GCC NEWS
2026 全球计算大会（CGC2026）主论坛上，广东远图未来科技有限公司总经理程励之发表了题为《重构算力边界：超节点全栈工程与下一代架构探索》的主题演讲，剖析大模型与智能体爆发背景下超节点面临的工程挑战、超节点技术迭代的核心发展方向，并分享远图在超节点领域的全栈研发与规模化工程落地实践。（本文根据现场发言整理，略有删减）
图：广东远图未来科技有限公司总经理 程励之
从 2023 年初 AI 大模型爆发，到 Agent 智能体全面铺开，全球月度 Token 消耗量增长近百倍，AI 模型参数也在持续攀升。对于为大模型构建“地基”的基础设施工作者而言，一个变化已经十分清晰：AI 工作负载正在将系统硬件推向物理极限。
纵观计算与网络系统硬件的发展历史，其形态一直在高度集中与高度分散之间循环，如同钟摆。进入 AI 大模型时代，超节点的集中形态已经成为行业共识，也是必然选择。
超节点不只是一台更大的服务器。它将节点之间的网络通信内化为类似系统总线的高速内存访问，把超密算力、超高带宽、池化内存与低时延网络融为一体。
从图纸到物理现实，超节点面临三重工程挑战
将超节点从图纸变为物理现实，需要应对研发设计、生产制造、运输运维等全生命周期挑战。
研发设计：高密度集成带来系统性难题
将 64 张或 128 张卡集成到高密机柜中，首先要解决架构选择问题：采用 Cable Tray，还是正交直连？
当单颗 GPU 功耗达到 1500W、整机柜功耗超过 250kW 后，供电和散热如何解决？面对单端口 32/64 条 112G SerDes Lane 带来的复杂系统互连，高速信号链路又应如何设计？
这些问题都不是单点技术能够独立解决的，而需要系统级协同设计。
生产制造：资源消耗与工艺复杂度大幅提升
超节点的生产制造需要消耗大量资源。实际测试结果显示，单柜全链路生产的能源消耗超过 1 万度电。
单个整机柜重量可达数吨，对生产厂房设计提出了新的约束。一台超节点包含超过百万颗物料、几百块 PCBA，整个组装和测试周期需要几百个小时。
运输运维：交付能力成为规模化落地瓶颈
超节点从生产下线到进入客户机房，运输本身就是一项挑战。超节点无法装入标准货运集装箱，需要定制运输方案；仅空柜重量就超过两吨，搬运和上架同样需要专门的方案。
设备投入运行后，还要面对数万个高速触点的故障定位，以及液冷系统漏液、喷溅等问题的应急处置。
工程化交付能力，已经成为超节点规模化落地应用的关键瓶颈和约束。
从原型设计到批量交付，需要五项关键能力
2026 年，是中国市场真正意义上的超节点规模交付与规模应用元年。远图参与了一线互联网及大模型客户大规模超节点产品的开发、制造和批量交付。
远图从 2023 年底开始超节点原型概念设计，经历了从研发、制造到交付的持续实践。2026 年三季度，远图已面向国内一线互联网客户批量供应超节点产品。
基于这些实践，我们认为，做好超节点需要同时具备五项关键能力：
第一，全栈研发能力。超节点融合计算、网络和存储，其中网络能力对产品开发尤为重要。
第二，丰富的实战经验。打造超节点不仅需要设计能力，还包含大量工程实践，许多问题只有真正实践过，才能发现并形成解决方案。
第三，自有智造产线。远图需要建设专门面向超节点的生产制造体系。
第四，多平台、多客户、多区域的交付经验。
第五，开放标准共建能力。在 GCC 这样的开放平台上，与产业伙伴共同构建开放的超节点标准。
研发设计破局：架构、结构、液冷与硬件协同优化
架构设计：互连选型与机柜形态
在第一代产品的实际落地中，远图已经实践了 Cable Tray 和正交直连两种方案。
北美厂商较早采用的 Cable Tray 架构相对简洁，技术已经比较成熟、稳定。正交直连的信号路径更短，SI 表现更好，可以实现节点级维护，故障半径也更小。两种方案各有优势，需要结合产品目标进行选择。
结构设计：对插精度与可靠性
针对整机柜的重量和安装要求，远图采用三级导向与柔性浮动设计，将节点安装精度控制在亚毫米级。
整机柜满载时的形变同样是关键约束。通过刚度仿真优化和重载变形控制，提前测算关键位置的受力情况，尽量实现重载而不变形。
液冷设计：极限空间与安全防护
在液冷方面，远图采用 13mm 超薄射流冷板贴芯取热。
针对漏液风险，在模组、节点和机柜三个层级设置防漏设计，并通过缓冲腔防止喷溅。散热还需要保证均匀性，通过并联均流温控，让各处流量保持均衡，在散热能力与稳定运行之间取得平衡。
硬件设计：信号完整性与供电
通过对数千项高速信号参数进行调优，实现 BER＜10⁻⁹的可靠传输。
针对整柜 5000A 大电流，开展供电拓扑优化，采用分段母排和防打火设计，提高供电可靠性；同时利用电源域故障隔离技术，尽可能缩小故障影响范围。
工程交付破局：全生命周期制造与运维落地实践
超节点的生产测试，需要建立从单板、节点到整机柜的三级递进式测试体系，实现全流程 100%测试覆盖。
2026 年，远图已经积累上千柜测试经验，目前一次直通率达到 60%以上，仍有持续提升的空间。通过迭代测试、优化组装工艺，可以进一步缩短制造周期，不断压缩从芯片到整柜、再到 Token 产出的时间。
从设备出厂到机房上线，包装设计也会影响交付效率。
远图第一代产品发往客户位于乌兰察布的机房时，仅拆包就需要半个小时。改为免工具拆卸包材后，拆包时间缩短至 3 分钟以内。
此外，通过两级智能气密检测确保管路密封性，并在工厂完成柜内线缆预部署（预排线），可以进一步压缩现场开通时间，让设备到达机房后更快形成 Token 产出。
设备投入运行后，运维的核心是快速发现问题、精准定位故障，并降低故障对业务的影响。为此，需要引入 AI，用 AI 管理 AI。
通过 AI 日志分析，可以从海量内容中快速定位问题，并将故障定位精细到差分对级，在两万多个高速触点中找到具体故障点。
针对液冷系统，还需要建立漏液应急处置和隔离措施。漏液一旦发生，即可快速隔离、快速处置。
下一代超节点技术的六大主线
面向再下一代超节点，超节点的未来何处去？远图正在与行业合作伙伴及上下游生态伙伴共同研究。我们判断，大模型的训练，包括集群参数的需求或者扩张，超级点的再下一代仍然会是全链条的迭代，其技术演进将主要沿六条主线展开。如图所示：
第一个：机柜扩容，密度倍增。机柜将从600毫米宽，扩展到1.2米双宽的机柜，单柜的容量将从64/72到128/144，甚至156卡。同时，HBD的规模，将会达到1024/1152这样一个千卡的规模。
在下一代架构中，Cable Tree直连正交架构与中背板架构将在不同的应用场景里面和客户需求下共存，各自发挥自己优势。
第二：高速互连。SerDes速率将从122G提升至224G，并进一步向448G演进；通道数将从32个增加至128个。我们判断，下一代柜内互连还是会采用铜互连为主，而机柜之间以及超节点多柜之间的连接，仍将采用光互连。
第三：供电能力持续加码。单GPU的功耗将从目前的1kW提升到3kW，甚至5kW；整机柜会将从250kW提升至600kW，甚至1MW。800V高压直流将明确会成为主流，结合板级垂直供电技术，实现更高效、更快速的电力输送。
第四：液冷。下一代高端算力场景中，全液冷将成为标配，风液混合方案预计将逐步退出。同时，单相冷板和多相冷板将会持续的迭代演进，推动PUE降至1.1以内。
第五个：异构算力。GPU主要负责训练，NPU主要负责推理，LPU则用于补齐长文本、长序列处理能力的短板。各类算力将在统一的资源池中进行调度和弹性分配，实现各司其职、协同运行。
第六：计算/交换节点解耦。下一代超节点必然采用多柜形态，单柜已无法满足需求。因此，在进行柜间设计时，计算节点应采用直出光设计，GPU则可搭载NPO技术，从而使算力与网络能够各自独立迭代、独立扩容。
所以总结一下，再下一代超节点技术就是更快的算力密度、更快的网络互联、更强的供电跟散热，更开放的生态，更多元的算力，以及光电的协同发展，这就是下一代超节点的演进的方向。
大模型时代的硬件的长征，才刚刚开始。远图在超节点的方向上也已经做了大量的工作，期待着与行业同仁在 GCC 平台上，共同挑战系统硬件的下一个物理极限，一起迎接普惠 AI 时代的到来。
拓展阅读
