通信106%79%53%26%0%-26% 2025-012025-052025-09數(shù)據(jù)來源：聚源《臺(tái)積電和谷歌表現(xiàn)亮眼，重視硅光超節(jié)點(diǎn)：光、液冷、供電、芯片的全面升級(jí)l超節(jié)點(diǎn)：依托網(wǎng)絡(luò)互聯(lián)下的“超大型GPU/ASIC”超節(jié)點(diǎn)集群（SuperPod）最早由英偉達(dá)提出，隨著AI模型迭代對(duì)算力需求不斷展）和ScaleOut（橫向擴(kuò)展）兩個(gè)維度。我l超節(jié)點(diǎn)新增scaleup互聯(lián)需求，光、液冷、供電、芯片等環(huán)節(jié)迎升級(jí)超節(jié)點(diǎn)服務(wù)器Rack主要由計(jì)算節(jié)點(diǎn)Comp算力卡、交換芯片、交換機(jī)的需求外，也有望持續(xù)拉動(dòng)高功率電源、高壓l超節(jié)點(diǎn)助力國(guó)產(chǎn)集群性能提升，或彌補(bǔ)單卡算力差距，助力國(guó)產(chǎn)AI發(fā)展國(guó)產(chǎn)超節(jié)點(diǎn)規(guī)模的方式，有望實(shí)現(xiàn)國(guó)產(chǎn)AI基礎(chǔ)設(shè)施性能的彎道超車，助力國(guó)產(chǎn)l投資建議：重視三大主線和四大賽道伴隨AI在訓(xùn)練和推理算力需求持續(xù)增長(zhǎng)，超節(jié)點(diǎn)產(chǎn)業(yè)鏈有望長(zhǎng)期受益，我們看好“網(wǎng)絡(luò)端+AIDC+計(jì)算端”三條核心方向，以及“光+液冷+供電+芯片”四大1l風(fēng)險(xiǎn)提示：AI發(fā)展不及預(yù)期、芯片供應(yīng)風(fēng)險(xiǎn)、市場(chǎng)競(jìng)爭(zhēng)加劇等1 行業(yè)深度報(bào)告21、模型發(fā)展下的必然，算力基礎(chǔ)設(shè)施邁入超節(jié)點(diǎn)時(shí)代 42、超節(jié)點(diǎn)：依托網(wǎng)絡(luò)互聯(lián)下的“超大型GPU/ASIC” 82.1、Scaleup組網(wǎng)架構(gòu)包括：Fat-tree胖樹拓?fù)?、Mesh類拓?fù)?、Torus拓?fù)涞?92.2、Scaleup協(xié)議：從大廠私有逐步走向開源開放 3、超節(jié)點(diǎn)架構(gòu)：新增scaleup互聯(lián)需求，光通信、液冷、供電、芯片等環(huán)節(jié)迎升級(jí) 4、國(guó)產(chǎn)超節(jié)點(diǎn)案例——從華為Atlas900A3到Atlas960，國(guó)產(chǎn)萬卡集群加速發(fā)展 5、投資建議及超節(jié)點(diǎn)板塊部分企業(yè)介紹 215.1、盛科通信：稀缺的國(guó)產(chǎn)商用交換機(jī)芯片龍頭 225.2、中興通訊：自研AI交換芯片，推出國(guó)產(chǎn)GPU超節(jié)點(diǎn)產(chǎn)品 225.3、銳捷網(wǎng)絡(luò)：互聯(lián)網(wǎng)數(shù)通白盒交換機(jī)龍頭，布局超節(jié)點(diǎn)產(chǎn)品 235.4、紫光股份：國(guó)內(nèi)服務(wù)器+交換機(jī)市場(chǎng)排頭兵，超節(jié)點(diǎn)產(chǎn)品已規(guī)模部署 235.5、浪潮信息：國(guó)內(nèi)服務(wù)器龍頭，助力國(guó)產(chǎn)GPU超節(jié)點(diǎn)發(fā)展 246、風(fēng)險(xiǎn)提示 25圖1：大模型持續(xù)迭代升級(jí) 4圖2：算力集群拓展方向Scaleup+Scaleout 5圖3：算力集群Scaleup+Scaleout組網(wǎng)連接 5圖4：集群規(guī)模擴(kuò)大，Scaleup先行 5圖5：基礎(chǔ)設(shè)施scaleup加速，邁入超節(jié)點(diǎn)時(shí)代 6圖6：AI大模型采取并行策略訓(xùn)練 6圖7：稠密模型和稀疏模型通信模式的差異 7圖8：超節(jié)點(diǎn)服務(wù)器對(duì)推理架構(gòu)優(yōu)化 7圖9：傳統(tǒng)8卡采用的2種直連拓?fù)浣Y(jié)構(gòu) 8圖10：英偉達(dá)引入NVSwtich互聯(lián) 8圖11：H200配備4顆NVSwitch芯片 8圖12：NVL72超節(jié)點(diǎn)引入Switchtray一層拓?fù)?9圖13：NVL72超節(jié)點(diǎn)通過9個(gè)NVlinkSwitchtray互聯(lián) 9圖14：NVL5762層Clos拓?fù)浣M網(wǎng) 9圖15：英偉達(dá)推出NVL576 9圖16：背脊互聯(lián)的Fattree拓?fù)?圖17：AMDMI350Fullmesh互聯(lián) 圖18：華為柜內(nèi)64卡采用2Dfullmesh 圖19：GoogleTPU采用3DTorus拓?fù)浼軜?gòu) 圖20：UALink分層架構(gòu)圖 圖21：博通發(fā)布TomahawkUltra支持HPC及Scaleup 圖22：更加開放的以太網(wǎng)SUE架構(gòu) 圖23：計(jì)算單元通過UB完成全局同步 圖24：海光雙芯戰(zhàn)略 圖25：OISA三層核心架構(gòu) 圖26：多方助力OISA建設(shè) 3圖27：超節(jié)點(diǎn)機(jī)柜正面外觀示意圖 圖28：超節(jié)點(diǎn)機(jī)柜背面外購(gòu)示意圖 圖29：計(jì)算節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu) 圖30：計(jì)算節(jié)點(diǎn)布局圖 圖31：交換節(jié)點(diǎn)系統(tǒng)功能框圖 圖32：?jiǎn)涡酒軜?gòu)下交換節(jié)點(diǎn)系統(tǒng)框圖 圖33：機(jī)柜功耗持續(xù)攀升帶動(dòng)Powershelf和PSU需求 圖34：采用Busbar為各節(jié)點(diǎn)提供電源 圖35：華為CloudMatrix384超節(jié)點(diǎn)由12個(gè)計(jì)算柜組成 圖36：910C采用雙die方案 圖37：Node內(nèi)CPU和NPU通過UB互聯(lián) 圖38：CloudMatrix384節(jié)點(diǎn)UB網(wǎng)絡(luò)分為L(zhǎng)1和L2層 圖39：CloudMatrix384節(jié)點(diǎn)包含UB、RDMA、VPC平面 圖40：CloudMatrix384集群性能高于GB200NVL72 圖41：Atlas950支持8192張NPU組網(wǎng) 20圖42：Atlas960支持15488張NPU組網(wǎng) 20圖43：盛科通信產(chǎn)品覆蓋多領(lǐng)域交換芯片及網(wǎng)絡(luò)產(chǎn)品 22圖44：中興通訊發(fā)布搭配自研AI大容量凌云AI交換芯片的超節(jié)點(diǎn)系統(tǒng) 23圖45：銳捷網(wǎng)絡(luò)展示ETH128交換產(chǎn)品 23圖46：紫光股份發(fā)布H3CUniPoDS80000超節(jié)點(diǎn)產(chǎn)品 24圖47：浪潮信息發(fā)布SD200超節(jié)點(diǎn)服務(wù)器 24表1：NVLink的演進(jìn) 表2：超節(jié)點(diǎn)板塊受益標(biāo)的估值表 21 行業(yè)深度報(bào)告4輸入輸出、多模態(tài)輸入/輸出、長(zhǎng)思維等特點(diǎn)，模型參數(shù)持續(xù)突破（從千億級(jí)陸續(xù)走從大語(yǔ)言到多模態(tài)，模型參數(shù)量提升至萬億級(jí)。隨著基礎(chǔ)大模型參數(shù)量從千億邁向萬億，大模型預(yù)訓(xùn)練過程對(duì)底層智能算力的訴求進(jìn)一步升級(jí)。頭部基礎(chǔ)大模型的訓(xùn)練算力需求已達(dá)到十萬億兆量級(jí)，且仍以每年4.1倍的速度快速增長(zhǎng)，例如型參數(shù)量達(dá)2.4T。模型預(yù)訓(xùn)練對(duì)千卡、萬卡算力集程，模型不光隨著參數(shù)量提升而提高性能，還能基于強(qiáng)化學(xué)習(xí)、思維鏈等算法創(chuàng)新級(jí)，發(fā)現(xiàn)了明顯的性能提升，驗(yàn)證了模型的性能會(huì)隨著思考的次數(shù)的增長(zhǎng)而不斷提Up（縱向擴(kuò)展）和ScaleOut（橫向擴(kuò)展交換機(jī)等，同時(shí)需搭配供電、制冷設(shè)備等其他設(shè)備以確保超節(jié)點(diǎn)機(jī)柜的運(yùn)行。 行業(yè)深度報(bào)告5過去算力集群擴(kuò)張主要采用Scale-Out架構(gòu)型的核心架構(gòu)方向，而大模型分布式訓(xùn)練，使得跨服務(wù)器的帶寬與時(shí)延成為根本瓶單卡GPU遠(yuǎn)不足以承載模型，高帶寬域 行業(yè)深度報(bào)告6放入單個(gè)加速卡中進(jìn)行訓(xùn)練。此時(shí)的并行策略主要是數(shù)據(jù)并行，單卡的計(jì)算能力是（3）超節(jié)點(diǎn)服務(wù)器集群階段（大模型主導(dǎo)當(dāng)模型參數(shù)達(dá)到千億乃至萬億級(jí)別，單機(jī)已無法滿足需求，必須使用大規(guī)模服務(wù)器業(yè)界通過引入序列并行、專家并行等更復(fù)雜的并行策略，進(jìn)行分布式訓(xùn)練，訓(xùn)練集行（CP）等多種并行維度的乘積。模式也從單卡單機(jī)走向多機(jī)大專家并行，隨著用戶數(shù)量持續(xù)增長(zhǎng)，需同時(shí)兼顧多并發(fā)需求。語(yǔ)言模型走向多模態(tài)/多任務(wù)理解和生成，對(duì)算力及訪存需求變大，此外，模型輸入序列長(zhǎng)度不斷增長(zhǎng)，對(duì)KVCache緩存提出新 行業(yè)深度報(bào)告7 行業(yè)深度報(bào)告82、超節(jié)點(diǎn)：依托網(wǎng)絡(luò)互聯(lián)下的“超大型GPU/ASIC”擴(kuò)展，搭配8卡GPU服務(wù)器模組的AI服務(wù)器，多采用full進(jìn)入超節(jié)點(diǎn)機(jī)柜服務(wù)器時(shí)代，我們認(rèn)為構(gòu)造超節(jié)點(diǎn)聯(lián)，硬件與軟件協(xié)議需互相適配整合，使得數(shù)個(gè)分離的算 行業(yè)深度報(bào)告9資料來源：ODCC《扁平化智算網(wǎng)絡(luò)架構(gòu)研究報(bào)告》單個(gè)框包含36個(gè)B200和L1層的N資料來源：ODCC《扁平化智算網(wǎng)絡(luò)架構(gòu)研究報(bào)告》采用RoCE方案，整機(jī)柜GPU互聯(lián)帶寬為204.8Tbps。8個(gè)SwitchTray支持409.6Tbps的帶寬，一半用于超節(jié)點(diǎn)柜內(nèi)連接GPU，另一半的帶寬用于背靠背連接旁邊機(jī)柜的超節(jié)點(diǎn)或者通過L2層HB架構(gòu)適配于物理承重與供電能力受限的機(jī)房環(huán)境。結(jié)構(gòu)，即任意兩個(gè)節(jié)點(diǎn)都有一條邊互聯(lián)。以AMDMI350高維度拓?fù)鋵?shí)現(xiàn)機(jī)房級(jí)、樓層級(jí)、數(shù)據(jù)中心級(jí)互聯(lián)。 行業(yè)深度報(bào)告體（Cube）內(nèi)的TPU處理器通過銅互連（銅ICI）應(yīng)64個(gè)機(jī)架）組成，可組合出最大8×16×16（2048顆芯片）的切片；TPUv5p的片集群，該架構(gòu)將故障域縮小至單個(gè)立方體，提升系統(tǒng)可靠性。 行業(yè)深度報(bào)告條高速差分信號(hào)通道組成鏈路的方式進(jìn)行點(diǎn)對(duì)點(diǎn)通信，允許同時(shí)進(jìn)行多個(gè)數(shù)據(jù)傳輸NVLink1.0NVLink2.0NVLink3.0NVLink4.0NVLink1.0NVLink2.0NVLink3.0NVLink4.0NRZNRZNRZ46NVSwitch2.0NVSwitch3.0英特爾、博通、Meta、微軟等公司共同發(fā)起的一項(xiàng)開放式互連標(biāo)準(zhǔn)，后續(xù)阿里、蘋果等廠商相繼加入，成員均可參與開發(fā)和采用，從而促進(jìn)生態(tài)系統(tǒng)的創(chuàng)新和豐富。UAlink在物理層和鏈路層同樣復(fù)用以太網(wǎng)技術(shù)，UALink1.0支持每通道最高200點(diǎn)組成的整個(gè)POD上進(jìn)行Load/Store操 行業(yè)深度報(bào)告以支持大規(guī)模數(shù)據(jù)集處理、深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練及并行任務(wù)執(zhí)行。XPU與XPU之間（含交換機(jī)傳輸時(shí)間）通信延時(shí)低于400ns。SUE要求端到端往返位于2024年6月共同發(fā)布了OISA（Omni-directionalIntelligentSensingExpress具備支持原生內(nèi)存語(yǔ)義、創(chuàng)新TLP報(bào)文重構(gòu)技術(shù)、支持智能switch交換機(jī)、供電單元Powersh交換芯片、交換機(jī)的需求外，也有望持續(xù)拉內(nèi)存條、存儲(chǔ)等部件。四個(gè)GPU（OAM）適配在CarrierBoard上,單板上BMC、SSD、或額外的光端口以及管理接口等部件。此外，節(jié)點(diǎn)內(nèi)采用風(fēng)液混合方式散熱，交換芯片搭配液冷冷板套件。資料來源：ODCC《ETH-X超節(jié)點(diǎn)AI整機(jī)柜設(shè)計(jì)規(guī)范》資料來源：ODCC《ET風(fēng)液混合，液冷為主，風(fēng)冷為輔，液冷占比80%以上，未來有望最終轉(zhuǎn)變?yōu)槿豪?行業(yè)深度報(bào)告資料來源：華為《ServingLargeLanguageModelsonHua 行業(yè)深度報(bào)告鏈接到Supernode結(jié)構(gòu)中的L2層交換機(jī)；RDMA平面：只有NPU參與次級(jí)RDMA資料來源：華為《ServingLargeLanguageModelsonHua（3）UB交換系統(tǒng)：板載L1層UB交換芯片鏈接至4個(gè)資料來源：華為《ServingLargeLanguageModelsonHua總體來看，CloudMatrix384超節(jié)起來，使得節(jié)點(diǎn)間通信性能接近節(jié)點(diǎn)內(nèi)水平，節(jié)點(diǎn)間帶寬衰減小于3%，節(jié)點(diǎn)間延遲速傳輸，支持使用RDMA兼容框架的分布式訓(xùn)練和推理，并保持了多集群部署中資料來源：華為《ServingLargeLanguageModelsonHua超節(jié)點(diǎn)助力國(guó)產(chǎn)集群性能提升，彌補(bǔ)單卡算力差距。從單卡和集群性能對(duì)比上910C芯片BF16性能僅為GB200模組的1/3，但通過超節(jié)點(diǎn)集群的方式，單個(gè) 行業(yè)深度報(bào)告20 行業(yè)深度報(bào)告21軟件、潤(rùn)澤科技；受益標(biāo)的：萬國(guó)數(shù)據(jù)、世紀(jì)互聯(lián)、云賽智 行業(yè)深度報(bào)告22盛科通信產(chǎn)品覆蓋100Gbps~25.6Tbps交換容量及100M入市場(chǎng)推廣和逐步應(yīng)用階段，有望持續(xù)受益于網(wǎng)絡(luò)產(chǎn)品國(guó)產(chǎn)化。公司是全球領(lǐng)先的綜合通信與信息技術(shù)解決方案提供商，基于ICT全棧核心能力，商網(wǎng)絡(luò)、政企業(yè)務(wù)和消費(fèi)者業(yè)務(wù)。公司服