。3）在供给端，超节点以集群算力弥补单卡单板。

超节点市场规模有多大，哪些环节将受益？我们综合自上而下（capex视角）及自下而上（供给瓶颈视角）测算结果2026/2027年国产超节点机柜的市场规模约为759/2,256亿元，对应等效64卡机柜出货量约为0.69/2.38万柜。从架构设计变化的思路看，互联和ODM的价值量跃升明显；此外，还需考虑实际生产中的瓶颈环节，包括算力芯片/HBM/交换芯片/PCB/Drmos等。

超节点方案有哪些类型？超节点方案的选择兼顾成本和实际部署效率。当前国内超节点路线整体呈现“多规格并行、国产芯片适配、推理先行、训练跟进”的特征。与英伟达通过NVLink生态闭环推进不同，除昇腾外，国内方案更强调开放协议、芯片异构兼容、整柜交付、TCO优化以及与自身云业务和模型体系的绑定。

在大模型参数规模、推理并发、显存占用和功耗密度持续提升的背景下，AI服务器已经从拼单卡性能转向机柜形态，海外如英伟达、AMD、谷歌等均在2025年起陆续推出机柜（超节点）方案。在推理时代，超节点方案是MoE稀疏模型进行大规模推理的必然选择。

聚焦中国看，在特定模型架构（如MoE）和大型集群推理场景下，通过协同设计实现局部优势的突破，是中国AI服务器的发展思路。展望2027年，随着算力卡供给/推理需求/模型参数/方案技术等方面的条件逐渐成熟，超节点具备放量基础。而围绕机柜形态的演进，我们认为将在芯片/互联/ODM等多个环节实现价值量跃迁。

超节点是通过高速互联协议与专用交换芯片构建的高带宽域（High-Bandwidth Domain），将数十至数百颗GPU芯片在逻辑上整合为统一编址、低延迟、高带宽的协同计算系统，目的是扩大scale-up域。国产超节点的出现，是中国开源模型参数规模、推理并发、显存占用和功耗密度共同抬升之后，AI基础设施从“购买更多算力”转向“释放有效算力”的必然结果。一方面国产服务器架构将沿袭英伟达等从8卡向更大的scale up域如NVL72探索的路径；但另一方面国内的特殊条件限制，也带来了在互联和架构设计上的新变化。

需求端：中国大模型加速追赶海外，进入推理时代

国产大模型迭代加速，开源模型质变。进入二季度以来，国产模型发布速度加快，以K3 为代表的模型在fable5基准上实现能力收敛。同时近期开源模型叙事的兴起，也引起了市场对模型降本的讨论。在基础模型能力提升的背景下，通过 post-training、harness和online learning等方式，在一定程度上开源模型能够追上头部闭源模型的能力，并体现出中国在推理成本方面的优势。

Token消耗量/ARR快速增长，推理需求快速增长。一方面是前述模型的快速追赶，另一方面是推理需求增长带动的ARR提升/token增长。从chatbot到agent，任务轮次提升带来的token消耗量持续放大；同时企业端agent的潜力也得到关注。

近期我们看到国内云厂商capex持续上修，形成了后续讨论超节点放量的背景。在模型参数继续扩大，推理需求旺盛的背景下，服务器架构的变化就有了客观的条件和需求基础。

架构端：MoE架构成为主流，超节点成为集群推理的必然选择

MoE架构成为主流，模型性能和集群规模存在非线性关系。当前在全球范围内，MoE架构通过用极少的计算代价换取极大的知识容量，已经成为推理领域的主流架构，由于单卡无法容纳庞大的权重参数，因此超节点成为了必然选择。但稀疏性（仅K/E的专家激活，导致参数计算不匹配）的特点下，模型性能和集群规模并不是线性关系：假设专家数量为N，当N小于集群卡数时，部分卡会空闲；当N远大于卡数时，单卡需托管多个专家，增加通信开销。因此在设计集群时，配合全互联架构，需要让专家可以“一专家一卡”甚至“一专家多卡冗余”，最大化硬件利用率。

MoE的稀疏性导致了两大挑战：参数和计算的不匹配，稠密和稀疏的不匹配。从而产生了内存墙、通信墙、计算墙三大问题，需要三方进行耦合，因此后续的架构设计均围绕这两个问题展开解决。

► 内存墙（GPU放不下）：所有专家参数、梯度和优化器状态必须常驻内存，动态路由造成了不可预测的内存峰值。

► 通信墙（数据传输慢）：专家并行的all-to-all通信量会随着token数量、top-k和隐藏维度增长。同时在同一个Transformer块内，注意力层需要高TP处理大的QKV矩阵，高CP处理长序列；但是MoE层需要高EP分布大量专家，低TP保持完整专家宽度。

► 计算墙（GPU利用率低）：专家数量多但负载不均衡，MoE的稀疏性导致大量小GEMM和额外的kernel launch开销，降低了GPU的利用率。

基于上述对MoE架构的分析可以看出，一方面模型参数变大之后超节点成为了必然选择（参数存储需要），另一方面模型性能和集群规模存在非线性关系（存在挑战），因此超节点在后续的优化和调整，也主要围绕上述三大方向演进。

案例：Kimi K3 作为2.8T参数MoE模型，客观上需要在超节点进行部署。首先，2.8万亿参数按照FP4权重量化后仍需1.4TB显存，超过常规8卡服务器的上限，长上下文也会放大KV cache、显存容量和显存带宽压力。其次，MoE架构下的专家并行（EP）模式带来高频All-to-All通信——K3模型拥有896个跨节点的专家模块，单次推理的token需要被路由到16个专家，且路由结果呈现不可预测的稀疏多播特征，这对互联带宽、延迟和动态调度能力提出了远超传统架构的要求；传统8卡服务器的机内NVLink互联带宽与跨服务器PCIe/外设网络带宽存在数量级差异，千卡、万卡集群下会遇到通信开销、网络拥塞等约束，造成计算单元等待同步，而超节点的本质就是把一部分机间通信尽量收敛到scale-up机内。这也是为何月之暗面官方建议将K3模型部署在64卡及以上AI卡组成的超节点上。

供给端：超节点方案渐趋成熟，国产算力卡供给有望改善

从供给端看，在出口限制、单卡算力限制等因素影响下，国产算力卡加速发展，超节点方案具有现实可用性。在H20、H200等海外加速卡仍由于政策原因出口受限的背景下，为确保系统交付能力，国内CSP资本开支流向“国产卡 超节点”是必然趋势。

超节点是以集群算力弥补单卡单板。从总体性能视角看，国产芯片如果只按单卡对单卡，很难在短期内完全弥合差距；但如果从系统层面设计，把32/64/128/384乃至1024张卡组织成超节点，就能用更大的scale-up域来弥补单卡短板，例如，华为CloudMatrix 384在算力总量、HBM总量和scale-up带宽等方面超过英伟达GB200 NVL72。

英伟达的NVL72是全球最早的机柜方案，并此后开源给OCP组织，因此我们看到的国内各大CSP超节点方案，均和NVL72有一定相通之处。从英伟达架构的演进，也能看出超节点的设计思路和好处。

通过扩大高带宽scale-up域，单卡吞吐量获得显著增益。根据英伟达官方披露[1]，其对比了GB200 NVL72液冷机柜和9台HGX H100风冷服务器（均为72卡，前者统一采用NVLink，后者在8卡间采用NVLink、跨服务器采用InfiniBand）针对GPT-MoE-1.8T模型的训练和推理表现。在AI训练方面，GB200 NVL72的训练速度为同样数量H100的4倍；在AI推理方面，GB200 NVL72中单颗GPU实现的推理速度（单GPU每秒输出Token数）为单颗H100的30倍。尽管其中涉及了GPU算力提升、NVLink通信升级、热等方面的同步改善，但也体现出大Scale-up域带来的算力利用效率提升。

CSP CAPEX高速增长，国产算力基础设施建设需求旺盛。伴随国内四大CSP的资本开支高速增长并不断上修，以及超节点落地交付能力的提升，我们认为2026年起国内超节点投资主线将由“方案验证”进入“规模交付”。

自上而下，Capex视角对超节点的需求有多少：我们预计2026/2027年国内CSP CAPEX有望增加至9,000/14,550亿元，分别同比增长129%/62%，其中投入AI芯片及服务器采购的资金比例为70%，由此我们计算得国内AI服务器总采购需求。我们假设2026/2027年超节点专项Capex占AI服务器总Capex的24%和41%，得到2026/2027年国产超节点市场规模分别约800/2500亿元，对应机柜数0.65/1.39万柜（考虑128卡占比逐步提升）。

自下而上，算力卡视角看超节点瓶颈环节供给有多少：根据IDC，2025年中国市场AI加速卡总出货量约为400万张，其中英伟达占比55%（较2024年95%占比大幅下滑），中国本土厂商总出货量约165万张。考虑到出口限制政策不确定性，我们仅计算国产卡对应超节点市场规模，我们预计2026/2027年国产AI芯片出货量分别达到368/608万张。较多厂商在2025年推出超节点产品，我们认为2026年有望成为超节点放量元年，假设2026/2027年国产AI芯片中以超节点形式出货的比例为12%/25%，统一按照64卡单柜计算，2026/2027年超节点出货量约0.69/2.38万柜。我们按照64卡超节点单柜1100万元并假设年降，计算得2026/2027年国产超节点机柜的市场规模约为759/2256亿元。

我们认为当前国内CSP对AI基础设施投资规划较积极，而国产超节点出货量更多受到国产AI加速卡的限制，因此我们采用“供给角度”测算结果，即2026/2027年国产超节点机柜的市场规模约为759/2256亿元，对应等效64卡机柜出货量约为0.69/2.38万柜。

对超节点价值量变化的分析，来自于对架构变化/瓶颈优化到硬件系统设计的变化。从变化的思路看，互联和ODM的价值量跃升明显；此外，还需要考虑在实际生产中的瓶颈环节，包括算力芯片/HBM/交换芯片/PCB/Drmos等。本文重点分析ODM及PCB/连接器两个环节。

整机柜组装复杂度提升，ODM/OEM厂商量价齐升。相较于传统服务器，超节点机柜的组装测试环节分工细化，涉及L1~L12共12个流程（L6主板集成，L11机柜组装和测试，L12多机架扩展）。传统服务器主要考验主板设计、散热设计、组装测试和成本控制能力，而超节点要求厂商同时具备计算节点、网络节点、背板/线缆连接、液冷、供电、整柜测试、信号完整性、系统级burn-in和客户现场交付的能力。工序拉长驱动组装测试附加值提升，同时，系统复杂度提升大幅增加了组装测试的壁垒，参考工业富联云计算业务2025年（GB200 NVL72交付）收入同比增长89%、毛利润同比增长116%，我们认为国内从8卡服务器转到超节点的过程中，组装测试环节的附加值和盈利能力均有望实现提升。

我们测算2026/2027年国产超节点ODM/OEM市场规模有望达到759/2256亿元。上文我们计算得2026/2027年国产超节点机柜的市场规模约为759/2256亿元，在Buy-sell模式下，该数值即为ODM/OEM市场规模。由于超节点复杂度提升，我们认为其组装毛利率有望高于AI服务器，同时考虑一定竞争，假设两年分别为7%/6%，计算得到2026/2027年ODM/OEM附加值（毛利润）空间为53/135亿元。

当前国产超节点ODM/OEM厂商呈现头部集中、客户绑定的竞争格局。根据灼识咨询，按2024年中国数据基础设施业务收入计，中国前六大数据基础设施厂商的份额占比62%，其中浪潮、新华三、超聚变、华勤也是目前国内CSP大厂的超节点主要供应商。我们认为形成当前格局的原因有二：第一，上述厂商是国内少数同时拥有计算节点和网络节点设计能力的厂商，在整机架构设计、高速互联设计、大功率供电设计及液冷散热设计上也具备全栈自研设计能力；第二，CSP重视交付稳定性和产能保障，且国内CSP超节点方案各有不同，也需要ODM/OEM紧密配合设计和验证，因此早期通过样柜和小批量验证的厂商会形成先发优势。

Scale-up通信需求增长，PCB/连接器量价齐升。超节点把AI芯片之间的Scale-Up通信从“机内少量高速连接”扩展为“整柜级海量高速连接”，英伟达GB200 NVL72使用高达5184根铜缆以及NVLink Switch Tray和Cable Cartridge，这意味着PCB/高速连接器和线缆不再是低价值辅料，而是决定系统带宽、时延和良率的关键部件。

从当前方案看，目前存在三类主流硬件互联架构：线缆背板单面横插、有中板正交、无中板直接正交。从高速信号的载体看，也分为PCB和铜缆两大路线。除了AI芯片到Switch的高速互联链路数量增长，我们还看到其他趋势：

► 速率提升：随着SerDes从56G到112G、224G演进，PCB/连接器和线缆的价值量提升。

► 正交架构：在阿里AL128等方案中，GPU节点与Switch节点采用正交互联架构，减少了线缆的使用，但依然需要大量高速背板连接器。

► 光铜混合：现阶段大部分国产超节点依然采用柜内电互联、柜间光互联的方案，但也有部分方案如新华三UniPoD S80000在柜内采用NPO/CPO交换机。根据阿里技术文章，超节点服务器的ScaleUp互连采用光互连技术的时机大概是在ScaleUp互连域达到256卡、serdes速率达到448G、且光互连的端到端成本降低到与电缆的端到端成本相当时。在这种趋势下，传统高速电连接器部分被替代，而高端近芯片连接器和光连接器增量出现。

我们测算2026/2027年国产超节点连接器市场规模有望达到19/71亿元。我们按照连接器占整机比例约3%计算，64卡机柜的连接器价值量约28万元，考虑到互联速率提升以及正交架构等技术升级，我们假设单机柜连接器价值量年增，基于2026/2027年等效64卡国产超节点机柜数0.69/2.38万台，计算得到2026/2027年连接器市场规模有望达到19/71亿元。而在PCB环节，由于不同方案采用PCB规格差异较大，因此本文暂未进行价值量测算。

国产厂商正从112G演进至224G。服务器高速连接器格局相对集中，一是高速背板和线模组需要客户长期验证，不可能随意切换，二是112G/224G时代信号完整性和良率门槛高，三是超节点项目初期客户更看重稳定交付。相比海外龙头已经具备成熟224G产品，国内连接器厂商仍在推进224G的样品试制和客户认证，但我们认为国内厂商的优势在于本土AI超节点快速响应和深度国产替代的先发布局，有望逐步提升份额。

作为集高密度芯片、内存、网络、电源、制冷于一体的系统级产品，超节点数十 U 的整机柜形态、海量组件的复杂性与高昂的初期投入，要求企业在选型时，必须将评估重点从理论性能转移至实际部署的效率与可靠性。

我们看到国产超节点的设计主要存在以下特征：1）注重兼容性：除了华为以外，其余超节点具备相对较强的兼容性，包括对主流国产AI加速卡的支持，以及对主流Scale-Up互联协议的兼容等。2）风液混合、零线缆等工程设计：散热方面，液冷是保障XPU稳定性的核心，但全液冷方案对机房管路要求较高，因此风液混合冷却方案成为兼顾效率与兼容性的选择，降低对基础设施的改造要求。互联方面，NVL72超节点铜缆线多达5184根，而华为、曙光、阿里等超节点选择了正交无背板架构，简洁线缆部署，降低了系统故障风险。3）模块化减负：一些超节点产品采用了 “1U一节点”设计，在进行故障排查或硬件更换时，运维人员无需搬动沉重的机架或处理复杂的线缆连接，此外，水、电、网三总线盲插降低了物理操作门槛，大幅降低了维护焦虑。

国内超节点路线整体呈现“多规格并行、国产芯片适配、推理先行、训练跟进”的特征。与英伟达通过NVLink生态闭环推进不同，除昇腾外，国内方案更强调开放协议、芯片异构兼容、整柜交付、TCO优化以及与自身云业务和模型体系的绑定。

华为：自有芯片 自有Scale-up协议的封闭路线，1,024卡真机体现系统工程能力

华为是国内较早将 AI 集群从8卡服务器推进到超节点形态的厂商之一。2025年3月，华为正式推出CloudMatrix384超节点——基于Atlas 900超节点构建的云服务实例；截至2026年7月，CloudMatrix384已商用落地750多套。2025年9月华为全连接大会上，华为发布Atlas 950超节点，真机于2026年7月WAIC上首次亮相，实现业界最大1024卡规模，筑牢Agentic AI时代新一代标杆算力底座。2025年9月，华为还发布Atlas 960超节点，最大可支持15,488卡，公司预计该产品4Q27上市。

CSP：采用现有以太网生态，重视降低总体拥有成本（TCO），64卡Scale-up是当前主流交付单元

CSP的核心诉求不是卖硬件，而是为自家大模型训练/推理降本增效，因此更重视单位Token成本、部署效率、故障恢复和资源调度。就超节点架构而言，CSP大多采用自研ASIC芯片，但在Scale-up互联上更偏好采用以太网或其他开放协议，以降低对专有互联的依赖，典型代表是阿里磐久AL128、百度天池、字节大禹、腾讯ETH-X。

服务器/ICT系统厂商：开放适配型整机柜/系统集成路线

服务器/ICT系统厂商优势在整柜设计、液冷、供电、交付、运维和多芯片适配，代表是新华三、浪潮元脑、华勤技术、中科曙光、中兴通讯等。