当单卡逼近极限，就开始造「更大的计算机」

10月12日开幕的第26届中国国际工业博览会上，集成电路展首次以独立专业展形式亮相，汇集300余家企业。据36氪·IT时报、集微网等多源报道，在这个被称作「国芯展」的展区，参展的国产GPU厂商不约而同选择了同一个方向：把更多芯片连接起来——过去比拼单颗芯片性能，如今讲述一整套超节点系统如何运行大模型。

工博会超节点竞速（多源交叉核实）

· 天数智芯天垓300 IXL144：44U机柜集成144颗GPU＋18颗CPU，总显存约10.1TB，单跳通信时延100纳秒级，MoE All-to-All场景有效带宽提升15%；128卡主算＋16卡冗余，设计预留10万亿参数级模型运行需求

· 沐曦曦景S600：单柜64卡全互联，正交连接器＋零线缆架构；另有S600 Lite 16卡紧凑方案

· 燧原云燧ESL64-O：64卡方案，与中兴通讯合作——燧原出芯片，中兴做机柜架构、整机集成与交付

· 参照系：此前单柜128卡已是主流配置（摩尔线程、壁仞、阿里云均有布局，中兴OEX架构支持最高128卡）；华为昇腾384超节点之后，全联接大会进一步提出最高百万卡集群

为什么非大不可

答案写在模型的膨胀曲线上：月之暗面Kimi K3总参数已达2.8万亿；云栖大会上阿里披露下一代Qwen正在训练，目标指向5万亿—10万亿参数。训练阶段要频繁交换梯度与中间结果，推理阶段即使采用稀疏激活的MoE架构，仍要存储和调度庞大权重；上下文变长后，KV Cache还在持续吃显存——单颗芯片的性能故事，已经讲不动下一代模型。

谁来买单：超节点的商业考题

系统造得越大，「谁来买单」就越尖锐。IDC报告（路透社10月13日援引）显示：2026年上半年中国数据中心AI加速芯片出货200.8万颗，其中英伟达67.8万颗（占34%）、华为57.2万颗（占28%）、阿里平头哥约7%；GPU出货99.1万颗、同比下降26%，非GPU类AI加速芯片101.6万颗、同比增长近80%——技术路线正在快速分化。对独立GPU厂商而言，稳定的供货能力、软硬件生态完善程度、能否帮智算中心找到实际业务与客户，都比峰值参数更能决定订单。工博会现场，一位地方智算中心投资人的抱怨很典型：中心从规划到运营要两年，设备就绪时芯片已换代。而随着国产开放权重模型成熟，对自主可控要求高的央国企场景，「国产芯片＋国产模型」的本地化部署正成为新的增量市场。

过去厂商要证明「我的GPU能跑大模型」，现在要证明「我的超节点能持续生产出覆盖成本的Token」。

对在推理侧做调度优化的九天团队而言，这同样是考题升级：当算力供给的度量从「单卡利用率」变成「整柜Token成本」，调度与缓存策略的价值被进一步放大——展会现场已出现专做超节点原生智算运维的新公司，主攻方向正是多级KV Cache管理与缓存感知路由。

趋势观察：国产算力竞争正从器件参数转向系统经济学；今年底到明年将是超节点商业化落地的时间窗，而「谁能交付稳定的Token产能」会是下一阶段的胜负手。（信息综合自36氪·IT时报、集微网、证券时报等公开报道）