计算机行业超节点：大集群算力之基，国产互联启新篇.pdf

全球AI大模型参数规模的指数级增长正驱动算力基础设施发生深刻变革，计算模式已由单芯片计算全面转向多芯片协同计算，互联效率取代单点算力成为决定集群性能的核心变量。

研究背景与核心痛点

随着AI基础设施由单机、单柜向机架级超节点和跨机架集群演进，GPU之间需要持续进行参数同步、梯度交换以及中间数据传输。在千卡以上AI训练集群中，GPU高达32%的运算周期用于跨节点通信，拥塞场景下模型浮点利用率（MFU）仅为35%至40%。互联带宽、通信时延以及网络调度能力已成为影响集群算力利用率的关键瓶颈。

分层互联架构与技术路线

报告系统梳理了AI集群的分层互联架构。Scale-up层面，主要通过PCIe、CXL、NVLink、Infinity Fabric等技术实现机柜内部多芯协同。其中，PCIe 7.0规范已将双向带宽提升至512GB/s；第六代NVLink为单颗GPU提供3.6TB/s带宽，72颗GPU组成的机柜级互联域可实现约260TB/s聚合带宽。Scale-out层面，主要依赖InfiniBand与RoCEv2技术实现跨节点横向扩展。InfiniBand凭借极低延迟占据超算中心主导地位，而RoCEv2则依托标准以太网提供更灵活的部署选择。

国产互联生态突破

面对海外供应链限制，国内厂商正加速构筑自主互联体系。Scale-up方向，华为发布灵衢（UB）全栈自研互联协议，支持百纳秒级同步内存访问与十万卡跨域组网；海光信息推出HSL协议，寒武纪推出MLU-Link技术，阿里与中国移动亦分别推进ICN与OISA方案。Scale-out方向，中科曙光推出首款国产InfiniBand原生无损RDMA高速网络scaleFabric，单端口带宽达400Gbps，转发时延260纳秒，实测可使AI集群训练效率提升40%以上。新华三、锐捷网络等也相继推出智算网络解决方案。

产业投资建议

伴随AI集群持续扩容，报告建议重点关注具备自研互联协议的GPU企业、互联结构中的核心Switch芯片供应商、超节点代工服务器厂商及算力服务商，涉及海光信息、寒武纪、中科曙光、澜起科技、浪潮信息等产业链核心标的。