
【导语:近期,GLM 5.2、Kimi K3.0上新及DeepSeek投资人会议纪要外泄,凸显算力紧张现实。国产大模型发展面临算力门槛,超节点作为新方案,能否助力国产算力破局引发关注。】

曾几何时,堆算力在全球风靡,国内却因种种原因算力紧张。DeepSeek通过算法优化降低算力依赖,打破粗放思维,行业开始为算力做减法。然而,国产大模型跻身国际第一梯队后,算力相对不足问题凸显,限购、涨价等措施频出。
以Kimi K3为例,虽单个Token激活参数少,但出圈后Token消耗和总吞吐量激增,抬高了算力需求,这契合杰文斯悖论,即技术进步提高资源利用效率后,资源总消耗量可能增加。

国内智能算力规模呈现爆发式增长,2025年为1590 ExaFLOPS,到2026年上半年达2185EFLOPS,同比增长177%。在此背后,国产AI芯片走到舞台中央。
昆仑芯发布第四代AI芯片M100,对标NVIDIA H20,主打高性价比推理应用,百度昆仑芯片收入预计从2025年的约13亿元飙升至2026年的83亿元,同比增长超6倍。平头哥发布新一代AI芯片真武M890,性能提升3倍,累计出货56万片,服务众多行业和客户。

超节点将数张、数十张、数百张AI芯片融为一体,组成超级计算系统,大幅提升性能、缩小与国外高端芯片差距并降低Token成本。随着模型规模增大,超节点架构比普通服务器更适合大模型需求。
超节点核心竞争力在于借助超大带宽、超低时延、软硬协同等技术,将字面算力变成可用算力。但作为新物种,超节点面临技术分歧,主要集中在规模大小上。
一种观点认为节点越大越好,如昇腾推出384卡超节点并迭代至1024卡,还将推出8192卡超节点,以满足大模型全场景需求。另一种观点认为节点越经济越好,浪潮信息推出64卡、32卡超节点,适合中小企业需求,避免算力浪费。

超节点最初不受重视,如今随着交付能力提升和算力紧张加剧,成为大模型的最佳搭子,众多企业纷纷入局,为AI基础设施生态注入新动力。国产算力破局迎来契机。
编辑观点:国产大模型发展受算力掣肘,国产AI芯片崛起和超节点技术为破局带来希望。虽超节点存在技术分歧,但企业积极探索将推动其发展,有望助力国产算力突破瓶颈。



被折叠的 条评论
为什么被折叠?



