单卡炒到50万，订单排到明年，这个万亿赛道却没人能挣钱

新一轮算力竞赛中，数据中心成为主战场，电力则是最关键的资源。在战场更深层，更精细的竞争正在展开。

今年5月，一位服务器厂商高管向《中国企业家》透露：从2026年下半年到2027年，超节点将进入快速放量阶段。“互联网客户上来就问，你有没有10万片的供应能力，有的话我们再谈。如果没有，就别浪费时间了。”

对算力大规模且密集的需求，催生了“超节点”这一2026年算力行业最火热的概念。这种服务器通过高效互联协议将多个计算节点物理连接，具备跨节点统一内存寻址能力，堪称大模型时代的“超级计算机”。

金融资本、科技巨头、服务器制造商和光通信企业纷纷布局，共同推动了一个千亿级市场的形成。当数万张算力卡被集成到一个机柜、一个机房甚至一个园区时，如何让卡与卡之间的数据传输更快、更省电，成为一项复杂的系统工程。

算力“热”成金融资产

“国外某先进算力一台（8卡）的价格已被炒到1400万元。今年，就连H100、H200这类旧卡的价格也从200万元翻倍至400万元，算力需求实在太旺盛了。”一位在金融租赁行业摸爬滚打20年的资深人士感叹道。

他告诉《中国企业家》，金租项目的单体投资已从几年前的数亿元飙升至几十亿元。行业规则也变为“闭口”5年，即租赁方以固定价格签订5年长期协议，直接租入算力资源，再转租给科技公司。

金租的运作模式，本质上是为稀缺的算力加杠杆。它以上市公司为中间桥梁，由上游金融租赁公司出资购买算力设备，直租给上市公司，再由上市公司转租给科技大厂和大模型公司，从中赚取租金差价和运维服务费。

上述从业者还透露，有银行推出了“算力贷”，行业内一家银行已为某大厂批复了超过50亿元的贷款，专门用于算力支出。

资本涌入的焦点正是“超节点”。一些掮客专门从事这一业务，将原本10万元一张的算力卡炒至50万元。《中国企业家》了解到，“昇腾950超节点”的售价已超过1亿元，该超节点包含1024张NPU（神经网络处理单元）。一位知情人士称，“2027年的产能已经被订满了。”

需求端已形成共识。IDC数据显示，超过94%的企业认为超节点是人工智能基础设施的关键能力，26%的企业认为它是大规模AI应用落地后必须部署的设备——几乎所有企业都表示将增加算力基础设施投入。

华为强势，全能选手加速市场成熟

在超节点市场中，华为无疑是头号玩家，某种程度上也定义了该技术的演进方向。

华为的超节点策略是“大力出奇迹”，再结合单点性能突破。以昇腾950超节点为例，它由1024张卡构成，单柜64卡，通过16个机柜连接。而下一代基于昇腾960芯片的超节点，规模将扩大到4096卡。

在销售方面，华为公司制造与大企业军团CEO刘超告诉《中国企业家》，昇腾950超节点已开始批量发货，他们会优先为每个行业中排名靠前的企业进行分配，并非完全按价高者得的原则。

“互联网公司需要的是百万卡级别，制造企业可能从8卡起步。不能只让头部大厂比拼数据和卡的规模，武装到牙齿。目前整体供应紧张，我们采用双轨分配机制。”刘超说。

供应紧张源于供需两端的高度集中。超节点的主要客户是科技大厂和大模型公司，大模型普遍采用MoE（混合专家）架构，激活的参数规模持续扩大。这要求计算、存储和网络高度集成，并尽可能降低延迟。

2026年上半年，月之暗面发布的K3模型参数规模达2.8万亿，激活参数为1040亿，比K2增长了1.5倍。华为公司副董事长、轮值董事长汪涛预计，模型参数将快速迈向10万亿，到2030年将达到100万亿以上。

为尽快与市场对接，华为加快了昇腾960后续芯片的研发节奏，960DT预计比原计划提前三个季度，于2027年第一季度准备就绪；960PR则提前一个季度，于2027年第三季度准备就绪。未来，昇腾系列芯片将保持一年一代的更新节奏。

华为也在加速与模型厂商的合作。一位华为员工告诉《中国企业家》，华为正努力成为DeepSeek的原生训练底座。此前，DeepSeek主要在英伟达芯片上训练，再由国产芯片进行适配。未来，华为希望这个顺序能够颠倒过来。

在2026年9月中旬的“华为全联接大会”上，汪涛宣布，截至目前，昇腾910C超节点已部署超1000套，昇腾950超节点也已实现规模化商用。

Token成本账，从拼规模到拼一度电

对于同行而言，华为是一个难以对付的全能型对手，但这并不意味着整个市场被华为完全垄断。

一位咨询公司负责人告诉《中国企业家》，由于华为的超节点全部采用自研技术，例如机柜间和机柜内共享一套通信系统，效率确实更高。但如果客户想将昇腾卡换成其他GPU卡，机柜间的通信就无法使用灵衢（华为开发的超节点互联技术标准）了。这是一把双刃剑，其他厂商坚持开放策略，更为灵活，可以基于互联网公司的协议合作，也可以采用自己的协议。

超节点已成为一门显学。阿里平头哥推出了“真武M890”和“磐久AL128”系列超节点，传统服务器厂商如浪潮信息、中科曙光、新华三等也纷纷布局。他们并不一味追求规模和技术领先，而是更注重开放集成和Token效率。

IDC近期发布的《2026中国人工智能计算力发展评估报告》显示，企业部署超节点的痛点主要是初始投资成本过高（55.0%），其次是软件生态与业务系统适配困难（45.7%）和现有网络架构需全面升级（40.3%）。

更尴尬的是，这门生意的账目前很难算平。上述负责人承认，目前超节点的投入产出比极难量化。另一位行业人士坦言：“国内已部署的超节点产品都算不过来账，因为Token的吞吐效率达不到预期，无法商用部署，华为950超节点可能是第一个实现盈利的。”

生态适配也是一道现实障碍。有厂商告诉《中国企业家》，他们为客户适配Kimi K3时，某些芯片的初始速度只有十几个Token/秒，需要大量进行算子工程适配。

魔形智能是一家专注于超节点Infra的创业公司，刚完成A轮融资。该公司创始人、CEO徐凌杰告诉《中国企业家》，目前大规模实地部署的超节点在科技大厂内部有一些，但市面上还很少。原因是超节点对部署条件要求苛刻，机房条件达不到，“目前95%的算力中心仍采用风冷”。

魔形智能创始人、CEO徐凌杰 来源：受访者

“国产芯片的能力限制，也决定了还无法让算力经济实现较好的平衡。但超节点可以通过系统的方式，来弥补一部分差距。这也是我们对国产芯片保持信心的原因之一。”徐凌杰说。

徐凌杰认为，打造基于超节点的Token工厂，90%的成本来自硬件采购，再逐年摊销。因此，竞争重点应放在降低Token的单位成本上，而不是比拼规模和性能参数。例如，公司可以将散热再降低20%，让芯片运行更稳定而不降频。“那么这20%就可以转化为你的收益。”

影响超节点Token吞吐量的因素有很多，比如液冷能力可以让算力卡超频运行；高速互联网络的带宽和延迟直接决定卡间通信效率；显存容量与带宽则是推理能力的核心约束。

浪潮信息董事长彭震告诉《中国企业家》，浪潮超节点的胜负手不是追求极致的大规模，而是要打造速度最快、能承载万亿参数模型、面向企业级快速部署的超节点——这更符合当前企业智能体落地的实际需求。

“从2025年起，超节点竞争就很激烈，但我们认为不应再按惯性思维堆砌规模，而要从客户视角出发，把Token交互速度作为关键衡量指标，因为智能体时代‘速度就是金钱，成本即生存’。”彭震说。

近期，浪潮信息发布了元脑SD200 Ultra超节点AI服务器。元脑SD200 Ultra基于本土AI芯片，单机可承载运行2.8万亿参数的Kimi K3大模型，Token生成延迟首次突破5.85毫秒。

互联之争与十万卡集群

为了在单位时间内生成更多Token，超节点仍在持续寻求压缩通信时间的方法，这也使得光电之间的协同变得越来越重要。

奇异摩尔创始人兼董事长田陌晨告诉《中国企业家》，超节点的竞争本质上是互联技术的较量。随着单芯片算力逼近物理极限，算力瓶颈已从计算核心转移到芯片间的数据搬运效率，“内存墙”与“通信墙”效应日益凸显，互联技术因此成为决定集群真实性能的核心。

奇异摩尔创始人兼董事长田陌晨 来源：受访者

超节点的硬件链路分为两层：一层是单卡封装内的存储互联，即HBM（高带宽内存），负责芯片与本地显存之间的高速数据交换，读取模型权重、读写KV缓存，决定单卡能承载的Token并发量；另一层是机柜内和机柜间的多卡互联，支撑大模型并行计算与MoE专家路由——光模块、CPO（共封装光学）、NPO（近封装光学）负责的正是后者。

爆火的互联需求直接反映在出货量上：早期1张GPU通常配套4个光模块，如今逐步升级为1张GPU对应6个光模块。2023年光模块出货量约2000万只，到2026年，市场预测出货总量将突破1亿只。

不过，机柜内的密度终有尽头。随着单柜密度从64卡提升至128卡甚至256卡，物理空间、散热极限和内部能源损耗都将迎来天花板。目前，超节点开始横向扩展：从Scale Up（纵向扩张）转向Scale Out（横向扩展），演变为万卡、十万卡乃至百万卡的算力集群。

这也使挑战点开始转移。DeepSeek、Kimi发布新模型时都会给出部署建议：DeepSeek V4.1 Flash上线时要求的最低资源是2000张GPU及存储集群；K3官方博客建议部署在64张及以上加速卡组成的超节点上。

考虑到国产卡性能仍有优化空间，超大规模部署的基础设施要求也达到了万卡甚至十万卡级别。华为的方案是通过灵衢UnifiedBus统一互联，打通昇腾超节点与鲲鹏超节点，构建Agentic超节点集群，最大支持100万卡规模。

“据我了解，字节等大厂为了增加存储，在机柜上增加卡槽，直接把存储卡插进去。”一位行业人士说。

但规模本身并非答案。一位厂商负责人强调，超节点的domain（通信域名，让多种AI芯片组合成“单机”）并非越大越好——它基于带宽、HBM容量和处理性能，有一套最佳配比，超过这个配比，即使扩展更多节点，性能也难以显著提升。

更大的难题还有运营。十万卡、百万卡集群的管理，正推动行业从“DC for AI”走向“AI for DC”——用AI管理用电、液冷与集群运维，例如依托AI算法动态优化液冷制冷功率，根据算力负载实时匹配散热策略，降低制冷能耗。

超节点的竞赛才刚刚开始：芯片决定下限，互联决定效能，集群决定规模，而运营决定生死。

本文来自微信公众号“中国企业家杂志”（ID：iceo-com-cn），作者：闫俊文，编辑：李原 何伊凡，36氪经授权发布。