当ChatGPT、Sora等大模型一次次刷新我们对AI的认知时，支撑这些“智能大脑”的底层算力设施也在经历一场静默的革命。
过去，提升AI算力的思路很简单——堆更多的GPU显卡。但今天，万亿参数级别的模型让这种“堆料”模式走到了尽头：显卡之间通信太慢、协作效率太低，大量算力被白白浪费。于是，“超节点”应运而生，而决定超节点成败的关键，正是Scale-Up高速互联技术。
这篇文章，我们就来聊聊：什么是超节点？显卡之间如何“对话”？未来的算力互联将走向何方？
一、什么是超节点？AI算力的“最小作战单元”
想象一个场景：你要完成一项需要100个人协作的复杂工程。如果这100人分散在10个办公室，彼此靠微信沟通，效率一定很低；但如果把他们安排在一个大平层，面对面交流，效率就会大幅提升。
AI训练也是如此。传统智算中心把大量GPU分散在不同服务器里，通过网络“远程协作”，通信开销巨大，整体效率往往不足50%。
超节点的思路，就是把尽可能多的GPU“塞”进一个紧密协作的单元里：基础智算单元由8张及以上GPU组成一个小团队；超节点则由32张甚至上百张GPU组成一个“超级连队”，内部通过高速通道直接互联。在这个“连队”内部，GPU之间可以毫秒级甚至微秒级同步数据，大幅减少通信损耗。超节点因此被视为大模型训练的“最小作战单元”，也是未来智算中心的标准化模块。
二、显卡如何“对话”？三条互联技术路线
GPU之间要协同工作，必须有一条“高速公路”来传输数据。目前业界主要有三条技术路线，各有优劣：
以英伟达NVLink为代表，这是专为GPU并行计算定制的“私人高速公路”。优点是带宽极高、时延极低，软硬件深度优化，能把GPU协作效率拉满。在GPT-4级别的大模型训练中，这种方案目前仍是性能天花板。缺点是生态完全封闭，只能用在英伟达的硬件体系内。就像苹果的Lightning接口，性能好但不通用，代价是你被锁在这个生态里了，想换门很难。
PCIe是服务器里最常见的通用总线，就像城市里的主干道，什么车都能走，生态极其成熟。问题在于：PCIe 6.0的带宽上限，已经追不上大模型的数据胃口了。打个比方，它像一条双向四车道，平时够用，但遇到AI训练这种“百吨王”车队同时通过，立刻堵得水泄不通。而且PCIe的总线共享机制，多卡并发时容易“抢道”，时延波动大。所以，PCIe更适合存量设备改造或轻量级AI场景，面对未来的万亿参数模型，它已触及天花板。
以太网是大家最熟悉的网络技术，从家里的WiFi到数据中心，无处不在。过去它被认为“不够快”，不适合AI训练这种高端场景。但近年来，以太网完成了一次关键进化：物理层提速，单通道速率从100Gbps跃升到112Gbps，224Gbps也在路上，多通道聚合可实现TB/s级带宽；协议优化，RDMA、RoCEv2等技术让以太网也能实现“直达内存”的高速通信，时延大幅降低；拥塞控制革新，CBFC（基于信用的流控）替代传统PFC，显著降低了过去容易“死锁”、丢包的问题。
如今，800G以太网已规模化商用，在AI集群中的部署占比持续攀升。它的核心优势是：开放、兼容、迭代快、成本低，支持不同品牌的GPU混用，打破了封闭生态的垄断。业内普遍认为，面向未来的大规模超节点建设，高速开放以太网将成为主流选择。
三、协议生态大乱斗：谁能成为统一标准？
互联技术要落地，离不开协议标准。当前，全球算力互联协议正经历一场“战国时代”。
UALink由AMD、博通等推动，目标是打造全开放的协议栈，性能对标NVLink，适合对算力性能敏感的高端训练场景。ESUN（OCP框架）则基于成熟以太网做增强优化，依托现有商用芯片即可快速部署，是“务实派”路线，兼顾性能与落地速度。两者共同的目标很明确：打破英伟达NVLink一家独大的局面，给市场一个开放的选择。
国内此前也涌现出多种方案：中移OISA、中兴OLink、华为灵衢（UB）、腾讯ETH-X、字节/北大Ethlink、阿里/中科院ETH+等。百花齐放虽好，但也带来生态碎片化的问题——不同方案互不兼容，产业成本居高不下。为此，工信部正牵头推动CLink统一标准。CLink兼容以太网生态，同时针对AI场景做了专门优化（如支持IP+GPUID双寻址、全域流量工程、在网计算等），有望成为国内智算互联的“通用语言”。对行业而言，统一标准意味着：设备兼容性更好、技术迭代更快、产业成本更低。
四、物理连接革命：正交架构与光互联
协议解决了“怎么说话”的问题，物理连接则决定了“说话的质量”。当前，超节点的物理架构也在经历两场重要革新。
传统超节点内部，GPU板和交换板之间靠大量高速线缆连接。一个机柜里可能有成千上万根线缆，像一团乱麻。这不仅占用空间，还带来严重隐患：线缆松动、老化、接口氧化，都会导致信号衰减甚至系统宕机，排查故障往往需要数小时。
正交互联架构的思路很巧妙：取消所有机柜内高速线缆，让计算板和交换板直接“面对面”垂直插接，通过正交连接器完成信号传输。这种设计带来了几个显著好处：信号更干净，大幅缩短信号路径，误码率更低；空间更省，没有线缆占地方，机柜里能塞下更多算力芯片；可靠性更高，从根本上消除了线缆故障，系统稳定性大幅提升；运维更简单，故障修复从“小时级”缩短到“分钟级”。可以说，正交互联是下一代高密度智算中心的优选物理架构。
当单通道速率向224Gbps乃至更高迈进时，传统电互联遇到了物理瓶颈：信号在铜线里跑得太快，功耗和发热急剧上升，就像让一辆跑车在乡间小路上全速行驶，既费油又危险。
光互联，就是用光纤替代铜线来传输信号。目前主要有两种形态：NPO（近封装光连接），光引擎靠近交换芯片放置，技术成熟度高，兼容性好，预计2026年就有产品面世；CPO（共封装光连接），光引擎与交换芯片“合封”在一起，距离最近、功耗最低、性能最好，但可靠性仍在验证中，预计2027-2028年逐步商用。光互联的成熟，将从根本上解决超节点内部的“内存墙”和“功耗墙”问题，支撑算力密度继续攀升。
五、Scale-Up与Scale-Out：内网与外网如何协同？
在智算中心里，其实存在两张“网”。Scale-Up网络是超节点内部的“局域网”，负责机柜内几十张GPU的高速互联，追求极致带宽和低时延；Scale-Out网络是超节点之间的“广域网”，负责把多个机柜联成万卡甚至十万卡的大集群，追求扩展弹性和成本可控。
传统方案里，这两张网各自独立，需要分别买交换机、光模块和光纤，设备层数多、架构复杂。而最新的“融合组网”思路，是用统一的高性能交换设备同时承载两类流量，省去一层Leaf交换机和大量光模块，整体架构更简洁、成本更优。打个比方：以前每个小区（超节点）内部有自己的道路系统，小区之间还有另一套市政道路，两套系统不互通；融合组网则像建了一座立交桥，内部路和外部路共用一套交通枢纽，车辆（数据）可以灵活分流，整体效率更高。未来，随着模型参数继续膨胀，机柜内部的HBD域（高带宽域）可能需要突破单机柜限制，通过机柜间无收敛带宽互联来扩展。融合组网的优势将愈发明显。
六、未来三年：技术演进路线图
结合当前技术成熟度，超节点互联的未来三年大致可以这样勾勒：
表：超节点互联技术未来三年演进路线图
从“堆显卡”到“算力协同”，AI基础设施正在经历一场深刻的范式转变。超节点作为这一转变的核心载体，其互联技术的选择将直接影响未来大模型的训练效率和成本。
封闭与开放之争、电与光之辩、节点内与节点间的融合，构成了这场技术变革的三条主线。可以预见，未来三年将是定义下一代AI算力基础设施格局的关键窗口期。开放、标准、融合，或许是最值得关注的三个关键词。毕竟，在AI这场马拉松里，算力互联的“高速公路”修得怎么样，决定了智能时代能跑多快、跑多远。
来源：李特整理；免责声明：引用会标注来源，内容仅代表作者个人观点，版权归原作者或出版社所有，不对所涉及的版权问题负法律责任，如有侵权，请联系删除。