是新朋友吗？记得先点蓝字“锌刻度”关注我哦～每日一篇科技财经深度调查走进商业背后的故事大小节点并存撰文/ 陈邓新编辑/ 李   季排版/ Annalee算力的重要性，再度得以凸显。

        近段时间，GLM 5.2、Kimi K3.0上新叠加DeepSeek投资人会议纪要外泄，将算力紧张的现实摆上了桌面。

        这意味着，国产大模型要再进一步，必须迈过算力门槛。

        围绕算力的争议一度平息，为何当下再掀波澜？国产算力走到哪一步了？

        超节点会成为破局的关键抓手吗？算力门槛无法绕过曾几何时，堆算力在全球风靡一时，被业界戏称为“力大飞砖”。

        由于种种缘由，这条路在国内并不好走，算力紧张一直困扰着行业，直到DeepSeek面世，通过算法优化等手段降低了对算力的依赖，才打破了以往的粗放思维。

        这之后，借助技术手段为算力做减法，成为行业的共识：灵活启动MoE架构的参数规模，可以减少单次推理的计算量；优化注意力机制，可以缓解长上下文的显存压力；借助开源模型打造垂直模型，可以减低模型的训练量……图源：图灵编辑部毕竟，花小钱办大事是国人最喜闻乐见的操作。

        此背景下，永远缺算力的叙事在国内逐渐沉寂了下去，而消除算力溢价的叙事大行其道，相关担忧的声音自然逐渐平息。

        不曾想，国产大模型后来居上，纷纷跻身国际第一梯队，随之而来的则是算力相对不足，不得不采取限购、涨价等措施以抑制越来越火旺的需求。

        于是乎，另辟蹊径可以绕过算力门槛的逻辑破产了。复盘来看，单次推理效率优化，不等于可以满足算力总需求，一旦需求量高企，令模型满负荷工作，算力就可能出现缺口。

        以Kimi K3为例，模型参数高达2.8T，但为了提高效率单个Token只激活104B参数，通常情况下足以游刃有余，但Kimi K3出圈之后Token消耗激增，Token的总吞吐量也水涨船高，最终抬高了对算力的需求。

        图源：月之暗面官微“伯虎财经”表示：“Kimi K3主打长程编程和Agent任务，一次任务不是问答一轮，而是模型反复读代码、调用工具、自我纠错，用户看到的是一个请求，后台可能跑了几十次推理。”

        这个现象，高度契合经济学的杰文斯悖论。百度百科显示，1865年经济学家威廉·斯坦利·杰文斯提出一个理论，当技术进步提高了资源利用效率之后，反而可能导致资源的总消耗量增加，而不是减少。

        通俗易懂地说，大模型的推理成本下降了，但模型能力却在不断变强，可以满足更多、更复杂的应用场景，从而吸引越来越多用户入局，一旦边界彻底打开，基本盘就会越做越大，在需求激增之下，算力扩容成为必由之路。

        其实，针对算力的基础建设一直没有放松。公开资料显示，2025年国内智能算力规模为1590 ExaFLOPS，到了2026年上半年，智能算力规模达2185EFLOPS，同比增长177%，呈现爆发式增长。

        超节点堪称大模型的最佳搭子智能算力规模爆发式增长背后，则是国产AI芯片走到了舞台中央。

        譬如，昆仑芯发布了第四代AI芯片M100，主要针对大规模推理场景（尤其是MOE模型）进行优化设计，以全国产对标NVIDIA H20，主打高性价比推理应用。

        摩根大通的数据显示，百度昆仑芯片收入预计将从2025年的约13亿元飙升至2026年的83亿元，同比增长超6倍。

        再譬如，平头哥发布了新一代AI芯片真武M890，性能较上一代提升了3倍，可以满足更大的大模型训练及推理需求。

        图源：平头哥半导体官方数据显示，真武AI芯片累计出货56万片，服务20多个行业的400多家客户，其中在智驾行业已部署超13万卡、客户涵盖小鹏、理想、蔚来等头部造车新势力。

        一言以蔽之，国产AI芯片崛起为国产算力提供了“定心丸”。

        尤为值得一提的是，超节点走出了实验室，成为国产AI芯片下一个新战场，也为国产算力带来更大的想象力。

        所谓超节点，即将数张、数十张、数百张AI芯片融为一体，组成具备一台计算机特征的超级计算系统，从而大幅提升性能缩小与国外高端芯片的差距，并大幅降低Token的成本。

        沐曦股份研发副总裁黄向军表示：“随着模型规模越来越大，尤其是万亿参数的大模型，客观上需要更大规模的GPU，通过高带宽连接在一起。

        此外，MOE的模型专家间的通信，无论是训练还是推理都要求延迟越低越好，超节点这个架构比普通的服务器更适合。”

        需要注意的是，超节点并不是简单的堆芯片。超节点的核心竞争力是借助超大带宽、超低时延、软硬协同等技术优势，最大程度实现“高效率、低成本”夙愿，将字面算力变成可用算力。

        CHIP实验室主任罗国昭表示：“一个2万亿参数的MoE模型往往需要同时调用多个专家网络，每完成一步推理，都需要不同GPU之间频繁交换数据。

        如果互联带宽不足，大量GPU不得不停下来等待数据同步，即使理论算力充足，也难以真正发挥出来。这也是业内常说的‘GPU不是在计算，而是在等待’。”

        不难看出，超节点是解决当下算力紧张的最优解。尽管如此，作为新物种的超节点也面临诸多技术分歧，其中排在首位的就是规模到底多大合适，不同企业有不同的答案。

        一种声音认为，节点越大越好。随着大模型进入万亿参数时代、上下文长度突破千万以及并发推理持续增长，超节点走向百卡、千卡甚至万卡是必然的。

        唯有大节点，才可以满足大模型的全场景需求。这条技术路径的典型代表是昇腾，其推出的384卡超节点已销售了750多套，目前已迭代至1024卡超节点，实现了业界最大的256TB跨物理节点的内存统一编址空间，且将推出8192卡超节点，进一步探索超节点的满配技术上限。

        图源：腾讯科技另外一种声音认为，节点越经济越好。大模型既要高带宽、高性能，也要低时延、强稳定，因而需要进行平衡，更为重要的是配置的AI芯片数量相对较少，成本也会随之降低，适合中小企业的实际需求，避免出现算力浪费。

        如此一来，小节点也大行其道。这条技术路径的典型代表是浪潮信息，先是推出64卡超节点，契合小节点的主流路线，最新产品降为32卡。

        浪潮信息副总裁赵帅表示：“我们自己内部用万亿大模型做AI Coding，效率绝对比用千亿大模型好，这就是万亿参数大模型带来的价值，所以再次推出32卡产品，让更多企业真正用得起。”

        总而言之，超节点最初并不受重视，随着交付能力的提升以及算力紧张的肉眼可见，一跃成为大模型的最佳搭子，百度、阿里巴巴、浪潮信息、沐曦科技、摩尔线程等大大小小的玩具纷纷入局，为AI基础设施生态注入了新动力。

        那么，国产算力破局正当时。END陈邓新邮箱：[email protected]简介：投资改变生活重点关注领域：上市公司、新能源锌刻度每日一篇科技财经深度调查扫描二维码 | 关注我们 商务合作：13594102904             13896157010转载微信：Shamy_xu喜马拉雅：锌刻度漫谈（ID:30888705）我们关注大时代的商业故事、科技互联网行业的发展趋势及动态。

        36氪优质内容奖、商业新知年度十佳创作者、最澎湃创作者、蓝鲸财经年度浑水号优质内容创作者、新浪科技创事记年度评选年度机构作者、澎湃新闻最澎湃作者奖、钛媒体年度作者人气奖、今日头条青云奖连续月度前十、澎湃新闻湃客科技领域连续第一、百家榜科技榜上榜账号。

         入驻平台虎嗅 | 36氪 | 澎湃 | 界面 | 新浪 | 知乎 | 雪球 钛媒体 | 凤凰号 | 新知网 | 百家号 | 网易号 搜狐号 | 企鹅号 | 格隆汇 | 大鱼号 蓝鲸财经 | 观察者网 | 今日头条 | 一点资讯商务合作如您有相关合作需求，请联系：13594102904，13896157010。

        我们将及时与您对接沟通。读者互动如想获取一手资讯/硬核报告/作者交流，欢迎读者加微信troisx33，回复“读者”一键加群！

        交流爆料如您对科技互联网或商业财经有着深入了解，并有相关线索或对话需求，请联系后台或邮箱：[email protected]我们将及时与您对接沟通。点小花花，让他们知道你“在看”我