编者按
本文是“摩元智库·半导体产业链价值卡位刨析”系列 第一篇，主要探讨AI数据中心的加速卡互联问题，并深入刨析七家国产AI芯片厂商的互联解决方案及其在产业链上的价值卡位。文中涉及的厂商信息及观点仅代表作者观点，不代表“半导体行业观察”平台的观点。
英伟达 NVLink 之所以被称作护城河，体现在让几十张卡怎么像一台机器一样协作。多卡共同计算时，需要频繁交换数据；传得慢，卡就得等。
以采用第五代 NVLink 的 GB200 NVL72 为例，它将 72 颗 GPU 接入同一个高速互连网络，每颗 GPU 的双向互连带宽最高为 1.8 TB/s，即 1800 GB/s。
相比之下，沐曦股份 2025 年招股书的行业对比表称，国内大部分企业的单卡互连带宽为 200到400 GB/s。
过去一年，国产 GPU 厂商频频宣布千卡、万卡集群落地。但这些集群里的卡，究竟是怎么连起来的？
我们把燧原科技等7 家公司的官方材料过了一遍，包括年报、招股书、产品页、发布会资料和审核问询回复等。
发现7 家中有 5 家自研了卡间总线，早在 2022 年，就有相关产品披露已向客户出货。但不能只看有没有，还要看这些总线在集群中怎么用、表现如何。
1
先摊开一张图：一颗 AI 芯片要过六道关
图1：国产 AI 芯片六层产业卡位地图。
（来源：摩元智库 MT³）
摩元智库的产业卡位模型（图1），用来判断一家公司在产业链上的位置，以及能力发展到了哪一步。针对数据中心 AI 芯片，我们划分了六个相互制约的能力层。
本篇只看第三关的前半段，自主 scale-up 互连方案。也就是让多颗芯片高速协作的互连技术。各家公布的千卡、万卡集群部署仅作背景，不作为分档依据。
2
为什么卡造出来了，还要过互联这一关？
图2：把卡连起来，其实是两张网络。
（来源：摩元智库 MT³）
大规模模型训练通常需要多卡协作。任务分到成百上千张卡上，卡之间就要频繁交换数据。如果带宽不足、延迟过高，GPU 就得等数据，加卡带来的性能提升也会打折。
衡量这件事的硬指标是线性加速比。一千张卡的算力能否达到单卡的 1,000 倍？
这很好理解，比如，1个人每小时搬 10 块砖，1,000 人未必能搬 10,000 块。排队、协调和相互等待，都会拖慢进度。
把 GPU 连起来，要区分两类互连。
Scale-up让一组GPU像一台机器一样协作，常见于同一服务器或机柜内，强调高带宽、低延迟；scale-out 则通过 InfiniBand、以太网 RoCE 等网络，把多个计算节点连成更大集群。
NVLink 属于前者，本文要查的也是各家的自主 scale-up 互连能力。
需要注意的是，万卡集群可以采用第三方网络设备搭建，因此，集群规模本身不能证明厂商拥有自研的卡间互连技术。
3
什么才算自己的 NVLink？
判一家公司走到哪，我们只看三件事：
第一，连的是什么。必须是加速卡与加速卡之间，不包括CPU 与加速器之间的总线。
第二，是不是芯片级的自研总线。是自己设计了卡之间的通信技术，还是用现成设备搭了一套网络，二者是不一样的。一个是在设计交通工具的通信系统，一个是在组织车队。本篇只考虑前者（芯片里的卡间通信技术是否自己设计）
第三，走到了哪一步。按公开证据分为八档：
未见公开证据 → 在研 → 发布规格 → 送测 → 客户验证 → 首次交付 → 重复部署 → 重复部署且单域规模可核。
最高档必须能核实客户实际部署的单个互连域有多少张卡。也就是说，厂家说最多能连多少张卡，不等于客户已经按这个规模用起来了。
4
七家厂商的自研互连走到了哪？
图3：七家国产 AI 芯片厂商的卡间互联走到哪一步。（来源：摩元智库 MT³）
按本次检索的官方材料，七家中有五家披露了自研卡间互连技术。各家的区别，主要在于产品走到了哪一步，以及公开材料能否说明这些互连技术已被客户实际使用。
判断时，需要把三件事分开：（1）技术已经公布；（2）对应产品已经交付；（3）客户已经使用该技术组建互连域。它们需要不同的证据。
注：表中的“待核实”指本次材料尚不足以确认，不代表相关能力不存在。产品规格中的支持卡数，也不等于客户实际部署规模。
五家都有技术披露，但落地证据的完整程度不同。
另外两家，目前尚未找到符合本文口径的证据。
天数智芯披露的通信库、万卡集群和超节点方案，说明其已有集群侧的产品与应用材料。但这些信息尚不足以确认芯片级自研卡间总线。
海光的 HSL 已明确用于 CPU 与各类 xPU 互连。按本文只看加速卡之间互连的范围，这部分用途暂不纳入比较；HSL 是否还承担加速卡间互连，本次尚未说明。
5
国产互连走到了哪一步？
前面的材料支持一个判断：五家厂商已披露自研卡间互连技术，部分对应产品也已有出货记录。接下来的比较，需要进一步看带宽、单域规模，以及客户实际使用的情况。
带宽方面，寒武纪公布过每卡 200 GB/s，壁仞 BR166 的双向互连带宽为 576 GB/s，摩尔线程 S5000 公布的卡间互连带宽为 784 GB/s。沐曦和燧原则给出了与英伟达产品的相对比较。
这说明，国产互连已有可以讨论的具体指标。但与开篇的 1.8 TB/s 比较前，还需要核对单双向、每卡或每通道等口径，并注明产品代际。仅凭这些数字，还不足以排出完整的性能高低。
连接规模也在扩大。各家公布的规格，从 4 卡、8 卡互连，延伸到 128 卡，最新架构又提出了更大的规模。不过，这里必须区分产品支持多少卡和客户实际连接了多少卡。
此外，卡数和芯片数也要分清。例如，寒武纪的 4 张加速卡包含 8 颗芯片，说明一张卡可以装多颗芯片。厂商公布的规格里，有的按卡计，有的按芯片计，直接比大小会得出错误结论。
更大的单域，是值得关注的方向；它能否带来更好的计算效率，还要看实际带宽、延迟，以及多卡共同运行任务时的表现。规格中的卡数超过 72，并不自动意味着整体能力超过 NVL72。
本次研究尚未确认同时满足重复部署和实际单域规模可核条件的案例。
下一步，需要补齐的证据如下：
后续最值得跟踪的，是厂商能否把自研互连技术、对应产品、客户部署、实际单域规模完整对应起来。这样的记录，才能把技术规格转化为可核实的落地证据，也为下一次调整分档提供依据。
资料与口径
本文依据截至 2026 年 9 月的厂商官方公开资料，仅梳理七家上市的国产 AI 芯片企业的自研卡间互联进展，不覆盖全部国产AI芯片厂商（比如华为昇腾、阿里平头哥、昆仑芯等）。档位表示公开材料支持的商业化阶段，不代表综合技术水平；未见披露不等于没有方案。本文不构成投资建议。完整判定依据及出处可向摩元智库索取。
VIP复盘网
